视频监控技术的研究

视频监控是通过获取监控目标的视频图像信息,对视频图像进行监视、记录、回溯,并根据视频图像信息人工或自动地做出相应的动作,以达到对监控目标的监视、控制、安全防范和智能管理,已被广泛应用于军事、海关、公安、消防、林业、堤坝、机场、铁路、港口、城市交通等众多公众场合,随着技术的进步和成本的降低将逐渐普及到家庭安全防范和娱乐应用。

1 国内外研究现状

本世纪初,随着以TI公司的TMS320C6000系列、Philips公司的Trimedia、Equator公司的BSP-15等为代表的高性能DSP的出现,由嵌入式处理器来实时完成高速、大数据量的视频/音频编解码处理成为可能,结合网络通讯技术,使集可编程图像/声音编解码、本地存储、网络传输和自动化技术为一体的嵌入式数字视频监控系统应运而生。以DSP为核心的嵌入式数字视频监控系统,配合嵌入式实时操作系统,可以以应用为中心,根据应用对功能、可靠性、稳定性、成本、体积等的综合要求,对软/硬件进行裁剪,以满足视频监控发展的两大需要:数字化和网络化。

目前监控领域最流行的是嵌入式DVR(数字视频录像机或数字硬盘录像机)系统,使用TI的DM642或ADI的BF561等DSP芯片。

2 智能视频监控理论技术基础及关键技术

2.1 智能视频监控的结构与功能

一般的智能监控系统体系结构如图1所示,实际是对传统视频监控系统的一个扩展,主要包括摄像机组、智能监控服务器、视频索引服务器、视频存储系统和用户操作终端五部分[1,2]。

在该体系结构中,像机获取的视频在数字化的同时就传送给智能视频监控服务器进行分析,自动检测感兴趣的活动或事件,给出实时告警并产生丰富的视频索引,同时对像机进行控制。告警的参数和类型是用户预先设定的,视频索引可用于事后的证据视频检索。

智能视频监控服务器是实现智能视频监控的关键组成部分。其功能是对摄像机获取的视频进行智能处理,先检测出其中的感兴趣运动目标,然后跟踪它们,对跟踪得到的一些参数通过分类模块、实时告警模块等处理实现系统的智能。

2.2 智能视频监控关键技术

智能视频监控主要涉及的是视频分析技术[3,4],包括强健的目标检测、拥挤条件下的目标跟踪、关节体的跟踪,以及基于此并结合生物技术(如人脸识别)的语义推理、活动理解和状态感知、多媒体化描述方法。另外还涉及如何设计多机网络化硬件框架、引入多摄像机系统、完善知识库等等。

快速准确的运动检测。运动检测主要是从监控摄像机所捕捉的序列图像中检测是否有运动目标存在。

实时性、橹棒性的基于三维模型的车辆与行人及物体的定位、识别和跟踪。

基于移动摄像机的视觉监控技术,即将现有参数固定的静态摄像机改进参数可自动调节的动态摄像机。

多摄像机的协作监控。单个摄像机视野有限,要监控大范围的动态场景就需要多个摄像机,此外多摄像机也有利于解决遮挡问题。多摄像机的定标与数据融合是两个关键问题。

事件的机器学习方法,拟通过对序列图象进行自组织、自学习的方法建立事件的分布模式,从而达到事件识别的目的。

异常现象的检测、报警与目标的行为预测。视觉监控系统的最终目的是为了解释监视场景中所发生的事件,根据要求对异常事件进行报警,并能根据当前目标所处的状态对将要发生的事件进行预测。

研究对目标运动情况给出语义上的解释的方法,并将简单的行为识别与语义理解推广到对监控场景的自然语言描述。

远距离的身份识别。生物特征识别技术与人的运动分析的结合是视觉监控系统的一个重要问题。脸像与步态是具有可感知性与非接触性优点的生物特征,是目前被认为可以用于视觉监控系统中的身份识别的两个主要生物特征。研究脸像、步态、体形特征相融合的人的身份识别算法,以便自动从监控视频中确认可疑份子。

2.3 RGB颜色模型

RGB颜色模型由红、绿、蓝三种基色组成,它大多用于CRT显示器和颜色光栅图形[5]。这个模型基于笛卡儿坐标系统,3个轴分别为R,G,B。通过红、绿、蓝三种基色可以混合得到大多数的颜色,如图1。坐标原点代表(0,0,0)黑色,而坐标点(1,1,1)代表白色。坐标轴上的顶点代表三个基色,而余下的顶点则代表第一个基色的补色。为方便表示,将立方体归一化为单位立方体,这样所有的R,G,B的值都在[0,1]中。根据这个模型,每幅彩色图像包括3个独立的基色平面,或者说可分解到3个平面上。反过来如果一幅图像可被表示为3个平面,使用这个模型比较方便。在本文中实时捕捉的输入的视频图像就是基于RGB模型的,目标检测和阴影去除的大部分算法都是基于RGB颜色空间的。

3 异常检测系统流程

一般的视频异常检测系统流程如图2所示,主要是读取视频图像,然后检测出目标,对目标提取特征后,根据设定的标准情况进行异常判断及分析。

视频异常检测中的关键是目标检测和异常分析。目标检测的关键是根据不同的情况选择合适的参考帧、判别特征与判别准则。参考帧的选取可以有两种:一种是静止的背景图像;第二种使用动态背景,不停的使用当前帧替代参考帧,这种方式下检测到的多为景物中相对运动的对象。判别特征的选取和判断当前图像与参考图像相似度的方法很多,可以通过像素特征例如灰度、色彩分量等信息,也可以通过直方图等统计信息的变化来进行判断,还可以考虑采用压缩域的特征进行判断[6]。

4 结语

随着社会经济的发展,基于安全目的视频智能监控技术的发展己成为社会发展程度的重要标志之一。它从最初的将视频采集到监控室由人来完成守候监控,到现在的智能自动视觉监控系统的发展己有近40年的历史。

智能视频监控技术主要涉及到图像和视频处理、计算机视觉、人工智能、模式识别等信息技术领域知识。视频监控中干扰、遮挡、阴影等问题对运动目标的快速检测和跟踪的影响给智能视频监控系统的研究带来了不少的难题和挑战,也使得这个领域不仅具有良好的应用价值,也具有很高的理论研究价值。

摘要：视频监控在国民经济中发挥着越来越重要的作用,如何对监控系统中的图像序列进行实用化的智能场景检测分析和智能化管理,实现信息实时有效的获取和控制,是视频监控网络化、智能化的核心技术。本论文在对视频监控技术的构成与发展进行研究分析的基础上,针对视频监控中涉及的异常检测、异常分析等关键技术进行了分析。

关键词：视频监控,研究现状,异常流程

参考文献

[1] 王莹莹.智能视频监控粉墨登场[J].中国计算机用户,2006,10:40～41.

[2] 刘晓冬,苏光大,周全,等.中国图象图形学报,2000,5A(12):1024.

[3] Meyer M,Hotter M,Ohraacht T.A new system for video-based detection of moving objects and its integrationinlo digital networks.In:IEEE Security Technology,30th Annual1996Inter-national Camahan Conf erence,lexington,KY,USA:1996,105.

[4] Behrad L,Shahrokni A,Motamedi S A,et a1.A robust vision-based mov-ing target detection and tracking system.In:Proceedings of Image and Vision Comput i ng Conference(IVCNZ2001),Dunedin,New Zealand,2001.

[1] 王莹莹.智能视频监控粉墨登场[J].中