视频智能分析系统（精选12篇）
视频智能分析系统 篇1
1 开发背景
随着社会对公众安全防范意识的逐步重视,视频监控系统越来越多的被应用与商场、交通要道、学校、银行等公共场所中。目前,多数的视频监控方式都是采用视频摄像头获取被监控场景信息,然后利用人工实时监视或者软件目的性监测的方式进行。这样的监控方式一是人为因素影响较大;二是绝大部分的数据只是作为事后证据记录,很大程度上失去了监控系统应该具有的实时性和预防性。如果在已经获取相应视频信息的同时就能够通过计算机软件对原始信息进行分析和比较,那么这套监控系统的功能将得到更大的提升。
2 基本原理
事实上,监控摄像头不仅可以被动地作为已发生事件的视频记录,它完全可以利用计算机软件技术从视频摄像头中获取视频信息,通过提取图像信息并进行特性比对等方法进行实时系统监控。
首先需要完成的自然是图像信息的处理。由于不同监控环境的视频图像信息并不完全相同,在设计系统之前,必须充分考虑到系统的通用型,因此智能视频监控需要运用数据库系统将相应的视频特征信息进行保留,然后保留视频特征信息再与实时获取的视频监控信息通过特定算法进行校对,得出相应结果后,即可实现实时监控的目的。
2.1 系统结构设计
智能视频监控系统的运用环境往往是根据固定客户需求所定,所以该系统通常以本地多点监控为主。而目前的国内的服务器环境多数以Windows NT作为开发平台。所以服务器环境采用Windows NT+SQLServer+.NET环境进行开发应用,该运行环境控制各单路视频监控摄像头的处理进程,将各单路摄像头的视频信息存入数据库特定区域并且和数据库中的视频特征信息进行计算。一个单路摄像头处理进程对应一个摄像头,主要负责视频采集以及相关的处理(编码和图像处理等),并将处理后的视频信息发送到数据库。数据库采取SQL Server架构,分为视频数据库、特征视频数据库和特征事件数据库,用于存放视频信息和图像处理后的信息。
各单路摄像头处理进程负责处理一路摄像头采集的视频信息,由视频采集和编码模块、图像处理模块和视频实时传输模块构成。这3个模块分别负责视频的采集、视频的智能处理分析以及视频的网络实时传输。它们在受控于服务器的同时,和数据库相互协作完成完整的智能视频处理功能。
在各单路摄像头处理进程中,视频采集和编码模块从视频摄像头获取视频数据,将未经处理的原始视频数据送至图像处理模块和视频实时传输模块,同时将视频数据以编码方式进行压缩存放于视频数据库中。图像处理模块是智能视频监控系统的核心部分,其主要用于处理和分析视频图像,并实现具体的监控功能。视频实时传输模块将视频数据压缩为数据编码,并控制编码数据向客户端传输。
3个模块中,视频采集和编码模块、视频实时传输模块是需求相对固定的功能模块,对于任何场景的应用基本无需做出调整,而图像处理模块会根据具体的应用需求变化而不同。因此必须要采用可配置的方式,当智能视频监控系统运用到不同环境时,只需添加各种功能的图像处理模块即可实现相应的智能视频监控功能。
图像处理模块实现智能视频监控功能。对于视频特征、事件描述以及场景描述有所不同,不但会影响到图像处理模块本身,同时也会影响到数据库的数据描述和组织。因此针对图像处理模块的设计也成为本系统的重点。
2.2 图像处理模块
图像处理模块为智能视频监控模块的核心,主要任务有:对图片的处理,包括视物体频特征的提取,事件的识别等;将物体,物体视频特征和识别出的事件及误判事件等存入相应的数据库。
图像处理模块为开发者提供可根据实际应用自主开发的结构。开发者开发时,从智能视频监控程序内的标准数据接口读入视频序列、时间等其他数据,利用通用的图像处理算法函数库实现相应的图像处理;并调用数据库处理函数将图像处理的结果加入到数据库中;同时还可以调用实时事件报告函数向监控中心反应实时情况或异常事件。
根据不同的应用领域,可以将开发出的图像处理模块组成一个功能库,作为产品提供给用户,方便用户自行选择使用。
函数库及功能函数包括:算法集成库、数据库处理函数集、实时事件报告函数。
(1)算法集成库
图像和视频处理的基本算法库,可以采用开源算法库和商业算法库。
(2)数据库处理函数集
包含数据库链接、选择、访问、数据存取等功能的函数集。
(3)实时事件报告函数
该函数集成了网络访问、传输等功能,将异常事件和监控情况传递给监控中心。
2.3 数据库
智能视频监控数据库分为3类:(1)物体视频特征数据库;(2)事件视频数据库;(3)视频数据库。其中,视频数据库为通用结构,能够适应不同的应用要求,物体特征数据库和事件数据库需要根据用户需求的不同而有所改变,具体设计如下:
2.3.1 物体及特征数据库
存储物体、标识该物体的特征以及相关文件(照片路径),存储的特征由具体的需求决定,可以是单个也可以是多个,结构如下:
2.3.2 事件数据库
存储发生的事件、时间、参与物体;结构如下:
Event Index Event Name Object Time Camera
2.3.3 视频数据库
按照时间和相应的摄像头的顺序存放相关视频,结构如下:
Video Index Start Time End Time Camera
2.4 服务器
服务器主要有两部分组成,一部分在后台运营的控制进程,主要负责根据命令开启或关闭单路摄像头处理进程;另一部分运行在服务器平台软件的智能监测程序,负责系统和用户的交互,并向后台控制进程发送命令。两者之间的通信是通过访问数据库中的摄像头命令状态完成的。
3 结语
主要介绍了智能视频监控系统的设计框架,并未涉及详细的代码设计过程。在系统的实际功能上还可以有更多可扩展的方面,如网络环境的介入、不同环境下数据库的配置等,而在此主要作用是为实现整个系统大环境的开发和设计做出可行性和功能性分析。
摘要：视频智能监控系统是一套运用于公共场合,能够实现实时记录与数据分析。该系统可以实现普通视频监控系统中的视频数据记录功能,并且解决了人为视频监控中无法实时判断特征信息的功能缺陷。
关键词：视频监控,实时记录
参考文献
[1]郑世宝.智能视频监控技术与应用[J].电视技术,2009,(01):94-96.
[2]张宇天.智能化监控技术的关键及难点[J].智能建筑与城市信息,2007,(3):14-15.
视频智能分析系统 篇2
导读]
系统采用视频图像智能识别技术对监控摄像机画面内容进行目标识别与行为检测，自动发现可疑人员及其异常行为、烟雾、火焰等危险事件并生成告警。
系统简介
系统采用视频图像智能识别技术对监控摄像机画面内容进行目标识别与行为检测，自动发现可疑人员及其异常行为、烟雾、火焰等危险事件并生成告警。
告警信息、高清晰度照片、实时图像和告警触发的录像将通过GPRS、CDMA1x、3G移动通讯或WLAN无线局域网方式发回监控中心，监控中心可以将信息转发至指定的手机。
系统可广泛应用于重要无人值守设施的远程监护，避免目标被入侵、盗窃和遭受火灾，例如：
1、农田输电变压器 输电线路及设施
2、移动通信基站
3、森林防火
4、铁路信号系统
5、各种其它无人值守设施
移动通讯、无线通讯、固定网络的综合应用，克服空间障碍、带来系统建设和运行的经济性
系统功能
入侵检测
在摄像机监视的视场范围内可最多同时设置8个警戒区。一旦有满足预设条件的目标进入警戒区域，则自动产生告警，并用锁定框标识出目标在画面中的具体位置，同时显示出其运动轨迹，通过告警提醒相关人员注意。
绊线检测
在摄像机监视的视场范围内可最多同时设置8个警戒区域。每个警戒区域内可任意设置1条警戒线并规定其禁止穿越方向。一旦有移动目标按照禁止穿越方向穿越警戒线即产生告警，锁定框标识出目标在画面中的具体位置及其运动轨迹。如果移动目标没有按照设定方向穿越警戒线，则不会产生任何告警。
火焰检测
在摄像机监视的视场范围内，可以任意设置警戒区域，当有火焰出现并达到预设告警触发门限时，产生告警，并用告警框标识出火焰区域。完全基于图像分析检测火焰，作用距离远(从数米到数公里)、检测结果不受环境温度影响，适用于室外大空间区域的烟火检测，或者各种不适合通过温度或红外传感器方式工作的火灾早期信号检测。
烟雾检测
在摄像机监视的视场范围内，可以任意设置警戒区域，当有烟雾出现并且浓度、大小超过门限时触发告警，并用告警框标识出烟雾区域。完全基于图像分析检测烟雾，作用距离远(从数米到数公里)，适合传感器无法工作的野外空间下的烟雾检测，作为火灾的早期信号。
视频智能分析系统 篇3
关键词：计算机智能视频监控；运动目标检测方法；目标跟踪方法
中图分类号：TP311 文献标识码：A 文章编号：1674-7712 (2012) 10-0104-01
随着人工智能技术日新月异的发展，基于人工智能的计算机视觉技术也得到了广泛的推广和应用，成为计算机智能领域一个重要的发展方向。到目前为止，计算机视觉技术已经过20余年的发展，其在社会人文，军事技术及工业生产领域得到了广泛的应用，并以其独具特色的技术优势逐渐形成了一门具有一定先进理论支撑的独立学科。其中，著名学者Marr提出的视觉计算理论已成为计算机智能视频监控领域的主导思想，为大多数该领域内的研究人员所接受。从广义上讲，计算机视觉技术的实质就是实现对在复杂环境中运动物体的几何尺寸、形状及相关运动状态的识别和认知，即把实际空间中的三维对象转换为计算机视觉系统识别的二维图像。近年来，计算机视觉技术以其迅猛的发展态势及成熟的应用技术成为了业界的新宠，并得到了广泛的应用，取得了瞩目的成绩。
一、运动目标检测方法分析
（一）运动目标在静止背景条件下的检测分析
1.差分检测法
将同一背景不同时刻两幅图像进行比较，可以反映出一个运动物体在此背景下运动的结果，比较简单的一种方法是将两图像做“差分”或“相减”运算，从相减后的图像中，很容易发现运动物体的信息。在相减后的图像中，灰度不发生变化的部分被减掉，则前区为正，后区为负，其他部分为零。由于减出的部分可以大致确定运动目标在图像上的位置，使用相关法时就可以缩小搜索范围。
2.自适应运动检测方法
