智能视频技术的环境适应性分析 - 安防知识网

近年来，视频监控技术越来越多地应用在安防领域，随着监控数据量的不断增长，监控人员需要花掉大量的时间对数据进行人工过滤，从中选择有用的视频信息，而繁重、重复的工作常常使他们力不从心。监控人员迫切需要有一种工作起来更轻松，更易于操作和管理的产品来替代原有系统。于是，智能视频技术应运而生，进入人们的生活。

智能视频技术（IVT Intelligent Video Technology）属于计算机视觉（CV Computer Vision）与人工智能（AI Artificial Intelligence）领域研究的一个分支，融合了图像处理技术、计算机视觉技术、计算机图形学、人工智能及图形分析等多项技术，其发展目标在于监视场景与事件描述之间建立一种映射关系。

传统的视频分析技术大都是移动侦测，移动侦测技术仅判断某个区域是否发生了变化，变化超过一定的阀值就报警，因此它所表达的结果并非是理想化的，存在很大的局限性，有着许多难以突破的地方。而智能视频技术则是一种上升到“识别及分类”层级的技术，回答的是“检测到的是什么？”的问题，具有检测精度高、虚警少的特点，可过滤各种干扰因素，具有很强的适应能力，下面就智能视频技术的适应性进行分析。

图像噪声

图像噪声的来源是多种多样的，在实际视频监控应用环境中，摄像机成像噪声、线路噪声、电磁干扰环境和视频压缩的量化效应都会在图像上产生各种不同噪声表现，影响智能视频处理技术对目标检测的灵敏度。

任何实际产生的监控图像都有不同程度的噪声，噪声水平较高时，会对智能视频处理技术产生比较严重的影响，用户会看到较多的虚报或漏报现象。通过降低噪声水平，可有效降低智能图像处理设备产生的虚警和漏警。

从噪声的表现形式上看，由摄像机高增益引入的点噪声，可通过较为合适的图像预处理过程屏蔽掉；但如场不同步和强电磁干扰导致的画面滚动噪声，以及因视频压缩的量化作用而产生的噪声，则需要智能视频处理技术做到自适应调节灵敏度，并且使用时域空域等多种方法屏蔽掉大部分噪声干扰。

画面抖动

在实际监控环境中，常因刮大风、大型车辆通过等因素，导致摄像机抖动，造成监控图像不稳定，由此带来虚警问题。这类问题可以利用智能视频分析技术来解决。[nextpage]

智能视频分析技术可通过对连续的图像进行不间断地预处理，并与事先设定的稳定区域模板做比较，通过识别前后帧画面中的多个固定物体，把后帧画面摆放到正确的坐标，并针对稳定后的连续图像进行运动目标的检测。

对目标变化的适应性

低对比度目标检测
对比度是指在一幅图像中，明暗区域最亮的白和最暗的黑之间不同亮度层级的测量。差异范围越大表示对比度越大，差异范围越小表示对比度越小。低对比度是指被检测的目标与背景的颜色、灰度很接近，很难将目标和背景分离出来，这种现象往往会引起监控系统产生漏报、误报，使一些有价值的信息丢失。而视频分析技术是这样处理的，只要灰度值有差异，电脑肯定可以计算出这个灰度差值，并将背景和目标在有灰度梯度的边缘分离出来，将目标框定。另外，只要能检测出一个目标的几个部分，那么通过腐蚀膨胀的图形学处理，大致可以将目标还原，这样也可以将背景和目标分离。

不过，实际中有时出现噪声区域与背景的灰度差值大于目标与背景的灰度差值的情况，这对智能视频技术来说，是很棘手的问题。即使有对比度自适应能力，也很难在高噪声环境下解决低对比度识别问题。因此，我们应尽量通过降低图像噪声，并提高算法检测灵敏度等手段来检测低对比度目标。

远距离、慢速度、小目标检测
在实际环境中会有距离远、体积小、速度慢的目标沿着摄像机轴线方向移动，由远及近的目标不但尺寸小，而且引起的图像变化也小，容易被慢慢地融入背景，此时就会产生漏报。

