随着国家应急体系、平安城市、平安校园、科技强警等重大工程项目在全国的不断推进,国内视频监控前景一片看好。从金融、医疗、司法和政府等高端领域,到交通、校园、娱乐等各个行业领域乃至民用安防市场都对智能视频监控产生了迫切的需求。视频监控智能化需求迫切,随着海量信息的涌入,未来智能监控将迎来巨大发展空间。
视频监控将更加智能化
广泛的视频监控应用,带来视频数据爆炸式地增长,光靠人眼识别可疑迹象远远不够,事后靠人工手动查验更是越来越困难,将被动监控变为主动方式,监控智能化应用首当其冲。因此在满足高清监控的前提下,监控必须与智能分析技术、芯片技术、图像传感器技术、视频技术、通信技术相结合,提高监控效能,优化系统架构、提高预警能力。智能视频监控解决方案集安防、监控和事件管理于一身,将监控人员从繁杂而枯燥的“盯屏幕”任务中解脱出来,不仅提供了简便且可自定义的操作体验,也确保整个组织的安全性。
ROI(兴趣区域)ePTZ:为快速控制PTZ摄像机选择ROI,用户无需牺牲分辨率即可灵活浏览百万像素摄像机拍摄的不同区域的画面。Turbo演示模式:减少摄像机真实分辨率来匹配浏览窗口尺寸,从而实时播放多台百万像素摄像机的现场录像;当将某摄像机画面扩大到全屏时即可演示实际分辨率的最佳图像效果。代码转换(Transcoding):提供流畅的因特网视频浏览,通过iPad/iPhone或IE浏览器轻松远程管理、实时浏览、回放和PTZ控制。
定制用户通知:支持任何以HTML格式下载和存储的地图,比如,Google地图,都能被重新编辑用来配置摄像机;当警报发生时,地图便会弹出,用户可直接在地图上点选相关摄像机,查看实时画面;还可同时实时浏览和回放同一摄像机。实时视频分析:能够在标准视频基础上进行智能视频分析,识别人员、车辆,以及其他可疑行为和活动。智能搜索:可以通在几秒钟内搜索几天内的视频。全面的系统健康监视:可以实时的、以可见的方式,为用户提供设备状态。
未来的视频监控将进一步朝高清化、网络化、智能化方向发展,目前良好的市场发展势头和广阔的市场前景已初现倪端。相信随着技术浪潮的推动,视频监控会更大程度的协助安全人员处理危机,成为应对袭击和处理突发事件的有力辅助工具,带给用户更大的投资回报。
视频监控智能化途径
从技术方面来说,图像信息的自动解释关系图像系统最核心的问题——图像信息的利用水平。可以说:图像信息的自动解释是监控系统智能化标志,是现代视频监控的基本特征。
图像信息的自动解释有两个基本途径:一是图像识别,主要利用图像信息的空间分辨能力,实现个体的身份认证;二是图像内容分析、主要是利用图像信息的时间分辨能力,理解图像,进行目标行为的分析。
1、图像识别
主要是指通过对一帧图像中指定目标的特征识别,实现个体身份认证,典型的实例是人脸识别。研究证明,人的行为也是一种生物特征,如步态,眼部动作等。对人步态的分析可以用于个体的识别,但它是通过对一段图像序列的识别来进行个体身份的认证。无论什么方式,图像识别都有要求两个基本条件,一是定义特征、一是建立一定数量的样本数据库。定义特征,选择具有唯一性和相对稳定的特征来表示个体,如用人脸上的标志点来形成特征矢量。样本数据库,按特征的定义采集一定数量(根据应用)的样本特征,建立样本库。
图像识别的基本工作方法是:将现场采集的目标特征数据与样本库中的数据进行比对。这就这要求现场采集的特征数据和样本库数据具有相关(可比)性,因此、必须建立一个适当限制的应用环境,才能保证系统正常的工作。
个体身份认证是安全系统最迫切的要求,近年来、有了大量的成果,也有了初步的应用,主要有两种方式:第一是验证,识别监控目标,确认目标的身份及正在发生行为的合法性。是安防系统的功能和典型应用;第二则是识别,将现场采集的特征与样本库进行比对,确定目标的身份,以发现事件的相关线索。是侦察工作的典型应用。系统要建立海量的样本数据库。通常的视频监控系统达不到上述应用的环境条件。
图像识别系统包括:图像输入、图像的预处理、特征的提取和图像的解释(识别)等技术环节和设备。其关键技术或难点在于实现系统能在一种适当控制的环境下,针对移动目标实时地运行,这些目标通过静止摄像机可能会产生大小不同、角度不同及光照效果不同的图像。并在各种可能的非最佳条件下进行识别,如由于年龄、面部表情、配饰(眼镜、帽子)及可能的伪装(化妆)造成图像的差异。就要求系统采用适当的图像输入方法和预处理技术,以保证图像特征有效地提取,样本的生成和数据库的建立。