当两帧图像的背景图像起伏较大时，简单的差分法难以得到满意的解。此时可以考虑用自适应背景对消的方法，该方法可以在低信杂比的情况下压制背景杂波和噪声，检测出非稳态图像信息。在背景杂波较大时，常用的门限分割不能分出这种运动目标。在图像序列中，每一个像素点的灰度值都是这一点所对应传感器的输出信号值与噪声值的叠加，因此，如何克服噪声的影响确定一个最佳门限将目标与背景分离，就成为弱小目标检测的一个重要环节。
（二）目标在运动背景条件下的检测方法分析
块匹配法是目标在运动背景条件下的主要检测方法。基于块的运动分析在图像运动估计和其他图像处理和分析中得到了广泛的应用，比如说在数字视频压缩技术中，国际标准MPEG1-2采用了基于块的运动分析和补偿算法。块运动估计与光流计算不同，它无需计算每一个像素的运动，而只是计算由若干像素组成的像素块的运动，对于许多图像分析和估计应用来说，块运动分析是一种很好的近似。这里主要介绍块匹配方法。块匹配方法实质上是在图像序列中做一种相邻帧间的位置对应人物。它首先选取一个图像块，然后假设块内的所有像素做相同的运动，以此来跟踪相邻帧间的对应位置。各种块匹配算法的差异主要体现在：匹配准则、搜索策略及块尺寸选择方法上。
1.匹配准则
典型的匹配准则有：最大互相关准则、最小均方差准则、最小平均绝对值差准则、最大匹配像素数量准则等。
2.搜索策略
为了求得最佳位移估计，可以计算所有可能的位移矢量对应的匹配误差，然后选择最小匹配误差对应的矢量就是最佳位移估计值。因此，人们提出了各种快速搜索策略。这种策略的最大优点是可以找到全局最优值，但十分浪费时间。因此，人们提出了各种快速搜索策略。尽管快速搜索策略得到的可能是局部最优值，但由于其快速计算的实用性，在实际中得到了广泛的应用。下面讨论两种快速搜索方法：二维对数及三步搜索法。
二维对数搜索法开创了快速搜索算法的先例，分多个阶段搜索，逐渐缩小搜索范围，直到不能再小而结束。其基本思想是从当前像素点开始，以十字形分布的5个点构成每次搜索的点群，通过快速搜索跟踪最小误差MBD点。
三步搜索法与二位对数法类似，由于简单、健壮、性能良好等特点，为人们所重视。例如其最大搜索长度为7，搜索精度取一个像素，则步长为4、2、1，只需三步即可满足要求，因此而得名三步法。其基本思想是采用一种由粗到细的搜索模式，从原点开始，按一定步长取周围8个点构成每次搜索的点群，然后进行匹配计算，跟踪最小块误差MBD点。
三、运动目标跟踪方法
成像跟踪系统经过图像的预处理、图像的分割识别等一系列信息处理，最终实现对目标位置的实时精确测量。跟踪策略基本上可分为两大类：波门跟踪和相关跟踪。
（一）波门跟踪法分析
参考被跟踪目标外观的实际尺寸形态，事先确定好跟踪窗口就是我们通常所定义的“波门”的概念。与传统的图像处理方法不同，采用波门跟踪法进行图像的分析和处理，其原始状态的图像数据仅仅限于波门内的数据，这样系统一旦捕捉到目标，不仅可以避免传统技术对整幅图像处理过程的耗时缺点，而且这种跟踪技术应用和操作更为简单，跟踪及成像效果也能够得到切实的保障。
（二）相关跟踪法分析
当被跟踪的目标物体出现运动、姿态的调整或由于自然条件等因素造成了背景的杂波干扰时，目标图像的分割及提取工作由于目标矩心及形心的不确定将难于进行。这种情况下，就可以采用相关跟踪的方式进行处理。这种基于图像匹配为基础的相关跟踪技术是以图像相识性度量为基础，获取现场图像中实时的最接近目标图像值的一种跟踪方式。由于分析及处理过程中，不需对用于分割及提取的特征值进行处理，因而可以应用于对图像数据的原始资料的处理方面，这种方法不仅可以使图像的信息得以全部的保留，而且适合众多复杂的环境及场景，是一种操作简单，结果精确的测量方法。
四、结语
近年来，各行各业对视频监控的需求不断升温，但已有的视频监控产品不能满足日益增长的需要。因此，计算机视觉和应用研究学者适时提出新一代监控—视频智能监控。它是目前国内外计算机视觉研究领域热点问题之一。因而，在生产实践中，不断加强对其的分析和研究具有非常重要的现实意义。
参考文献：
[1]吴连玉.计算机视觉基本理论[M].北京:中国科技大学出版社,2005
浅析智能视频分析系统的设计 篇4
关键词：智能,视频分析,背景减除,模块
1 概述
1.1 概念。
智能视频 (IV, Intelligent Video) 源自计算机视觉 (CV, Computer Vision) 技术。计算机视觉技术是人工智能 (AI, Artificial Intelligent) 研究的分支之一, 它能够在图像及图像描述之间建立映射关系, 从而使计算机能够通过数字图像处理和分析来理解视频画面中的内容。智能视频分析监控系统能够识别不同的物体, 发现监控画面中的异常情况, 并能够以最快和最佳的方式发出警报和提供有用信息, 从而能够更加有效的协助安全人员处理危机, 并最大限度的降低误报和漏报现象。
1.2 应用前景。
传统的人力监控系统中, 摄像机摄取的图像只有依赖于保安人员的长时间集中精力监控才能发挥安防的作用, 因此无力应付大量视频信息的实时监控要求, 多数的视频图像只是作为报警后的事后取证来使用, 只能做到“事后取证”, 而不能“实时预防”, 导致用户的潜在安全隐患提高。正是在这种背景下。由于智能视频分析旨在自动的提取视频中用户所关注的敏感信息, 满足了市场上凸显的这种需求。视频智能分析是监控领域最新的、最具发展潜力的方向, 随着投入力量的不断增加, 视频智能监控产品必定会有更广阔的发展空间。
2 原理
2.1 背景分离法工作原理。
视频分析技术通常采用背景分离 (背景减除) 技术来进行图像变化的检测 (所有的视频分析模式, 如入侵、丢包、逆行等都是一种模式的图像变化) , 其思路是对视频帧与基准背景图像进行比较, 相同位置的像素 (区域) 变化则认为是变化了的区域, 对这些区域进一步处理、跟踪、识别, 得到包括目标位置、尺寸、形状、速度、停留时间等基本形态信息和动态信息, 完成目标的跟踪和行为理解之后, 也就完成了图像与图像描述之间的映射关系, 从而使系统进一步进行规则判定, 直到触发报警。
背景减除法是目前普遍使用的运动目标检测方法, 其算法本身需要大量的运算处理资源, 并且仍然会受到光线、天气等自然条件及背景自身变化 (海浪、云影、树叶摇动等情况) 的影响。但是, 针对不同的天气以及自然干扰, 已经有多种附加算法 (过滤器) 应用来弥补这些缺陷, 随着芯片能力的提升及算法改进, 相信视频分析技术会进一步成熟。
2.2 视频分析流程。
视频分析实质是人工智能的一部分, 是通过模仿人类的工作过程来实现的。人类通过眼睛这个“传感器”实现视频的采集、预处理、处理然后将真实图像传送给大脑, 大脑并不是对所有传送过来的图像进行整体的分析处理, 而是采用多层分级, 将背景、缓慢移动及远处的目标分辨率最低化, 忽略一些细节;并对前景感兴趣区进行二次聚焦 (我们常说的眼前一亮就是这个意思) , 获得更多细节, 然后对该区域进行判定。
3 方案选择
现在关于视频智能化的解决方案有了较大的发展, 主要分为两种:一种是直接对模拟视频信号进行分析和处理;一种是在全数字的视频系统平台上使用具有视频分析功能的插件。本文论述的视频智能分析系统的设计, 采用第一种方式。
4 系统设计
4.1 硬件架构。
视频智能分析器主要由嵌入式微处理器、系统FLASH、系统SDRAM、编解码SDRAM、H.264音视频编解码芯片、音视频A/D与D/A转换芯片、以太网络接口以及一些数据采集传感器组成。采用专用DSP (数字信号处理器) 作为系统核心, 该系统主要由视频编解码模块、存储模块、DSP核心运算控制模块、串行通信接口模块、电源模块五个部分组成。
视频编解码模块:视频编解码模块的主要功能是将从摄像头采集来的PAL制模拟视频信号进行数字化编码, 输出速率为13.5MHz, 20bit的4:2:2 YUV数字信号。数字化转换过程由DSP控制, 同时采用DSP的DMA方式将生成数据有选择的存入存储模块的SRAM中。
存储模块:存储模块主要由FLASH ROM和SRAM组成。FLASH ROM用于存储系统运行程序和参数表, SRAM用于存储实时处理的两幅图像的灰度信息。
DSP核心运算控制模块:DSP核心运算控制模块主要实现整个系统的控制, 完成目标检测算法运算, 和向串行通信模块发送控制指令。
串行通信接口模块:由于摄像头控制机械采用RS485串口通信接口控制, 需要DSP芯片通过串口向机械控制电路发送指令, 实现摄像头的自动跟踪。
电源模块:电源模块给系统各模块提供电源。
信号关系为:将模拟的音视频信号通过A/D转换成没有被压缩的图像数字信号, 再通过DSP或具有图像处理功能的ASIC芯片进行图像数据的压缩编码, 将压缩编码的数字图像数据加入到智能分析模块进行分析, 同时通过网络实时监控远程图像。
4.2 软件架构。
智能视频分析器的工作流程为:服务器上电启动后, 系统被加载到与嵌入式CPU相连的SDRAM中运行, CPU通过串口控制云台转动, 转动摄像机获取视频信号, 经过采样芯片实现A/D转换, 转换后的数字视频数据传给H.264压缩芯片完成H.264音频/视频压缩, 压缩后的数据缓存于H.264压缩芯片的FIFO中, 当FIFO半满时就触发主控CPU产生中断, 由处理器的中断服务子程序获取该数据并存放于系统缓冲区中, 等待发送程序读取。当服务器监听到监控端的视频请求时, 服务器将视频数据打包并以流媒体的形式通过网络接口芯片传输到监控端去。CPU同时接收监控端发来的控制信息, 通过CGI通用网关接口发送给应用程序。应用程序负责将控制信息通过RS232串口给摄像机云台。
5 结论
智能视频分析技术将相关的信息呈现给用户, 99.9%的监控图像信息是无用的, 剩下的0.1%又是至关重要的, 如何将人们有限的精力引导到相关的场景上面是智能视频分析技术的关键, 也是智能视频分析存在的价值。不同行业对于智能视频分析的要求是不同的, 不同行业间检测行为类型与异常事件的特殊性也是智能视频分析技术研究中不得不要面临的问题。智能视频分析技术只要结合行业实际应用, 针对不同行业具体要求, 满足用户需求, 必然会在各行业中逐步显现威力。
参考文献
[1]公安部教材编审委员会.安全技术防范[S].北京:中国人民公安大学出版社, 2001.
