智能分析不断发展 基本分类与常见技术浅析
- 来源：中国安防展览网整理 作者：编辑部
- 2014/9/17 13:58:384976
目前智能分析技术已经广泛应用于各种安防领域，从应用角度来讲，目前国内智能分析技术主要有四大类：
类，实时报警类。主要是通过分析技术对实时视频进行内容的分析和判断，发现某种状态达到报警规则的要求时，系统即可发出报警联动。如基础的跨线报警、闯入报警、打架报警、聚众报警等，当然随着应用的深入，各行业应用中也出现了很多带有行业特征的实时报警应用，如校园打架报警;交通行业的拥堵报警、行人上高速报警;司法行业的攀高报警、离岗报警;金融行业的尾随报警、贴假广告报价等等。
第二类，数据统计类。主要是通过在特定的场景下，对视频内容中特定的内容进行统计，形成相关的报表和数据应用。例如，通过视频分析对公路上的车流量进行自动统计，通过视频分析对校园门口、商场出入口等的人流量进行统计等等。
第三类，属性识别类。主要是对视频中特定事务的属性进行自动识别，达到对视频内容的深入应用和快速检索等目的。如人脸识别、车牌识别、车标识别、颜色识别、性别识别、身高识别、年龄识别、手势识别等等。目前安防行业中应用较多的主要还是人脸识别、车牌识别、车标识别等。
第四类，图像处理类。主要是对图像整体进行分析判断及优化处理以达到更好的效果或者将不清楚的内容通过算法计算处理达到看得清的效果。如目前的视频增强技术(去噪、去雾、锐化、加亮等)、视频复原技术(去模糊、畸变矫正等)。
根据其实现的方式进行区分，把其概括为以下几种类型：
1、诊断类智能分析。诊断类智能分析主要是针对视频图像出现的雪花、滚屏、模糊、偏色、增益失衡、云台失控、画面冻结等常见的摄像头故障、视频信号干扰、视频质量下降进行准确分析、判断和报警。诊断类智能分析技术实现起来较为简单，通常以后端管理平台的形式出现，在大型的监控项目，特别是城市级监控的日常运维中作用十分明显。目前市面上一些基于DSP的智能分析设备、DVR和DVS等都自带该项辅助功能。
2、识别类智能分析。该项技术偏向于对静态场景的分析处理，通过图像识别、图像比对及模式匹配等核心技术，实现对人、车、物等相关特征信息的提取与分析。在对车的识别分析应用上主要是车牌识别技术。该技术经过多年的发展与应用，目前已十分成熟。模糊车牌还原和识别技术的出现使得该项技术不再局限高清，开始向标清领域普及。车牌识别技术被广泛应用于各停车场出入口、高速公路收费站等地，近些年更是发展迅速：配合交通电子卡口系统，车牌识别技术被大量用于车辆交通违章的抓拍，有效降低了车辆交通违章数量，大大减少了交通事故的发生。
3、行为类智能分析。该项技术侧重于对动态场景的分析处理。典型的功能有：车辆逆行及相关交通违章检测、防区入侵检测、围墙翻越检测、绊线穿越检测、物品偷盗检测、占道经营检测和客流统计等。移动侦测(VMD)是该类智能分析中的“早期智能”，VMD依据视频画面中像素块的运动变化来进行判别，缺点明显：基于二维的分析，误报太高，无法识别移动的像素块是干扰还是目标。
智能分析主要有两个大的发展方向，常见的有以下几种：
智能分析的两个发展方向，一是以车牌识别、人脸识别为核心代表的智能识别技术，主要应用于电子警察、机杨、海关；二是以周界防范、人数统计、自动追踪、逆行、禁停等规则为代表的行为分析技术，主要应用于围墙周界警戒区、商场、交通、景点流量统计，道路禁停禁放、违章逆行、场景跟踪等方面。
常见的智能识别技术有：