图像识别的方法基本上分为统计方法和结构分析两类,前者是以数学决策理论为基础,建立统计学的识别模型,指纹、掌形的识别多采用这种方法,其特点是稳定、但很少利用图像本身的结构关系。后者则主要是分析图像的结构,它充分地发挥了图像的特点,但容易受图像生成过程中噪声干扰的影响。[nextpage]
2、图像内容分析
由于通常的监控系统不适合于进行图像识别,监控系统的智能化就必须寻找新的途径。图像内容分析就成了智能监控的切入点。图像内容分析,自主的定义(简单)特征、不与原始输入相对比;通过目标状态和行为的分析,理解图像内容(判断正常/不正常、预测趋势);通过图像关联,实现目标的识别。
图像内容分析分为两个层次:首先是视频探测,视频探测在模拟电视技术中就已得到了应用。在一幅上开图像一个窗口,检测其亮度电平的变化,就可以实现探测。通过一系列窗口的监测其亮度电平的变化,就可以实现运动探测。但它不是真正的视频探测,因为它不能确定目标。在数字视频基础上,首先确认图像中的探测目标,然后再进行其行为的分析,判断出图像中是否出现了“不正常”情况,及时发出报警。是真正的视频探测,它可准确地判断事件,实现真实探测。视频探测还非常适于空间的多维探测和多参数探测,同时地处理来自不同方位摄像设备的图像信号,可以作到对目标多方位的监控,实现对特定空间和目标的完全封闭;其次是视频语义解释,通过阅读一段图像,理解图像的内容(视频语义)并把它表达出来,它描述的不是图像本身,而是图像的结构及表现的内容、情节,既视频语义。根据语义可以对图像信息进行标引,在记录图像的同时,生成镜像的标引文件,然后可以通过标引文件对存贮信息进行快速和准确的检索;进而实现图像信息间的关联,图像信息与声音、图形、文本信息之间的关联,这是图像信息深化应用的前提。
图像内容分析研究的过程分四个阶段,产品和应用也分四个层面;第一是将(运动)目标从视频图像中分离出来。
并能在简单环境下(单目标、背景单纯)对目标分类;第二是在简单环境下对目标进行行为分析,判定其运动的方向、方式、目标的复合或离散,发现和告警异常的行为;产生目标的运动轨迹,并能进行目标的自动跟踪;进行目标的统计、关联、过滤、趋势预测等。第三是在复杂环境(既通常的视频监控环境)下实现上述功能,并实现(单源、多源)图像的关联;第四是实现视频语义的解析,通过对一个图像序列的理解,做出视频语义解释。目前已有了一些成果,但尚不具实用性。其中第三个阶段是技术实用性的关键,达到了这一点,系统才具有应用价值,目前大多数产品还达不到这一阶段。
视频的语义解释是内容分析的最高境界,它表明机器具有了与人一样的理解图像的能力,但具有人所不能达到的效率,目前还达不到这个程度。关于图像结构和内容的描述还需要目视解释的帮助。前三阶段的工作可称为视频的半语义解释。主要是判断图像中是否出现了不正常的情况,还不能准确、充分地理解图像内容。
智能监控未来:海量信息涌入
视频信息量越来越大、基于视频的用户决策越来越多,如何实现就视频信息的安全可靠进行备份、高效提取是智能分析技术与企业发展的机遇。视频高清化就传输带宽、存储空间与处理效率方面提出更高要求。负载均衡、集群与虚拟化技术实现大规模实时与历史视频高效管理;铺设可靠光纤骨干与毛细网络提供可靠路由;建设基于图像的IDC满足海量存储空间;组建专业服务团队、具备丰富项目经验与资源是企业未来基于图像运维服务的优势体现。
海量的视频,有价值信息的只是其中很小的一部分。如何基于智能分析的提取,挖掘是一种挑战,也是一个难得的机遇,这种需求对于解决方案提供商来说未来的监控将“由事后处理到事前处理、被动监控向主动监控”的转变。
随着市场的壮大和需求的增多,智能视频监控的应用将从相对集中的区域向各大行业大幅度的伸展。相信,智能视频监控的应用,将大幅度提升安防监控在维护社会公共安全方面的价值,对保障人民生命财产安全,提高社会生活、生产质量、防御各种灾害,促进节能减排具有非常重要的意义。