[2]章毓晋.图像处理和分析[M].北京:清华大学出版社, 1999.
[3]于耀南, 等.计算机图像处理与识别技术[M].北京:高等教育出版社, 2001.
视频智能分析系统 篇5
中国音响行业协会
2010.6
3.项目经理具有大专以上学历，并具有3年以上从事专业音视频智能系统集成工程项目的管理经历或具有相关专业中级以上技术职称； 4.财务负责人具有中级以上会计职称； 5.工程技术人员不少于30人；其中，具有相关专业8年以上从业经历或具有相关专业高级技术职称的人员不少于5人，此外具有相关专业5年以上从业经历或具有相关专业中级技术职称的人员不少于10人；
（三）企业工程业绩要求：
企业近3年内的工程业绩应符合下列条件之一，且至少有一项以上工程属于专业音视频智能系统集成工程项目：
1.承担过2项合同金额大于等于800万元的专业音视频智能系统集成工程项目，质量合格且每项工程项目均有验收报告；
2.承担过4项合同金额小于500万元且大于等于300万元的专业音视频智能系统集成工程项目，质量合格且每项工程项目均有验收报告。
（四）企业设备及技术要求：
1.企业具有与承包工程范围相适应的施工及检测设备； 2.企业具有对相应工程的深化设计能力。
3.企业必须设有维修维护专职人员不少于三人的维修站，并有至少三年的维修记录。
4.企业必须具有近年完成工程的技术档案。
（五）企业设备及管理要求：
1.企业具有完善的质量、安全管理体系； 2.企业具有人事、财务等档案管理制度； 3.售后服务优良。
音视频智能系统集成工程二级资质
（一）企业基本资信：
1.企业注册资金大于等于300万元；
2.通过当地工商部门年检，经营符合国家有关法律规定。
（二）企业人员要求：
1.企业负责人应具备大专以上学历，并具有3年以上从事企业管理工作经历；
2.企业技术负责人具有大专以上学历，并具有5年以上从事专业音视频智能系统集成工程施工技术管理工作经历或具有相关专业高级技术职称； 3.项目经理具有大专以上学历，并具有2年以上从事专业音视频智能系统集成工程项目的管理经历或具有相关专业中级以上技术职称； 4.财务负责人具有中级以上会计职称；
5.工程技术人员不少于15人；其中，具有相关专业6年以上从业经历或具有相关专业高级技术职称的人员不少于2人，此外具有相关专业
3-3于专业音视频智能系统集成工程工程项目：
1.承担过2项合同金额大于等于100万元的专业音视频智能系统集成工程项目，质量合格且每项工程项目均有验收报告；
2.承担过4项合同金额小于50万元且大于等于20万元的专业音视频智能系统集成工程项目，质量合格且每项工程项目均有验收报告。
（四）企业设备及技术要求：
1.企业具有与承包工程范围相适应的施工及检测设备； 2.企业具有对相应工程的深化设计能力。
3.企业必须具有承接相关规模工程的售后服务保障能力，有专职技术支持或售后服务人员1人以上。
（五）企业设备及管理要求：
1.企业具有完善的质量、安全管理体系； 2.企业具有人事、财务等档案管理制度； 3.售后服务优良。
第七条 在评审过程中被发现有下列行为之一的，将不予受理：
（一）违反国家工程建设强制性标准；
（二）发生过重大工程质量安全事故；
（三）企业未根据设计要求进行工程施工；
（四）企业违反合同规定的产品规格、型号；
（五）为其他企业提供图章、代签合同；
第八条
专项资质证书分为正本和副本，由协会统一制作、颁发。
第九条
专项证书有效期为四年，每四年进行一次年检。年检费用为1000元。第十条
申报音视频智能系统集成工程企业专项资质的企业需缴纳相应的评定
颁证费。一级4万元、二级3万元、三级2万元。
第十一条 在获得专项资质证书、且持有证书时间两年以上的企业，可以申请晋
升等级。
第十二条 所有获得专项资质证书的企业在中国音响行业协会官方网站
（）统一发布查询。
第十三条 持有专项资质证书的企业遗失证书的，应当向协会申领新的资质证书，并在相关媒体上刊登原资质证书遗失的声明。
第十四条 本规定由由中国音响行业协会音视频智能系统集成工程专业委员会负
责解释。
视频智能分析系统 篇6
摘要：针对人工监测无法时刻保障电力系统安全稳定运行的问题，依据智能视频技术的原理及发展现状，分析了该技术在电力系统已有的和可能的应用，包括对无人值守变电站的各项检测、对高压开关柜柜内器件的检测以及对野外高压输电线路的各项检测.重点探讨了为实现警戒面检测、遗留物检测、刀闸状态检测、杆塔检测等应用所需的背景差分法，对目标图像的灰度提取来进行输电线路覆冰检测的自适应算法，对于漏油、火焰等矩特征提取的算法，应用Kalman滤波及Mean-shift算法实现人员徘徊、导线舞动、导线弧垂越限等运动目标跟踪检测算法，提出了该领域未来的研究和发展方向.
关键词：智能视频；电力系统；目标检测；目标跟踪
DOI：10.15938/j.jhust.2015.05.003
中图分类号：TM7
文献标志码：A
文章编号：1007-2683（2015）05-0014-06
0 引言
随着智能电网的高速发展，在电力系统中应用智能视频技术来保障其持续、高效、安全稳定运行，已逐渐成为研究的热点.也是电力系统智能遥视未来的重要发展方向.
智能视频技术源自计算机视觉与人工智能的研究，其发展目标在于将图像与事件描述之间建立一种映射关系，使计算机从纷繁的视频图像中分辩、识别出关键目标物体.
目前在电力系统领域应用智能视频技术还是一个崭新的课题，对此的研究与开发较少.目前国内仅有清华大学、上海交通大学、北京交通大学、武汉大学、中国电科院等大学及科研单位相继开展了智能视频技术在电力系统中应用的研发和理论研究，其研究内容主要包括：对运动目标的自动识别报警、对于设备中开关状态的实时检测、对于变电站内火灾火焰的检测报警、对于野外输电线路情况的检测等.而在其他诸如地铁、铁路、机场、高速公路、军事等领域，智能视频技术已经得到较广泛的应用，如通过摄像头进行车牌识别、射频识别、条形码识别、统计行车流量，在城市监控中的客流密度检测和流量统计、人员行为检测.同时还应用于桥梁检测，实现桥梁底面缺陷自动检测.由此可见，智能视频技术在其他领域的应用已经慢慢开始形成一个产业.
现今电力网络的覆盖范围迅速扩大，结构日趋复杂.在电力系统领域应用智能视频技术，可以大大减少人为操作事故，使变电站的无人值守、野外高压输电线路的智能监控等成为可能，已成为电力系统的发展趋势.
1 智能视频在电力系统中的应用分析
目前智能视频技术在电力系统领域已得到初步应用.经分析可见，其已有的和可能的研究应用主要集中于无人值守变电站、高压开关柜以和野外高压输电线路等方面，同时还可以进行进一步扩展.
1.1 智能视频在无人值守变电站的应用
随着无人值守变电站管理模式的推广，变电站巡检制度的建立，可逐步实现电网的可视化监控和调度，使电网调控运行更为安全、可靠.在电力系统，这种监控系统也被称为“遥视系统”.其原理图如下图1所示
应用动态前景提取，背景高斯建模，人体跟踪和特定跟踪等算法以及特征提取的有机结合可以实现穿越警戒面检测、漏油检测、人员徘徊检测、检测遗留物、防止盗窃、火焰智能检测、视频状态检测等检测功能.
总体来看，由于监控技术的不完善，仍存在误报或漏报的情况，需要进行进一步的研究改进和完善.视频监控的智能化表现为计算机视觉算法在视频分析中的应用.智能视频监控区别于传统意义上的监控系统在于变被动监控为主动监控（自动检测、识别潜在入侵者、可疑目标和突发事件），即它的智能性.简单而言，不仅用摄像机代替人眼，而且用计算机代替人、协助人，来完成监视或控制的任务，从而减轻人的负担.
1.2 智能视频在高压开关柜上的应用
视频监控系统用于高压开关柜的设备运行巡视和倒闸操作观察，防止出现误操作，对电力的安全运行造成威胁.并可对柜内器件进行实时监视，如当发现瓷瓶出现裂纹等异常时，提醒值班人员及时进行检修.
通过智能视频监测系统监视高压开关柜内隔离开关和接地开关主触头状态与控制手柄位置和刀闸辅助触点位置状态是否相同，判断视频智能分析判断刀闸状态以及对柜内器件进行实时监视，
应用智能视频技术监测高压开关柜，可以大大减少事故的发生，避免了可能造成的损失，为电网的安全运行提供了有利条件.同时，利用智能视频技术，还可以开发出监控高压开关柜内是否出现电火花等情况的应用.
1.3 智能视频在高压输电线路上的应用
输电线路迅速增长，巡视维护工作量越来越大，交叉跨越、线路覆冰、人员活动密集地等线路危险点的观察是非常必要的，因此可以建立对高压输电线路的智能视频监控系统，来保障线路的安全稳定运行，其系统结构如图2所示，
通过背景差分对比、监测线路的运动轨迹、图像匹配和识别、特征提取等算法的结合可以实现对输电线路的线路覆冰、绝缘子裂痕、杆塔偷盗与断线检测、导线舞动检测、杆塔倾斜和倒塌检测、绝缘子闪络检测、导线悬挂异物检测、导线弧垂越限检测等.
在高压输电线路上应用智能视频技术进行监测，可以省去大量人力物力，而且能够保证实时性，对危险区域进行报警，可提高维修效率.但野外场景环境较为复杂，仍可能出现误报等情况.智能视频分析技术应用往往会受到环境的干扰，比如光线的变化、树叶的晃动、雨雪天气，等等，这些干扰源的干扰比较容易引起误报.因此，需要设计优化适合的算法应用于上述应用.
2 关键技术及相关算法的研究分析
为实现上述功能，将智能视频技术应用于电力系统领域，需要使用以下关键技术及算法.
2.1 数据采集及预处理
首先，需要采集视频、红外、放电数据等信息，经由有线或无线网络传输至后方服务器。而后对其进行预处理工作，包括选定图像颜色模型、图像灰度化、图像直方图均衡化、图像去噪、图像锐化、图像边缘检测、图像分割等后续处理工作.
2.2 对目标提取的算法分析
为实现在穿越警戒面检测、遗留物检测、盗窃检测，线路覆冰检测、绝缘子裂痕检测、施工人侵检测等，需要进行运动目标的检测分析来解决上述问题.目前主要应用的是背景差分法，其过程如下：
1）设置时间间隔Tgap，循环截取两幅视频图像户Pi和Pj，分别进行预处理；
2）设置最小像素变化值Pmin，采用减法运算计算出前后两幅视频图像对应像素点的差值，统计发生改变的像素点个数，如式（3-1）所示：
式中，Ⅳ为总的像素改变点数.
