海军驻杭州地区军事代表室　赵锦园

中国电子科技集团公司第五十二研究所 杭 飞 陈 仕

浅谈智能视频监控技术

海军驻杭州地区军事代表室赵锦园

中国电子科技集团公司第五十二研究所 杭 飞 陈 仕

如今电子信息技术发展越来越快，所以传统的人工视频监视已经不能够满足公共安全的需要了，而为了适应科技的进步，就发展起来了智能监控技术。智能监控技术与传统的监控技术相比内容比较广泛。而且所设计领域也比较广泛。本文主要分析的是智能视频技术的发展情况，不仅分析了现在的智能视频技术的发展状况，而且还对一些典型的算法的优缺点进行了分析，除此之外还讨论了视频监控技术在物联网背景下的发展情况。

智能视频监控；物联网；公共安全

一、智能视频监控技术的发展史

1.模拟化的视频监控技术

从20世纪70年代开始， 光学成像技术就不断发展，这也带动了电子信息技术的发展。在这样的背景下，智能视频监控技术使用的可能性不断增大，电子监控系统随之出现，世界范围内开始使用电子设备进行视频监控。最早的模拟视频监控系统主要以CCTV监控为主。CCTV的工作原理并不是非常复杂，在进行信息传输的时候使用的是同轴电缆，在模拟监视器上面可以显示出信息的具体内容，若是要对信息进行存储需要借助于磁带录像机。模拟视频监控技术应用范围比较广泛，因为它价格比较低，而且安装起来也非常方便。

2.数字化的视频监控技术

进入到20世纪90年代之后，原来的模拟化视频监控技术逐渐显露出了自己的某些缺陷，相比较模拟视频监控技术而言，数字压缩编码技术和芯片技术储存量比较大，而且她的监控范围也比较广泛。在最开始的时候是半数字时代，使用的是NVR，之后进入到真正的数字化视频监控，就开始使用DVR进行监控。使用DVR进行监控储存视频信息比较多，摄像头的数量也很多，也正是因为如此提高了他的视频监控储存量。使用数字化视频监控技术维护起来非常简单方便，而且此技术应用范围也比较广泛。智能化的视频监控技术的发展，也从数字化视频监控技术中得到了一些启发。

二、智能视频监控技术的核心算法

智能化视频监控系统具有很多的优点，其中最特殊的一点就是此系统运行是全自动化的，24小时之内都可以随时对监控画面进行分析，若是发生紧急情况能够进行及时报警。除了对异常情况进行识别之外，对安保人员还有一定的提醒作用。目前智能化视频监控技术已经得到了广泛的应用，各界人士都认同此项技术。本文对智能视频监控技术核心算法的分析主要涉及到三个层面，分别是底层、中层和高层。

1.目标检测算法

目标检测算法在对视频图像进行采集的时候主要集中在底层，及时获取终端上的图像序列，检测系统当中遇到的异常情况，同时对所定的目标进行跟踪监控，主要目的是为了做好分析处理工作，在这个过程中需要注意的是要准确的定位好目标的位置以及确定好储存量。

目标检测可以划分为基于目标建模的目标检测和基于背景建模的目标检测，这是根据处理对象的不同来进行划分的。基于目标建模的目标检测能够分析的视频图像非常广泛，既包括固定摄像机记录的视频图像，也包括静态图像和移动摄像机记录的视频图像。尽管应用范围广泛，但是这种检测实时性达不到要求，而且漏检程度非常高。基于背景建模的目标检测实时性非常强，但是这种检测方法应用范围比较小，只能用于背景不变的运动目标的检测。

2.目标跟踪算法

目标跟踪算法的跟踪目标主要在底层阶段，再对目标进行跟踪的时候需要确定好目标的具体轨迹，其中最重要的一点是要处理好计算机视觉问题。目标跟踪算法可以分为单一场景目标跟踪和综合场景目标跟踪，这主要是根据应用场景的差别来进行划分的。其中单一场景目标跟踪又可以分为跟踪单个目标和多个目标，而综合场景目标跟踪也可以分化为重叠场景目标跟踪以及非重叠场景目标跟踪。首先来说当个场景目标跟踪，相连续的空间里的一个目标相似度非常高。但是，重叠场景中的目标跟踪就不一样了，因为目标在每一个场景中的相似程度都非常低，目标可以在场所之间进行变化， 所以就需要在目标进入到一个新场所之后及时确定目标的具体位置。至于飞虫的场景目标跟踪，不同的场景之间都存在着一定的盲区，所以会对目标的观测数据信息造成影响。

3.目标的分类识别算法

目标的分类识别算法尽管是在中层阶段，但是此算法的离不开底层上的信息支持，通过底层上的信息基础可以对其进行准确识别，同时做好准确定位目标。其实也就是说对图像当中存在的，具体的物体的类别进行准确的识别，这样做的目的是对目标有一个清楚的认识。

最近十几年来词袋模型和深度学习模型的应用越来越广泛，磁带模型算法需要进行特征编码以及特征汇聚，主要做法是先将特征相同的信息提取出来，然后对这些信息进行聚类编码，最后就需要借助于分类器做分类工作。深度学习模型算法通过对人脑神经元处理结构进行模拟，从而记录由底层到中层再到高层的目标。

4.行为分析算法

行为分析算法主要是在高层具体的分析目标的运动情况。纤维分析算法又可以分为静态姿态识别、运动行为识别和复杂事件分析方法三种。第一种静态姿态识别的研究对象是静态图像，可以根据时空特征对图像进行准确识别。使用第二种算法对目标行为进行分析的时候，需要借助于统计模型和句法模型。第三种算法主要是对目标的交互行为和群体行为进行分析。

三、物联网时代下的智能视频监控的挑战及发展方向

1.跨场景挑战

现在世界范围内的摄像头数量有了进一步的增长，所以带动了视频监控技术的出现。全球范围内各场景分布都比较广泛，未来智能视频监控技术需要将场景设备建立成一个完整的系统体系。

2.跨空间挑战

从视频监控技术出现应用到现在监控数据也不再是原来比较单一的形式，而是变得越来越复杂，这使得数据处理工作也变得越来越困难，所以未来智能视频监控技术应该主要考虑如何及时的获取有效信息，实现大数据和小数据之间的转换。

3.发展方向

现在物联网时代的到来，对智能识别监控技术来说既是机遇又是挑战。通过分析得出，将来视频监控技术将会朝着高校视觉网，主动视觉网，协同视觉网三个方向进行发展。

四、总结

由上文的分析可以知道，视频监控技术还有很大的发展空间，智能视频监控技术的核心算法也是在起步的阶段，所以在以后的发展过程中需要进行不断研究，进行技术创新。而且物联网时代的到来既给智能视频监控技术带来了一定的发展机遇，又对它的发展造成了一个巨大的挑战，未来视频监控技术一定会有所进步，技术创新方面也会有一定的提升，从而适应时代的发展。

［1］韩国强.浅谈智能视频监控技术及其主要应用［J］.计算机与网络，2014，02：62-65.

［2］孙俊迪.浅谈智能视频监控技术在各领域的应用［J］.电子世界，2012，05：21-22+25.

［3］劳晓波，丁晔.浅谈智能视频监控技术的发展前景［J］.数字技术与应用，2010，07：156.

［4］陈宁.融合RFID的智能视频监控技术研究［D］.杭州电子科技大学，2012.

［5］李雅婧.智能视频监控运动目标的检测与跟踪技术研究［D］.长春工业大学，2014.

［6］张咏.移动智能视频监控系统关键技术的研究与系统实现［D］.海南大学，2012.