对于上述慢速度和由远及近的小目标，智能视频处理技术通过对目标一段时间位移的累加来确定目标是否相对背景发生了位置变化，以及判断目标所占用的像素多少来判定目标的大小变化，从而快速检测出目标。

在障碍物之间穿梭的目标检测

入侵目标可能利用障碍物来躲避智能处理模块的跟踪，障碍物是指那些画面背景中会遮挡移动目标的物体，如林木、建筑物、牌、柱等。智能视频技术对此类物体都会作为背景处理，不产生报警。对于障碍物可分为两类，一类是透明障碍物，另一类是非透明障碍。对于非透明障碍里的隐藏目标，只能通过硬件设备的增加来实现。而对于透明障碍里的隐藏目标，可以通过对入侵目标的行为特征和分布在障碍物表面上的像素特征来区分，并跟踪其运动轨迹来实现。但若有入侵目标隐藏在里面，可以通过智能视频技术的跟踪预测技术加以识别和判断分析，将入侵目标和障碍物很好地分离，从而连续检测入侵目标的行为并跟踪其运动轨迹。 [nextpage]

大目标和小目标检测
在实际环境中，总会有一些大目标和小目标以运动的形式出现在场景中，但它们并不构成威胁。对于这种情况，可以通过智能视频技术中的三维场景建模方法，根据画面中的目标成像尺寸计算出实际大小尺寸，再根据目标大小尺寸限制，设定报警尺寸范围，同时可结合目标运动速度和轨迹判定，从而屏蔽掉不构成威胁的大目标和小目标。

对光影变化的适应性

场景光源变化
有光源的环境中，比如电灯的开关、云的移动等，会引起图像整体的亮度发生很大改变，从而很难将背景区分出来，容易产生虚警。针对这一特殊情况，智能视频技术采用补光技术自适应调节视频采集信息的亮度、色度、饱和度来降低场景光源变化所引起的虚警出现的次数。

阴影
在侧光环境及阴天时，人或物的阴影拖得很长，会导致检测范围的扩大，产生不必要的报警区域。针对这种情况可以通过采用区域增强技术，将这些无关的阴影很好地屏蔽掉，从而提高报警的质量。

对动态背景的适应性

前面所解决的是针对静态背景下动态目标的检测，对于这一类目标识别，检测的难度不是很高，然而，大量实际环境并不总是静态的背景，动态背景中识别检测目标要远比静态环境复杂得多。

在实际环境中，常会有雾、雨、雪天气，在空中弥漫的粉尘、雪花和雨水，大风天气摇摆的树枝和地面晃动的树影，水波荡漾的水面等等都会给监测带来困难。如果背景是运动的，就会极易把这种动态的背景当作运动前景目标来识别，并产生虚警。智能视频技术是基于对动态目标检测的图像识别分析技术，针对此种特殊情况，可根据运动目标轨迹、运动规律及运动目标的大小、速度等指标做出智能预测和判断。另外，还可根据运动目标的灰度变化范围加以识别和检测。

静态目标检测

对于静态目标的检测，可分为四类：
·第一类：背景是静止的，目标也是静止的；
·第二类：背景是运动的，目标是静止的；
·第三类：背景是静止的，目标是运动的；
·第四类：背景和目标都是运动的。 [nextpage]

除了以上四类，还有一种混合型，即背景既有静也有动的静态物品看护。

在嘈杂环境下，对静止目标遗留或移动目标检测的区分，如果使用前面所提到的运动目标的检测方法，把前景和背景区分开是很难办到的，因此，智能视频技术需要针对背景的不同变化，以运动目标检测技术来实现对静态目标的看护。

总结

基于运动目标的智能视频检测技术正在向算法更先进、技术更成熟、产品更稳定的方向快速发展，各种面向不同应用的产品会逐渐推出。随着国内外安防市场对新技术、新产品的需求，这一技术将会得到更快的发展。以智能图像处理技术为核心的智能视频监控产品将会在全球安防领域广泛应用，为人类生活提供高质量的安全服务。