3）设置检验图像状态发生改变的最小阈值Nmin和最大阈值Nmax，当N≤Nmin时，不发出报警信号，直接排出干扰；当N≥Nmax时，也无需发出报警信号，直接排出干扰；只有当Nmin≤N≤Nmax时，才认为是监测场景中发生了某种预定的异常，引起视频监控图像中的局部发生了异常改变，需要进行后续的报警处理，
其运行结果如图3所示，经过背景差分程序的处理，提取出所需目标，与选定标准对比分析判断是否发出警报，
一般获取背景图像的理想方法是在场景中无任何目标时采集一幅背景图像存贮起来，但是由于外界因素的干扰，如日光照射角度变化，沙尘风雨天气以及目标运动频繁等因素，都会引起背景图像的不准确，为此，就需要根据外界环境变化不断的更新背景，背景差分方法的主要问题是背景的更新与维护，好的背景图象更新方法是背景差分法的关键.
2.3 对高压输电线路覆冰情况的检测算法分析
自适应算法将覆冰输电线路作为提取目标，可实现高压输电线路覆冰异常报警.覆冰视频图像中的目标和其他物体的灰度值存在一定差异，覆冰线路的灰度值只有极少部分接近255.我们可以利用这种特性结合图像预处理算法，进行输电线路覆冰范围的提取.
1）按照式（2）计算视频图像的平均灰度值GNaverage，设置需要进行覆冰计算的门限值GNthreshold，取其值100～130.
式中，Pi为视频图像中每个像素点的灰度值，w为视频图像的宽，h为视频图像的高，n为总的像素点数.
2）根据（3）和（4）计算出在Gaverage和255之间的平均灰度值Gminaverage和Gmaxaverage，
3）从背景中分离出带干扰像素的覆冰输电线路后，求取覆冰输电线路形成的连通域，统计覆冰线路处于区间（Gminaverage，Gaverage）和（Gmaxaverage，255）的总像素点/Ng设置线路覆冰报警的启动值Ngmin和Ngmax其中，Ngmin为预报警启动值，Ngmax为报警启动值，均以未覆冰线路的SL为基准进行设定.
4）若Ng
对野外高压输电线路进行覆冰检测，首先对图像进行灰度化与二值化处理，处理结果如图4所示.再利用上述算法计算其平均灰度值，将计算出的平均灰度与设定值对比分析，以判断是否发出警报.
2.4 对目标特征提取算法的分析
对于无人值守变电站的漏油检测、火焰智能检测以及在野外高压输电线路的绝缘子闪络的检测等，需要用到对目标物品进行特征提取.
矩特征是一种线性特征，矩特征对于图像的旋转、比例尺度和平移具有不变性.比较常用的是Hu矩.
设f（m，n）是一个有界二维函数，其（p+q）阶原点矩的定义见式（5）：
当f（m，n）在m-n平面的有限区域内分段连续时，mpq序列与f（m，n）可以互相唯一确定.
Hu利用归一化的二阶、三阶中心矩（p+q≤3）的不同线性组构造了7个具有平移、旋转、尺度缩放不变性的不变矩函数式.可以用于区分人、动物、火焰及干扰物.可以根据这7个不变矩表达式来确定运动目标的分类.前方传输过来的信息数据，在使用Hu矩检测分析后，与不变矩表达式进行比较，确认识别出火焰，漏油，绝缘子闪络的特征时，系统发出警报，工作人员立即去发生事故的现场对问题进行解决.
2.5 对运动目标跟踪算法的分析
利用运动目标的跟踪，可以实现在无人值守变电站的人员徘徊检测以及在野外高压输电线路中导线舞动检测、导线弧垂越限检测等情况的检测与报警，目前主要应用的目标跟踪有如下两种方法.
2.5.1 利用Kalman滤波实现运动目标跟踪
在目标跟踪中使用Kalman滤波器估计目标运动状态可分为3个阶段，分别是滤波器初始化、状态估计及状态更新.
假设目标的运动状态参数为某一时刻目标的位置和速度，系统为线性状态模型：
x（t）表示t时刻的系统状态，A（Δt）表示Δt时间内的状态矩阵，w（t）表示估计误差，
假设目标以恒定的速度运动，并且目标大小的变化是线性的，则可得状态转移矩阵为：Kalman滤波算法是通过一组观测值来预测系统状态，在视频图像上只能观测到目标的位置和大小，由于假设系统状态与观测值之间是线性关系，则：
y（t）=H（t）x（t）+v（t）.
（8）
这样就定义了运动模型的状态方程和观测方程，可以运用卡尔曼滤波来估计目标质心的位置，并且可以在固定范围内搜索，而不需要在整幅图像上进行.图5所示为应用Kalman滤波算法进行运动目标跟踪结果图.可以看出通过对背景初始化后提取出运动目标，再根据运动目标状态估计计算出其运动路线，从而对运动目标进行跟踪检测.
2.5.2 利用Mean-shift算法实现运动目标跟踪
Mean-shift是一种基于运动物体颜色直方图的跟踪算法，其计算步骤如下：
1）初始帧目标模型描述
假设目标窗口的第i个像素点的位置为xi（i=1，2，3，…，n），n为目标窗口的像素点总数；m为图像颜色直方图的栅格总数，xo为目标窗口的中心.
2）当前帧候选目标模型描述
设y为当前帧目标预测位置的中心，选择一半径为带宽参数h。的圆形区域作为搜索窗口，当前帧搜索窗口的第i个像素点的位置为xi（i=1，2，3，…，nh），nh为搜索窗口像素点总数.
3）相似性函数和计算当前帧跟踪结果
进行初始帧目标模型和当前帧候选模型之间相似性度量的相似性函数见式进行泰勒展开，用Mean-shift算法对相似性函数求最大值，计算新位置为：
以y作为新的目标预测位置），，重复步骤2）和3），迭代得到在当前帧目标的最优位置.图6所示为导线出现舞动或悬垂越限的情况，运用Mean-shift算法检测导线运动轨迹，将检测出的运动轨迹与预先设定的运动轨迹进行比较，若超出设定值范围，则发出警报，提醒工作人员查看情况，以免出现事故.
应用上述算法，可以实现对于目标的跟踪.当有人经过时实现实时自动跟踪检测，人员停留超过设定时间系统便自动发出警报，提醒工作人员有情况出现.在野外高压输电线路上，通过对目标运动轨迹的检测与跟踪，比较预先设计好的目标轨迹，超出设定值后系统报警，提醒工作人员，以便派出工作人员及时解决该问题.
3 结论
针对目前电力系统的现状，分析了智能视频技术在电力系统无人值守变电站、高压开关柜及野外高压输电线路的现有和可能的应用，并对相应的智能视频算法进行了分析和研究.
1）在电力系统中采用智能视频技术除通用的安防监测外，对刀闸状态、杆塔倾斜、线路悬垂及舞动等监测更具有实际工程意义，这是将电力系统的“遥视”升级为“智能遥视”的唯一途径.
2）背景差分法实现简单有效，但是由于电力系统工作环境比较复杂，如输电线路的敷冰检测，在具体应用时，结合背景检测、环境检测算法进行改进，能有效地实现准确的目标特征提取和状态辨识.
视频智能分析系统 篇7
随着安防监控系统的快速发展，新型智能视频分析技术也愈来愈成熟。智能视频分析系统是以图像处理技术为核心，除具有传统安防监控系统的所有功能以外，还具有对威胁目标检测、识别、跟踪及预警、以太网视频传输等功能，能实现复杂场景的24 h不间断监控并自动预警。
目前广泛使用的安防监控系统基于传统PC平台，成本高、体积大、操作复杂，使用范围受限。
本文以德州仪器公司(TI)DM642为核心，设计及实现了一款低成本的智能视频分析系统，该系统通过分析视频流，实现对威胁目标的检测、识别、跟踪和预警功能，并通过以太网实现视频的压缩传输。产品可广泛用于传统视频监控工程的建设中，提升安防监控系统智能化程度。
1 硬件组成
本文采用了美国TI公司的DM642处理器，该处理器的内核是主频600 MHz TMS320C64xDSP内核，能有效实现复杂的视频处理及分析算法。
智能视频分析系统硬件平台提供1路模拟视频输入、2路RS 232以及1路以太网口，可以外接标准CMOS摄像头和监控后端。该系统的硬件采用了模块化设计，由图像处理板、电源模块、视频IP模块组成，如图1所示。
图像处理板用于接收摄像机的模拟视频，对视频流进行分析处理，将处理后的模拟视频流传给视频服务器IP模块。
视频服务器IP模块接收经过分析处理的模拟视频流，输出编码压缩后的视频信息给监控后端。接收监控后端的参数设置及控制信息，并将参数设置信息传给图像处理板，并将控制信息传给外联的现场告警设备控制设备的启停。
2 软件架构及流程
智能视频分析系统软件主要包括视频处理模块、智能分析模块、决策模块、图像压缩模块等。系统软件工作流程如图2所示。所有算法的接口都符合TI公司的xDAIS标准。
视频处理模块包括数据采集、数据处理和预处理，如图3所示。CMOS摄像机的模拟视频信号经过图像处理板的A/D芯片采集后，编码输出标准的YUV数字化视频流，图像处理板对YUV数字化视频流进行视频预处理。
视频预处理模块的算法包括数据处理和预处理两部分内容。数据处理用于对采集到的视频流进行调整、压缩和存储，用于该视频流通过以太网传输。预处理主要包括摄像机标定，以及图像的滤波、增强与恢复等。图像处理板经A/D芯片捕获的原始码流，由于光照、噪声、抖动、镜头畸变等原因，图像的原始质量不高，所以需要对其进行预处理，提取需要的信息。
在使用摄像机设备之前需要对摄像机镜头参数进行标定，包括求取摄像机镜头的外部参数和内部参数。外部参数是指摄像机镜头相对于大地坐标系的位置和方向;内部参数为摄像机镜头的光学特征参数，这些参数包括镜头的焦距值、径向镜头畸变值、轴向镜头畸变值以及其他系统误差参数值。
智能分析模块主要是对预处理后图像中感兴趣的目标信息进行检测和测量，获得这些目标的客观信息。智能分析模块包括目标分割、目标定位、目标跟踪和特征提取等算法，如图4所示。
智能决策模块是利用智能分析模块的结果，通过研究图像中多个目标的性质和它们之间的联系，得出对图像内容含义的理解，包括对连续场景的解释，从而实现对威胁目标的识别、跟踪及预警。智能决策模块包括目标识别、行为理解、威胁估计和决策推理等算法，如图5所示。
3 结语
本设计在DM642平台上实现了智能视频分析系统，通过优化算法，能满足复杂场景的24 h不间断的高效监控的要求，具有误报警率低的优点，实现了低成本的标清智能视频分析，应用前景广阔。
参考文献
[1]刘歆浏,田瑞娟,陈阳,等.基于高速球的运动目标自适应PTZ跟踪研究[J].兵工自动化,2009,28(9):78-81.
