智能视频分析技术及市场介绍

智能视频技术及市场介绍

一、智能视频的概念

智能视频（IV，IntelligentVideo）源自计算机视觉（CV，ComputerVision）技术。计算机视觉技术是人工智能（AI，ArtificialIntelligent）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，从而使计算能够通过数字图像处理和分析来理解视频画面中的内容。而智能视频技术主要指的是：“自动的分析和抽取视频源中的关键信息。”如果把摄像机看作人的眼睛，而智能视频系统或设备则可以看作人的大脑。智能视频技术借助计算机强大的数据处理功能，对视频画面中的海量数据进行高速分析，过滤掉用户不关心的信息，仅仅为使用者提供有用的关键信息。

智能视频监控以数字化、网络化视频监控为基础，但又有别于一般的网络化视频监控，它是一种更高端的视频监控应用。智能视频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，从而能够更加有效地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。

二、智能视频的应用领域

智能视频的应用大体上可以分为安全相关应用和非安全相关应用两大类。安全类相关的应用是目前市场上存在的主要智能视频应用，市场上对于此类应用的需求不断增长。这些应用主要作用是协助政府或其他机构的安全部门提高室外大地域公共环境的安全防护。此类应用主要包括：高级视频移动侦测（AdvancedVMD）、物体追踪（MotionTracking）、人物面部识别（FacialDetection）、车辆识别（Vehicle Identification）和非法滞留（Object Persistence）等。

除了安全相关类应用之外，智能视频还可以应用到一些非安全相关类的应用当中。这些应用主要面向零售、服务等行业，可以被看作管理和服务的辅助工具，用以提高服务水平和营业额。此类应用主要包括：人数统计（PeopleCounting）、人群控制（FlowControl）、注意力控制（AttentionControl）和交通流量控制（Traffic Flow）等。

2.1 目前的视频监控系统存在的问题

图2-1：视频监控系统现状

●人类自身的弱点

在很多情况下，人类并非一个可以完全信赖的观察者，无论是在观看实时的视频流还是在观看录像回放的时候，由于自身生理上的弱点，我们经常无法察觉安全威胁，从而导致漏报（False Negatives）现象的发生。

●监控时间

目前的视频监控系统无法按照1:1的比例为监控摄像机配置监视器。这意味着各个监控点并非每时每刻都处于监控当中。同时由于技术和环境的限制，无法通过增加监视器的数量和人力实现1:1的监视。

●误报和漏报

误报（False-Positive）和漏报（False-Negative）是视频监视系统中最常见的两大问题。漏报指的是在监控点发生安全威胁时，该威胁没有被监控系统或安全人员发现。误报指的是位于监控点的安全活动被误认为是安全威胁，从而产生错误的报警。

●数据分析困难

报警发生后对录像数据进行分析通常是安全人员必须要做的工作之一，而误报和漏报现象则进一步加剧了对数据分析的需求。安全人员经常被要求找出与报警事件相关的录像资料，找到肇事者、确定事故责任或评估该事件的安全威胁。

由于目前的视频监控系统缺乏智能因素，录像数据无法被有效的分类存储，最多只能打上时间标签，因此数据分析工作变得及其耗时，并且很难获得全部的相关信息，而经常发生的误报现象使无用数据进一步增加，从给数据分析工作带来更大的难度。

●响应时间长

对于安全威胁的响应速度关系到一个安全系统的整体性能。目前的视频监控系统都由安全工作人员对安全威胁作出响应和处理，这对于处理一般性的、实时响应要求较低的安全威胁来说已经足够。

但是很多情况下，在威胁发生时，需要安全系统的多个功能部分，甚至多个安全相关的部门在最短的时间内协调配合，共同处理危机。这时候，监控系统的响应速度将直接关系到人身或财产的损失情况。

2.2 智能视频监控的主要优势

●24×7全天候可靠监控

智能视频监控系统彻底改变了以往完全由安全工作人员对监控画面进行监视和分析的模式，它通过嵌入在前端设备（网络摄像机或视频服务器）中的智能视频模块对所监控的画面进行分析，并采用智能算法与用户定义的安全模型进行对比，一旦发现安全威胁立刻向监控中心报警。

●提高报警精确度

智能视频监控系统能够有效提高报警精确度，大大降低误报和漏报现象的发生。智能视频监控系统的前端设备（网络摄像机和视频服务器）集成了强大的图像处理能力，并运行高级智能算法，使用户可以更加精确地定义安全威胁的特征。

例如：用户可以定义一道虚拟警戒线，并规定只有跨越该警戒线（进入或走出）才产生报警，从警戒线旁边经过则不产生报警。如图所示，用户定义只有穿越房门的活动才产生报警，而经过房门的活动不产生报警。

提高响应速度

智能视频系统拥有比普通网络视频监控系统更加强大的智能特性，它能够识别可疑活动（例如有人在公共场所遗留了可疑物体，或者有人在敏感区域停留的时间过长），因此在安全威胁发生之前就能够提示安全人员关注相关监控画面，使安全部门由足够的时间为潜在的威胁做好准备工作。

三、智能视频的技术概况

一般来说，智能视频技术按技术复杂性分为两个大阶段：“视频检测”阶段和“视频识别”阶段。视频检测又分为三个小阶段：第一阶段是从视频图像中将运动物体提取出来，第二阶段是运用模式识别技术对运动物体进行分类，第三阶段是运用目标跟踪技术获得运动物体的运动轨迹。视频识别是智能视频技术的最高阶段—如身份识和行为识别等。

目前的智能视频技术正处于“视频检测”的成熟阶段并向“视频识别”阶段进行拓展。

3.1 智能视频技术的发展历程

智能视频技术研究历史可追溯至上世纪60、70年代基于图像的模式识别。最早的方法比较直观和简单，研究主要集中于简单几何特征的提取，由于这些特征点的检测极不稳定，且提取的信息量有限，因而无法使智能视频技术取得突破性的发展。从80 年代开始，人们开始利用图像的灰度信息或基于图像的底层特征（例如DCT、小波等）进行图像识别，并涌现了许多应用神经网络进行人脸识别的算法。

目前有不少国内研究机构正在进行积极的智能视频技术研究。例如中科院自动化所生物识别与安全技术研究中心、中科院计算所和清华大学。此外，微软亚洲研究院-视觉计算组也在进行这方面的研究。但是国内研究基本上是在学术上作的工作多一些，将学术成果推广到产品中，相对来说是很薄弱的。

除了目标的特征识别以外，在CV（即计算视觉Computer Vision领域）中，行为分析也尤为重要。1997年美国国防高级研究项目署（Defense Advanced Research