1、双机自动跟踪：智能分析摄像机加普通快球方式。可应用于城市报警应急预案。突发事件的物体跟踪。
2、人流量统计：统计框选区域进出人员的数量，应用于超市商场顾客流量的分析统计，帮助商家制定相应的销售策略。应用于景点、地铁口，提供流量数据供人员管制应用。
3、穿越警戒区：通过设置虚拟围篱，对周界进行侦测。当发现可疑人员或者物体穿越围篱，即触发报警，并将报警信号上传至监控管理中心。同时可将报警画面通过网络上传至远程监看用户。应用于交通马路人行横道或斑马线、厂区重点区域围墙、学校、看守所围墙等。
4、丢失分析：通过在监控画面上画出一块放置重要物品的区域作为警戒区域，只要此物品离开了警戒区域，那么将立即触发报警规则。应用于重点保护区域如博物馆，展览厅，拍卖会，金银店等。
5、方向分析：在实际监控中，人们可能会关心人流的方向和车流的运动方向，通过方向的识别可以判断目标是否为不合法走动或行驶，如果出现逆向行为，目标将会被自动锁定，并同时报警。应用于单向行驶的道路；重要出入口等。
6、智能跟踪：对可疑人或物体进行目标锁定，对目标的运动轨迹进行记录，同时摄像机将跟随目标转动并报警。应用于小区，人员禁入区域，机密区域，重要保护区域等。并可作为案发后，对案件回放过程的轨迹进行分析。达到迅速破案的作用。
虽然近年智能视频分析技术迅速发展，应用范围也在不断扩展，市场上已经有了网络监控的各种产品，如网络摄像机、网络矩阵等，但由于这些产品的质量还有待提高，图像看起来有明显的延迟、跳动、不够清晰等缺陷，由于硬件本身性能不够稳定，易出现死机、重启、误漏报等问题。而智能视频分析本身算法的局限，在理想环境下才可实现其全部功能，所以在实际应用中，只能初步实现较简单的功能。
目前智能视频分析主要面临以下几个方面问题：
是技术层面：室外夜间光照不足、恶劣天气、图像压缩处理、网络传输链路带宽受限等因素造成图像质量下降，给安防智能视频分析带来先天困难；目标与背景相似或背景杂乱等导致目标分割以及特征信息提取困难；针对复杂异常行为、事件建模困难，相应的智能分析算法识别性能不高。上述因素容易造成虚假报警、漏报警、跟踪困难等不良后果，制约了智能视频分析应用系统实战性能的提升。
第二是产业层面：主要的困惑还是客户对智能视频分析产品的过高期望与该技术的性能表现易受使用条件的限制。由于用户对智能分析这类产品接触不多，对这类产品的效果有疑问。而有的厂家为了能够吸引客户进行夸大宣传，结果实际使用效果与宣传效果不符，使得这些客户对智能视频分析产品再无好感。厂商对产品大部分用户没有认真梳理应用需求；产品研发部门缺乏对安防行业的深入理解，导致智能视频分析产品功能千遍一律，缺乏针对性。再者，缺少的标准认证体系，导致用户对产品的性能无法有效把控。
第三是市场层面：目前很多智能视频分析产品多是自主研发，而这类企业就需要摊薄早期的开发成本。因此，这类产品在定价方面可能要高于一般客户的承受能力，这也就决定了智能分析产品尤其是行为分析产品只能在监狱、小区或者机关重地等具有严格、监控需求的地方。
只有开展基础、共性的关键技术攻关，为突破智能视频分析深度应用创造条件；做好典型项目的示范作用，引导用户从管理流程上重视智能视频分析提供的信息；深化行业的智能应用，建立“研发 集成商 行业用户”的合作机制，为研发和应用提供一个互动平台；加快制定标准和规范，提高智能视频分析产品性能鉴定的性和可操作性，才能为智能视频分析应用推广“保驾护航”，智能视频分析也才能在更多行业、领域得到应用。