[2]周建平,刘歆浏.基于DM3730平台的智能数字视频监控系统设计与实现[J].兵工自动化,2011,30(9):78-81.
[3]曾启明,廖江海,纪震.基于TI OMAP3平台的多参数监护仪设计与实现[J].电子产品世界,2011(4):28-29.
[4]张涛,车彦宁,李贺宁.基于DM6467的视频监控系统设计[J].电子产品世界,2013(20):66-67.
[5]陈红飞,宋升金,许永辉.基于DM642的视频音频监控系统设计[J].现代电子技术,2011,34(19):133-135.
视频智能分析系统 篇8
智能视频监控系统不仅能够接受视频数据, 还能够主动分析得到的视频信息, 利用计算机来替代人工进行数据分析判断, 实现不间断的实时智能监控, 预防了安防人员在枯燥的“盯屏幕”呆板的监控中疲劳工作, 节省了大量的财力、物力、人力。其还能够实现视频移动监控、运动目标的数量统计、人脸识别、移动目标追踪、车辆识别、交通警戒线等监控应用。
2 基于计算机智能视频监控系统的技术分析
在基于计算机智能视频监控系统中, 主要应用的有五种关键技术:视频压缩技术、数字视频传输技术、大容量高效率的视频数据存储和搜索技术、监控现场中的运动目标的检测和告警技术、监控现场中物体识别和跟踪技术。
(1) 数字视频压缩技术。在视频监控中, 未经过压缩的数字视频数据其存储量相当的大, 例如当传输速度为25帧/秒的CIF格式 (352*288, 4:2:2) 的图像数据信号, 那么其每秒钟的数据量为:352×288×8×2×25=4032000bit=38mb/s。因此, 在智能视频监控系统中, 既要进行数据存储还要进行检索, 还要进行数据上传和下载, 如果不进行数字视频压缩, 上述几项行为都不可能顺畅进行。
(2) 数字视频网络的传输技术。在数字视频网络传输中, 传输技术要解决视频监控在局域网和广域网网络环境下的诸多问题:视频编码数据包的高效可靠传输、定序数据包、低延迟或者无延迟的数据传输、音频、视频数据同步传输、低码率的数据传输、实时数据解码等。除上述的问题之外, 在用户较多的网络环境下, 必须要考虑缓解传输网络的压力, 在实际传输中应用QOS控制技术和IP组播技术, 保证高效的网络传输效率。视频数据信息的高效传输直接影响监控系统的质量, 因此, 要重视网络传输技术。
(3) 视频存储和检索技术。在智能视频监控系统中, 比较重要的功能之一就是存储大量的视频数据信息, 以便日后需要时调取查看, 这就需要系统中有一套完善的视频数据信息存储方案对视频数据进行高效可靠的保存。除此之外, 对于数据量相当庞大的视频数据信息, 通过手动检索是非常繁琐及工作量相当大的, 并不现实, 因此, 还需要配备必要的相关的检索、查询机制有计算机来完成这个流程并呈现给需求用户。
(4) 监控现场的运动检测技术。这种技术主要是应用在监控场景中的人或者物的各种异常行为的发生上, 这些异常行为一般都是由运动的形式表现出来, 运动检测技术就是采用计算机技术自动检测监控现场中运动的目标——人、物。其目的就是从上述序列视频图像中将运动目标的变化区域从背景场景中提取出来。变化区域中的有效分割对于后期处理如目标分类、跟踪及行为理解分析等有着至关重要的意义, 因为在后续的处理过程只考虑图像在变化区域中运动的像素。但是, 视频图像背景的图形是随时发生动态的变化, 例如天气、环境、光照、阴影以及其他的混乱干扰等的不同程度的影响, 导致运动变化监测成为了一项较为困难的工作。在目前的基于计算机智能视频监控系统实际应用中, 常用的几种方法有以下几种:背景减除、时间差分、EM算法扩展、光流、基于数学形态学的现场变化检测、能量运动检测等。当检测出现异常时, 智能监控系统就会实时产生可靠的报警信息, 提高智能监控系统的监控效率。
(5) 监控现场物体识别与跟踪技术。由于现代计算机技术的迅速发展, 智能视频监控系统主要的发展方向就是在传统的视频监控系统基础上装上带有计算机智能的自动影像捕捉、识别以及跟踪功能, 即对于监控现场中的人、物等发生变化的场景进行自动识别, 并且对特定对象加以锁定跟踪。近些年来, 智能视频监控系统方面的相关的各种技术得到了广泛的应用和深入的研究, 在这其中, 人脸识别技术以具有实用性强、识别效率高、准确度高等优势成为最有发展潜力和最有发展前景的监控技术。
运动目标的分类。将运动目标进行分类的目的是对运动目标所属的类别进行识别。在不同的智能视频监控场景中可能有着不同的运动变化区域, 对应着不同的运动目标, 例如, 公用电梯中的乘电梯的人群、交通道路上的监控摄像图像可能捕捉到的序列图像包括天空飞的鸟、风吹动的树枝、行走经过的行人、路过的车辆、商场、银行等场所的监控场景中的顾客及服务员等轨迹变化的物体、人物。对于运动目标的正确分类是非常必要的, 能够对行人、物体等进行跟踪和行为进一步分析。在目前的计算机智能视频监控系统中比较常用的目标分类方法主要有:基于形状数据的分类、基于运动特性的分类、时间共生矩阵井下的分层分类的方法等。
运动目标跟踪。视频监控场景中, 传统的运动目标跟踪是一个测量——状态分配——估值问题这样一个组合。目标跟踪即为在连续的视频监控图像帧间创建一个基于位移、速度、位置色彩等相关特性的对应问题。比较常用的计算机技术数学工具有卡尔曼滤波、动态贝叶斯网络等等。目前比较常用的跟踪方法主要由基于模型的跟踪、基于活动的轮廓的跟踪、基于特性的跟踪等。
行为理解和描述。行为理解和描述即为对物体的运动模式进行分析及识别, 并加以描述。将测试的序列以及预先标注好的典型行为参考序列做匹配。在进行匹配时常用的技术一般有:动态时间规整技术, 其概念简单、算法较简单;隐马尔可夫模型, 它是随机状态的机器, 其匹配数据技术更为成熟, 在学习能力以及处理没有分割的连续数据信息流的方面有着更好的优越性;神经网络, 目前比较常用的匹配时变数据的重要方法之一, 能够分析人的运动模式和轨迹, 利用径向基的函数网络来识别。
3 结语
本文介绍了智能视频监控系统中所应用的相关的关键技术:视频压缩技术、视频数据的传输技术、存储及检索技术、接受和播放技术、运动目标检测、识别、跟踪及告警技术、人脸识别技术等等, 在这些关键技术的基础上, 建立了一个完善的、功能强大的基于计算机的智能视频监控系统。对于未来的应用潜力也非常大, 但是也有许多问题可以更进一步的研发, 例如可以研发三维立体的视频图像等。
摘要：近些年来, 随着计算机技术、通信工程、图像处理、网络等技术的飞速发展, 视频监控系统也在不断的发展, 并且在社会生产、生活中扮演着越来越重要的角色。其已经广泛地应用于火情监控、交通监控、军事监控以及机场、车站、商场、地铁、银行等公共场所的安全监控等。视频监控的发展大致分为本地模拟监控系统、基于PC视频监控系统、基于嵌入式的视频服务器网络视频监控系统及本文提到的基于计算机技术的智能视频监控系统四个阶段。
关键词：计算机,智能视频监控,系统
参考文献
[1]王博, 葛卫丽.视频监控系统的智能化设计[J].人工智能及识别技术, 2011 (8)
[2]余腊生, 刘勇.基于网络的智能视频监控系统的设计与实现[J].计算机工程与设计——开发与应用, 2009 (30)
视频智能分析系统 篇9
1 智能分析技术在视频监控系统中应用的优势
在我国的传统视频监控中, 监控录像都是由工作人员进行查看与分析, 进而起到安全防护的作用, 但是这种传统视频监控系统也有很多不足, 由于是通过人员进行监控, 对监控的场景并不能进行及时的控制, 如果监控点过多, 就不能对每一个都进行及时的监控。除此以外, 工作人员不可能保证每天24小时都盯着监控器。除了这些弊端以外, 传统的视频监控系统也是有好的一面, 录像可以用做证据, 但是除了保存的时间有限, 查看监控录像的效率也是非常低的。如果在视频监控系统中加入智能分析技术, 这些问题就会轻松的解决了。[1]智能分析技术的工作原理是计算机的视觉分析方式, 没有人员对其操作的时候也是可以自行工作的, 把摄像头拍摄到的画面进行定位、识别以及跟踪, 然后对当前场景做出分析, 如果是异常的情况就会立刻做出反应。由此可以看出, 智能分析技术在视频监控系统中发挥的作用越来越大。
2 智能分析技术在视频监控系统中的发展现状
2.1 技术角度
智能分析技术把视频画面进行分割等来判断视频画面中的目标, 然后再通过各种各样的规则把事件进行划分。如此才可以做到根据判断出来的情况选择是否报警等。还有一种技术就是模式识别技术, 这种技术是通过建模对视频里的物体进行分析, 这种方法通常都会采用大量的样本对其训练, 提高对视频中的目标更准确的分析与判断, 这种技术应用在车辆检测、人脸检测等方面。
2.2 应用角度
我国近几年来, 智能分析技术的主要应用可以分为以下四类:
(1) 实时报警类
实时报警类是通过对技术对监控的画面做出分析与判断, 如果分析的情况满足报警要求的时候, 视频监控系统就会触发报警系统。而触发的报警系统也分为跨线报警、入侵报警以及聚众打架报警等。伴随着智能分析技术在视频监控系统中的深入, 还会出现行人上高速报警、司法行业的攀高报警等等。
(2) 数据统计类
数据统计类在视频监控系统中主要应用是进行监控画面的目标统计, 然后运用数据做成报表, 提高了工作的效率。这种类别的技术主要应用在路口、商场等视频监控系统中, 统计车流量、人流量等。
(3) 属性识别类
属性识别类的智能分析技术是对监控画面中的目标根据不同的属性自动识别, 进而可以快速识别画面中的事物, 在实际应用中, 如人脸识别、车牌、车标、颜色等进行识别, 加强安全防卫与调查统计。
(4) 图像处理类
图像处理类智能分析技术是把监控画面通过技术处理以后, 把不清楚模糊的画面运用科学的计算方法来对其进行处理, 实现清晰化的监控视频画面。在银行、医院等方面运用比较广泛, 通过把画面清晰度调高, 对监控场景进行更好的分析与判断。
3 智能分析技术在视频监控系统中的发展趋势
由于发展技术有限, 智能分析技术在视频监控系统中的应用中存在的最大问题就是准确率, 由此, 为了提高智能分析技术在视频监控系统中的发展, 首先就要提高准确率。
3.1 从源头增加可判断信息
伴随着双目摄像头的发明与推广, 智能分析技术可以帮助这种双目摄像头记录的大量信息进行分析与处理, 从而获取监控画面中的重要信息, 提高准确率, 从源头增加信息的可靠性。
3.2 自学习和自适应算法的研究和应用
在智能分析系统中, 要通过不断的学习与进步提高技术水平, 把复杂的环境通过自学习进行分析与判断, 忽视干扰因素, 对目标进行精准的查找。[2]进而实现视频监控系统的准确率。
3.3 视频数据深入挖掘应用迅速发展
伴随着视频监控系统的广泛应用, 记录的信息量也变大非常大, 那么, 怎样才能在视频监控系统中发挥智能分析技术, 是目前监控行业发展的难题。通过多种多样的计算方式, 把视频数据进行分析、标识以及检索等, 实现在大量的信息数据中简单快捷的找到目标信息, 减轻工作人员的压力, 提高工作效率。还可以帮助工作人员解决一些人力无法完成的问题等。[3]例如, 在视频监控录像中查找出一个穿什么颜色衣服、什么发型、以及开的车的车牌号等, 方便快捷, 还有实现根据一张图片搜索相关的图片信息。
4 智能分析技术在视频监控系统中的实际案例
某高速交警违章智能取证系统:近几年来, 视频监控系统在交通中也得到了广泛的运用, 而进行检测的时候只能进行全景检测, 如果在高速公路上出现违章事件的时候, 对违章车辆不能实施抓拍惩罚, 进而导致在高速公路上的发生的违章现象一直存在, 为车辆在高速公路上行驶带来了严重的威胁。为了解决这一现象不再发生, 某高速交警支队在所管辖的高速路段安装了智能分析技术的视频监控系统, 对违规车辆进行智能跟踪取证。这个系统是由事件检测服务器和智能跟踪技术构成, 通过对视频进行分析与判断, 一旦出现停车违章, 逆行等现象, 就会把数据上传至跟踪系统, 一直到可以看清车牌并记录下来, 这种系统的使用, 大大减少了高速上的违章现象发生。
5 结束语
综上所述, 通过对智能分析技术在视频监控系统中的应用, 找出其在监控领域的优势与发展前景, 既可以做到最基本的对监控的场景进行分析与判断, 还可以实现日常的复杂工作的解决, 通过提高智能分析技术在视频监控系统应用, 让视频监控系统得到更广泛的运通, 对维护社会的和谐也起到一定的作用。
参考文献
[1]张勤锋.论智能分析技术在视频监控系统中的集成应用[J].中国安防, 2014, No.9416:110-112.
[2]徐农.智能视频监控系统的分析与设计[D].北京邮电大学, 2012.
网络智能视频监控系统 篇10
关键词：智能,视频监控,网络,终端
智能网络视频监控系统不仅能实现监控功能, 还能实现监控范围网络化、存储容量扩容化、监控智能化等, 一旦选定目标, 系统即可进行目标实时自主跟踪, 通过摄像头和云台监控目标行为, 存储可靠信息。由于均值偏移算法 (Mean Shift) 是一种基于Bayes滤波的动态系统状态估计方法, 具有很好的抗遮挡性。故采用均值偏移算法, 实现智能网络视频监控系统的实时监控和目标实时跟踪功能。
硬件实现
网络视频监控系统适用于任何支持TCP/IP的10/100 Base-T以太网。系统实现的各种监控功能有:语音报警、抓图录像、轮巡监控、目标人物跟踪等。系统主要由网络视频前端监控设备 (Video Forward Supervise dev ice, VFSD) 、视频服务器 (Video server, VS) 和网络客户终端 (Network Guest Unit, NGT) 三部分组成。
硬件平台总体结构如图1所示。客户可以在不同的网络终端控制网络中的监控设备。在整个监控网络中, 每个监控设备拥有自己独立的IP地址。终端只需要访问监控设备的IP就可以调看相应视频并进行监控操作。单个终端独立控制单个监控设备可以使用点对点控制。监控网络就是由这些点对点控制模块组成的。
网络视频前端监控设备
系统目前多采用DS-8000系列作为前端监控设备, 采用球形或枪形高清晰网络摄像机, Linux嵌入式操作系统以及专用视频处理芯片, 支持多客户同时访问和全部的主流压缩格式 (如MJPEG、MPEG-1、MPEG-2、MPEG-4、H.264格式等) 。内置高速云台、监控摄像机。DS-8000通过LAN接入客户网络, 实现前端监控数据的数字化与网络传输。网络视频前端监控设备采用网络摄像机, 选择H.264格式, 720×576的最高分辨率, Full D1视频解析度。
视频服务器
视频服务器主要负责监控网络的数据信息管理和网络客户授权等。视频服务器是由一个或多个模拟视频输入口、图像数字处理器、压缩芯片和一个具有网络连接功能的视频数字处理器所构成。视频服务器将输入的模拟视频信号数字化处理后, 以数字信号的模式传送至网络上, 从而实现远程实时监控的目的。
视频服务器从核心功能上可以分为视频编码器和视频解码器两大类。视频编码器用于实现前端信号 (视频、音频及其它信号) 的数字化压缩和网络化。具体功能包括监控点模拟视音频信息和报警信息的接入、编码/压缩、传输以及外围设备 (如摄像机、云镜、矩阵等) 的控制。并将反回数据放置在约定的返回数据存储区相应单元内, 上述信息经视频编码器处理后通过IP网络上传至中心管理平台, 通过改变分频比改变接收的频点。再由中心管理平台分发至客户端、视频解码器以及录像存储设备。能够生产更高能效的产品也是整个行业的共同目标——为了可持续性、成本可控和客户满意。
网络客户终端
在整个监控系统中, 视频信息处理均集中在客户终端。客户在终端进行各种监控操作, 控制整个系统的运行。网络客户端是在视频远程监控中, 通过登录视频集中管理服务中心平台 (服务端) , 浏览前端视频图像、控制摄像机云台旋转、镜头调焦变倍、录像查询回放等远程终端显示控制系统。
系统软件设计
本软件结合JY2000P智能图像监控系统管理服务端软件, 联接视频服务器和不同现场监控设备, 可以在多种使用环境下灵活组建实用的网络视频监控系统。JY2000P智能图像监控系统Web客户端软件, 在IE浏览器窗口中实现了多画面预览、摄像机控制、实时录像、电子地图导航、报警处理、权限控制等功能。相比以往的单机版监控软件, 本系统主要有以下方面的改进:
(1) 统一集中管理系统数据, 保证数据完整性;
(2) 有利于进行有效的权限控制, 保证数据安全性;
(3) 真正实现瘦客户端, 降低运行主机性能要求, 节省系统资源;
(4) 分发部署灵活简单, 方便升级维护;
(5) 更强大的网络资源共享能力, 例如多客户机录像共享浏览;
(6) 模块清晰, 扩充性好, 例如可支持多种型号的视频服务器设备。
系统设计为可支持多种数据库, 支持大型数据库如:Oracle 9i、MS SQLServer 2000等。小型数据库如:My SQL、Interbase、Access等。根据现场实际使用情况可以灵活选择。
考虑到目前实际情况需要, 默认采用A cces s数据库, 用户一般无需安装任何数据库支持驱动。系统的总体设计框图如图2所示。
系统功能实现
视频图像预览
系统登录后默认为显示视频窗口。单击“视频图像”标签, 如果“视频预览区”当前显示的是电子地图, 电子地图上显示了安装摄像机的位置和坐标。选中某个摄像机, 可以切换到“视频窗口”状态, 同时打开或切换到该摄像机对应的视频窗口, 对该区域进行视频监控。
画面分割器
画面分割器基本功能有:单路视频输入切换;多路视频输入组合切换, 实现四画面、九画面、十六画面等多画面显示效果;实现画中画显示效果。在“摄像机列表”树视图中选中一个摄像机, 如果该摄像机确已启动关联了一个画面分割器设备, 那么就可以对该画面分割器进行控制了。单击“画面分割器”按钮, 弹出“画面分割器控制”界面, 如图3所示。
矩阵切换器
矩阵切换器是用于对多个型号视频矩阵进行设置, 包括:输入通道与输出通道设置、锁定/解锁当前通道、自动切换设定等。操作界面如图4所示。如果在服务端软件“基本设置”页面启用了视频矩阵设备, 那么该项功能有效。如果单击该按钮前, 未选中任何摄像机, 那么缺省选中首个现场首个摄像机节点。在“摄像机列表”树视图中选中一个摄像机, 如果该摄像机确已启动关联了一个视频矩阵设备, 那么就可以对该视频矩阵进行控制。
报警日志
报警日志主要提供对监控现场中报警器状态设置、报警事件记录及模拟量数据记录的管理。“报警器列表”树视图中列举所有监控现场中已添加的报警器, 包括布防状态、报警状态和报警器名称。报警器处于布防状态, 报警器关联的报警设备一旦发生报警, 报警器将立即处于报警状态, 同时触发报警联动。通常情况下, 报警器处于普通状态, 一旦对应的报警设备发生报警, 同时该报警器正处于布防状态, 那么该报警器将转为报警状态, 直到报警解除后, 报警器才会恢复为普通状态。
系统控制
系统控制区用于控制摄像机、多画面切换、录像、拍照等。所有可控摄像机都可以在打开窗口画面上按下鼠标右键进行控制, 也可选择右侧的按钮进行控制。具体有灯光开关、镜头变倍近变倍远、聚焦近聚焦远、雨刷开关、打开/关闭双向语音对讲、方向控制等功能。
结语
智能视频监控技术融合了光电图像视频处理、计算机视觉模式识别和人工智能, JY2000P智能图像监控系统比普通的视频监控系统具备更加强大的视频处理能力和智能因素, 为客户提供了更多高级的视频分析功能, 能减轻监控人员的劳动量, 提高了监控的效率和监控系统的准确度和联动性。在对智能化要求越来越高的市场推动下, 随着智能视频分析技术的不断成熟, 视频监控系统向着智能化的方向发展将是必然趋势。
参考文献
[1]石头, 张笑微, 周建雄.智能网络视频监控系统[J].兵工自动化, 2009, 28 (12) :71-73
[2]骆云志, 刘志红.视频监控技术发展综述[J].兵工自动化, 2009, 28 (1)
[3]余腊生, 刘勇.基于网络的智能视频监控系统的设计与实现[J].计算机工程与设计, 2009, 30 (16) :3879-3882
[4]杨红军.智能视频监控系统的设计研究[J].科技情报开发与经济, 2010, 20 (4)
智能视频分析技术的应用与未来 篇11
中国工程院院士、国家自然科学基金委副主任、北京大学教授 高文
对话嘉宾（排名不分先后）
中国科学院院士、中国工程院院士、国际欧亚科学院院士 李德仁
中国工程院院士、总参谋部第六十一研究所 李德毅
中国工程院院士 蔡鹤皋
北京航空航天大学教授、中国科协副主席 赵沁平
上海交通大学副校长 张文军
北京航空航天大学教授、863数字媒体技术专家组专家 李波
国家自然基金委信息学部常务副主任 秦玉文
清华大学计算机系副主任 胡事民
微软亚洲研究副院长、首席研究员 李世鹏
随着视频监控技术由军用向规模民用的转变，以及人们对视频监控在安全和服务管理领域应用需求的增加，逐渐促使视频监控从相对独立、封闭的市场向融合、大联网的智能高清化的变革。其中，在各地平安城市的驱动下，城市智能视觉监控、视频分析及视频辅助刑事侦察等安防技术和设备，已较为普遍地应用于城市安全管理和服务中。
在“十二五”期间，以“智慧城市”为代表的中国城市化进程的加快，网络高清智能化的视频监控非常火爆，在智能视频分析技术发展动力倍增的同时，各种问题也随之突显出来。
2013年3月24日，由物联网·智慧城市传媒协办的“智慧城市中的视频分析与评测”论坛中，来自国内各高校和研究机构的专家分别就各自研究的领域进行阐述，并与在场的专家、学者、在校大学生，就智能视频分析技术的人才培养、技术研究、产业发展等领域进行了互动讨论，《物联网·智慧城市》杂志对其进行整理报道。
主持人（高文）：在“智慧城市中的视频分析与评测”论坛探讨内容的背景下，邀请演讲嘉宾、台下的专家、学者及学子们一同进行互动讨论。
专业观众：视频分析实际上是计算机处理数据的一个软肋。计算机处理数据在文字系统中已经越来越成熟，但在视频系统，如图象处理，至今一直还处于表面。
从大家探讨的问题就可看出，一是数据量太大，二是有用的数据太少，这说明我们视频处理和图象处理，还处于处理数据阶段。在高文院士《智慧城市中的视频编码、分析与评测》的专题报告中，他们已经把背景和前景的内容分开，把背景作为知识巩固型进行使用，这是一个非常成功的例子。视频要处理成功，就要发挥知识的作用。如何发挥知识的作用，有两条路：中国科技大学信息学院院长李卫平教授提到了一条路，就是希望把人的图像和视频感觉提取，与计算机的感觉加以比较，这条路可能是理想的道路。但据我的经验要实现应用距离甚远，因为人脑对图形和视频的处理方式，与计算机看到的图形和图像的方式完全不一样。人脑是形象思维，形象是一个常识加语义的结构化分析，如果这两个比较，肯定有巨大的分歧，但这是一条可供长期研究的道路。
另外一个给我们启发的是计算机分析的方式，在大数据时代计算机把中文和英文，或者中文和德文之间互译，是因为建立了一个强大的词库。会议现场有很多研究视频的院士和专家，我认为视频的认知中间，能否建立一个视频的原料库，这样可以进行很好的分析。
我国现在这么多城市都装了大量的摄像头，借助本次会议第一次听到了一个信息，北京和重庆都装了50万个摄像头，这么多摄像头仅仅用于安全就太可惜。虽然在识别车牌和识别人等方面有非常重要的作用，但是我们一个城市一两千万人口，就安装了50万个摄像头，我们是否可以把它用来处理其它的内容，进行更加丰富的处理？
如北京市究竟一天有多少人在街道上活动，多少汽车是从哪里开到哪里，有多少汽车是开了多长的路，沿着什么道路前进……如果没有这些数据，很多研究都是不清楚、不科学的。目前，北京的城市规划研究的就是以上的问题，如道路设计方面就不仅北京，而且全国城市的道路都存在巨大的问题。如果能把这些摄像头用于城市规划，那么智能城市建设的基础建设就会更扎实、更有用，城市化也就能够做到更好。
中国工程院院士、哈尔滨工业大学教授蔡鹤皋：请问李德毅院士，智能驾驶可以解决我们操作的安全和驾驶的安全性。但现在城市的交通面临的最大问题就是堵车，要减少堵车的严重情况，您有何建议？
李德毅：智能驾驶不能从根本上解决交通拥堵问题。假如驾驶员都是智能的，也并不见得城市交通就不拥堵。智能驾驶并不能从根本上解决城市交通拥堵问题，这是目前的基本认知。
此次会议的主题是“智慧城市中的视频分析与评测”，其中“评测”两字很刺眼，一个视频如何评测？其实这是对图像的认知，在国家自然科学基金委员会重大研究计划里叫视听觉信息的认知计算。其中，听觉很重要，在此次会议之前也请相关专家召开了一个“智慧城市中的音频分析与评测”的会议，但与本次视频分析与评测的会议的形式不太一样。
目前，安徽科大讯飞信息科技股份有限公司研发了一个非常特殊的音频处理软件，把短信变成声音，把声音变成短信，让我们减轻了很大的劳动力。然而它的音频分析、评测比视频的分析、评测好在哪里，有没有相关性？音频是一维的流数据，视频本质上是二维的流数据。现在从像素图一层一层弄上去，有没有值得质疑的地方？稍微大胆的猜想，如在驾车时，跟随前车一段时间，通过对前车驾驶员的灯语和笛语的认知，可大概知道该驾驶员的技术，是菜鸟还是飙车手。灯语和笛语真的人如其人，开车时有人爱用喇叭，也有人不用喇叭，把视音频结合起来将对我们判断会更有效。作为一个外行，把视音频的评测与分析进行结合是一个值得研究的命题，扩展思路把这些结合起来考虑。
中国工程院院士、哈尔滨工业大学教授蔡鹤皋：请问高文院士，在视觉信息处理上能不能从视觉仿生学方面得到一些提示和借鉴？如在信息处理上，人看到物体、发现目标或注视目标时，我们的视觉会将目标的背景进行忽略和模糊。人的眼睛具有这样的特性，那从仿生学角度，是否可借鉴生物视觉上的优越性，指导和改进我们的视频技术？
主持人（高文）：实际上人的视觉系统，确实有一些功能是可以在计算机的视觉系统里去采用的，现在已经有人在做尝试和探索。其实有很多线索可以用，至少有两个比较成功的线索目前已经在使用。一是注意力的问题，人的眼睛看东西时，眼睛会不停跳动，如果盯着一个东西死看，眼珠不跳动，实际上什么也看不清，也就是说目标信息往脑子刷新的路已经被阻断了。因此为了防止阻断，人的眼睛必须不停地动，从这个眼动可知道眼睛所注视的目标和中心，而且通常注意中心传导到大脑的清晰度或是详细程度是比较详细的。而在眼离开注意的中心的区域，通常都是比较模糊的。这实际上和现在的计算机视觉不同，计算机视觉都是一样的，不管你是中心、注意点，还是边缘，完全是一样的，这肯定是不应该这样的，所以现在已经有人在做参考人的眼动原理，探索这种基于注意的一些算法。
另一个是稀疏，就是计算机现在处理，尽管我们也在说稀疏，实际上它不是稀疏的，它还是穷绝的，把所有的情况都考虑进去了。但是人眼看东西，我们是经过从小开始训练、学习，等到成人的时候，视神经网络已经变得对某些东西传导起来比较有效，其它的没有用的东西，它已经不进行传导了，但是计算机是所有东西都从最底层递进上推的，所以现在也有人在做稀疏计算，这个也发现是很有效的。通过一些数学的矩阵处理，就可以使得用比较小的信息量得到比较好的结果，这也是一个参考点。当然还有其它的一些研究。现在可能随着脑科学和对视觉认知的理解，以后借鉴的东西将会越来越多。
北京大学信息工程学院人机交互实验室的博士研究生：请问李德毅老师，如何从很多的方法中提炼出自己的思路，创造出属于自己的方法，而不是单单的在已有的方法上进行稍稍的改进，或者是将已有的方法相互结合起来？
李德毅：我的几个博士学生在做图象分析、图象处理，以及提取目标视频分类的工作中，他们做了很多，当然总是要学习一些基本的知识，如做影像融合。一个学生把小目标拿出来，利用黑白可见光的几何可见度，最后进行测算，这在国际上也得到了认可。这些都是小的创新。当然我们也希望有大概念性的创新，或是推翻性的，那样的就比较少。只要你认真做学问，认真尊重客观事物发展的规律，还是会有一些创新。
当然有些也需要有机会。我曾经跟我的老师们说，要把研究生带到学科前沿去冲锋，不要太保守，或认为年轻人不如我们。如果一个老师要培养好研究生，就要敢于把年轻人拿到科研最前沿去。例如我们过去总把吃下来的骨头让给年轻人啃，看看还有没有什么油水，那年轻人就吃亏了，如果一个新的项目出来，让年轻人先上，那就会有大的突破。老师要敢于把年轻人送到前线去。我们现在有这样一些新概念出现，让学生去做，他就可能会取得大成绩，老师培养学生要给学生机会，让学生争取更好的机会，去做创新性的研究。
北京大学信息工程学院的人机交互实验室的博士研究生：在视频监控当中我们可以提取基于单独帧的静态特征和基于序列带的动态的特征，但是在很多的文献中，动态特征并没有发挥出明显的优势。让人迷惑的是，静态特征还是占据了大部分的应用，请问高文老师怎么看待动态特征和静态特征。
主持人（高文）：针对视频图像序列可以提出一些静态特征，也可提出一些动态特征，按说应该动态特征更重要，但发现常常是静态特征更好用，怎么看待这个问题，或者是静态特征、动态特征怎么组合，李世鹏老师回答更合适。
李世鹏：大家之所以觉得静态的信息好用，是因为一开始在这方面的研究最多。实际上动态特征最重要的就是运动信息，但很少被充分利用。今天的会议实际上是在前面几位专家和院士的讲座中提到的，就是怎么用运动性去提取。
其次，还与要解决什么样的问题很有关系。如要做运动物体的检测项目。正如李波老师所讲，运动流的信息很重要。当然这还与具体项目的目的有关，如做人脸检测，使用二维的人脸图像就能满足使用；但如果要做人的一些形态追踪，比如说我们有些时候，可能这个人蒙着面，穿着很大众的衣服，这时要知道这个人跟下面一个摄像头里的人是不是同一个人，就得借助形态追踪。虽然人物没有其它明显的特征，但是从人运动的体态上，可能会提取到他的一些特有的特征，这个运动的信息就非常重要。因为有了这个信息，才可以做更多的工作。
清华大学深圳研究生院计算机应用技术实验室负责人袁春：请问胡事民老师，对视频分析与评测的静态特征有何看法？
胡事民：其实对不同的问题来讲，有些问题可能静态特征就能够满足需求，有些时候可能有些问题必须用动态特征，如要捕捉人脸的表情，或者更细微的东西。所以针对不同的问题，有不同的解决方法。针对今天的论坛，我觉得智慧城市有广阔空间，但是要把智慧城市这件事情做好的话，很重要的就是要深入应用，一定要深入地了解实际应用的本质。最近参与国家重点基础研究发展计划（973计划），他们提出一个认知模型叫PMJ模型，把这个认知看成有感知、记忆、判断的三个环节。我们要做好智慧城市，需要多学科交叉。这几年一直在提一个概念，叫可视媒体，为什么说这个概念呢？李德毅院士提到要音频结合，我认为除了大学科交叉以外，在学科内部，如图形方面怎么找到共同的东西，把我们的事情解决得更好，也是值得大家积极研究和探索的。
学生：视频分析的前提是你的视频信息能否得到，在城市里，从政府的角度或从管理的角度，个人、居民的角度来讲，对视频分析的目的和得到的结果是有不同的看法。如从政府的角度来讲，它希望掌握所有的城市里的信息，但从一个老百姓来讲，他不希望自己有些信息在不知情的情况下被别人获取。视频分析与评测在智慧城市的建设中，怎么样保证它对政府、对个人是安全的？其次，如今城市中布置了大量的摄像头，有人会采取烟雾伪装等手段进行犯罪活动，这样问题在应用中该怎么解决？
李波：刚才你所说的欺骗、伪装等方面，有的时候连人处理这个信息都是很困难的，要靠技术本身也不一定能解决。实际上视频是一个辅助的手段，技术都是为人的工作服务的，所以有些东西即使在某一段视频没有，但是在一个大范围内与其它的信息资料和数据结合起来进行推断，就能查找到目标对象。
张文军：一个关于隐私性的问题。隐私性在社会服务里面是永远存在的，这里面有两条线，一条线是信息技术本身，他有很多手段去更好地掩盖这个隐私信息，也可以做到暴露隐私性，根据需要也可以做到，这个隐私性更多的是立法的问题，这个总归是要结合在一起考虑的，总的判断是不会对技术的推动形成很大的制约性。但是会牵扯到真实的技术的最后应用，会有一定的影响。
学生：如今都在提智慧城市，但城市中的空气污染情况比较厉害，摄像头获取的图片都是很模糊的，智慧城市怎么处理这些压力？目前每个城市有这么多的摄像头，对这些摄像头的信息进行网络传输和处理是需要很大计算量的，您觉得是分布式的计算方式好，还是用一个超大规模的计算比较好？因为超大规模的计算会节省比较多的能源，但是它的网络传输会有问题，所以这两个之间如何做一个选择？
赵沁平：对于这个视频摄像头看不清楚的问题，在天气恶劣的条件下，都会有这种情况。北京航空航天大学李波教授在《基于状态感知的视频目标检测与跟踪》主题演讲里，很好地诠释了在特殊环境下，基于场景区域感知的运动目标检测算法，对图像进行清晰化处理。当然还有其它的一些非技术的因素，需要多方面的解决。
而关于分布计算与集中计算，目前集中计算也是多CPU的，由一个企业的数据中心或机房来提供计算资源；过去的网格计算即分布式计算，就有点协助计算的意思，把闲置的计算能力应用起来。到底是集中计算好，还是分布计算好，这可与实际应用中的问题有关。如气象计算，它可能就是集中计算好。而我们的虚拟建设的图象处理，它就是用GPU的集群系统比较好，可能有些计算对时间的要求不太一样，他就用一些分布式计算比较好。
李德仁：我的观点就是，你要算它的成本和代价，比如说我做遥感的，那个数据量很大，我可能就分布式计算，我用网络把它传过去，它的结果再传过来，环节太多，不划算。如果我传送信息，我传一个很小的小包进去，大量的信息在那里，进行大量的计算，再传回来，这就用集中式的计算。这是一个需要考虑的方面。最后我再说一点，数字地球、智慧城市有一个要求，就是关于通信的问题，这个网络太重要了。我们的通信网要做到又快又好，价钱又便宜。在用户不均衡，爆炸式的情况下，有限的资源能不能保证通信的质量好、效率高，价钱又便宜。用得好，用得起这个网，是我们数字城市、智慧城市的基础，也是我们视频图象处理的基础，如果那个没有做好，咱们都做不好，所以这一点，我觉得同学们也要注意这个问题。这需要多个相关的部门、行业系统攻关，才能解决问题。
主持人（高文）：请问秦玉文主任您觉得通过各类比赛促进技术研究，在国内是否可行？
秦玉文：中国工程院、北京大学深圳就研究生院以及香港大学在组织“智慧城市中的视频分析与评测”论坛之前，应该也有所考虑。要组织全国性的智能视频分析技术评测与竞赛，必须要有一个裁判组，裁判组首先就要征集大家的意见和智慧，企业和研究机构要参加，就得提出相关的标准。
就拿举办无人驾驶的比赛来说，每一项评估标准都要进行细分。在我们第二次测试中是定点停车，那里有一个停车位，你把车停进去了，不压线就得满分，压了线就不过关。学生说在实验室成天停，没有问题，百分之百停准。但是到了比赛时，车就找不着位置。因为测试的环境变了，和实验室有所不同。无人驾驶车比赛专门有一个裁判组，有裁判车，大家共同商量，制定出标准，这样制订的标准大家才能信服，如果说单独一两个人制定的标准，最后大家都不一定信服。
现代智能网络视频监控系统 篇12
现代智能网络视频监控系统(IVS)不再局限于视频信号的采集、传输、控制与显示,其核心应用转变为“基于IP网络为多媒体信息建立一个综合的管理控制平台”,以网络为依托,以视频编码压缩/传输为基础,以视频内容分析为亮点,构建一个智能化、网络化的综合视频系统,其应用已远远超过了传统的“安全防范于视频监控”的范畴,变成了多元化的系统。
1 现代智能网络视频监控系统的发展前景
现代智能网络视频监控技术在近几年得到广泛的应用和发展。它采用完全分布式架构,系统架设在网络上,不受地域空间限制,利用智能管理软件实现视频资源的管理、整合、配置、传输、调用、存储、报警、集成等。
未来的视频监控系统应用会更加民用化、智能化,视频图像更加高清化,系统的架构方式将会如同民用“互联网接入”的方式,由专门的运营公司提供设备和服务,而用户仅需提供“月租金”,从而实现家庭远程视频监控。
2 智能网络视频监控系统设计方案
2.1 系统结构
2.1.1 硬件部分
智能网络视频监控系统由前端设备、信号传输和综合机房组成,其结构如图1所示。
(1)前端设备包括监控摄像机,实现前端信号信息的采集。本方案采用海康威视高清网络智能球机DS-2DM1-6XY系列。
(2)信号传输用于实现信号远程分散变近程集中,监控系统的图像质量和使用效果与它息息相关,所以设计时必须考虑合适的信号传输方式。为此,本方案采用双绞线传输,不仅减少了成本,而且便于监控点的扩展。
(3)综合机房实现对监控系统的统一管理与控制,并负责视频图像的存储记录。监控客户端通过监控系统客户软件实现对监控系统的访问、控制和管理。
2.1.2 软件部分
智能网络视频监控系统采用网络视频监控软件4000(V2.0),通过TCP/IP协议给各区域视频通道设置固定的IP地址,完成远程监控系统的通信。
2.2 系统功能
智能网络视频监控系统具有如下功能:
(1)预警功能。通过视频监控第一时间发现事故点,并根据应急预案迅速反应,尽量减小事故损失;同时,系统应24小时可靠工作。
(2)监视功能。通过高品质摄像机获得监视范围内清晰的视频图像,满足企业不同区域的监控要求,实现24小时监控。
(3)硬盘录像功能。前端设备的视频信号接入嵌入式数字硬盘录像机以存储数据。录像保存时间达到25天以上,以供调查取证。
(4)联网服务功能。通过嵌入式数字录像机提供TCP/IP强大的视频服务功能,便于监控系统联网。
(5)管理功能。管理人员或授权访问人员能通过访问监控系统实时预览监控画面、回放历史监控图像、下载监控资料等。
(6)预留扩展功能。预留扩展接口,以满足今后增加监控点的需要。
2.3 系统设计要求
为加强企业的安防工作,必须加强视频监控系统的建设。因此,智能网络视频监控系统应满足如下要求:
(1)能实时视频监控企业的主要出入口、周界、道路,重要部门等区域,及时发现隐患,有效预防各类案件的发生。出现安全事故时,应在第一时间通知相关人员,并对各监控点进行全程录像,从而为日后的事件取证提供有力依据。
(2)工程建设应符合国家法规和现行工程建设标准及有关技术标准、规范和规定的要求。
(3)使用的产品和设备应符合国家法规和现行相关技术标准,并经法定机构检验、认证合格或生产登记标准。
(4)应选用稳定可靠、成熟先进和优化集成的技术和设备。
2.4 监控点的选择
根据车间岗位的实际要求,设置监控点具体位置。将各车间划分为不同区域,在每个车间区域内部集中供电,按照其位置使用交换机分配IP地址后,再通过交换机连接各车间主线,这样一根屏蔽双绞线就可连接各车间所有的摄像机。只要分配地址数不超过256个就可以使用TCP/IP协议进行网络化管理。
3 结束语
尽管现在高清网络摄像球机成本高,但这种现代智能网络视频监控系统实现了网络式的管理、远程化的控制,而且从根本上解决了干扰问题;同时交换机的使用为以后监控点的扩展提供了方便;日常维护也很简单实用。
摘要：从硬件和软件两方面,介绍了现代智能网络视频监控系统的设计方案。该方案在降低成本的同时能减少甚至避免干扰的发生。
关键词：视频监控系统,前端设备,监控点,智能网络
参考文献
【视频智能分析系统】推荐阅读：
智能视频分析技术08-24
智能视频分析概观论文07-04
网络智能视频监控系统06-22
智能高清视频监控系统09-11
智能视频门禁管理系统07-29
智能视频技术09-16
智能视频监控多特征论文08-20
智能分析系统07-07
大型港口视频监控系统设计与应用分析07-29
智能诊断分析系统07-20