智能视觉监控技术与应用
时间：2012-06-05 阅读：2648
利用计算机视觉/模式识别及智能信息处理方法；不需要人为干预；通过对摄像机摄录的图像序列进行自动分析，实现对动态场景中的目标进行定位、识别和跟踪，并分析和判断目标的行为，从而在完成日常管理的同时对异常情况做出及时反应。智能视觉监控是计算机视觉领域的前沿研究方向；具有很高的科学研究价值、广泛的应用前景和巨大的社会和经济价值。
智能图像监控分析系统技术难点
运动模糊：视觉监控按照摄像机和目标的相对移动都不同程度地存在运动模糊的情况。因为这与成像过程中的能量积累有关；
对光线敏感，背景差方法中光线的变化；
噪声及无关结构干扰；
适用场景有限；
视觉监控实时性要求
遮挡问题：遮挡问题是视觉监控中运动目标跟踪的一个常见问题，也是影响运动跟踪精度的一个直接原因。正确处理遮挡问题的是运动跟踪的一个关键环节。
数据压缩和传输：运动估计作为帧间压缩的关键环节，它不仅影响恢复图像的质量，而且会影响图像的编码速度，因此人们一直在研究高速度，高精度的运动估计算法。
智能视觉监控涉及的研究内容和方向
1,概述
动态场智能视觉监控主要涉及：
摄像机标定
运动分割与跟踪
物体识别
多摄像机融合
高层语义理解
…
是计算机视觉领域的前沿研究方向。
2,运动检测与跟踪
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物体存在。
摄像机信息融合：
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相机改进为参数可自动调节的动态摄相机。
多摄像机的协作监控。单个摄像机的视野有限，要监控大范围的动态场景就需要多个摄像机，此外，多个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。
事件处理：
事件的机器学习方法，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zui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。
3,语义理解
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动态场景的自然语言描述。
远距离身份识别：
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。
智能视觉监控技术发展现状
PETS（InternationalWorkshopsonPerformanceEvaluationofTrackingandSurveillance）（2000-2006）。
智能视觉监控越来越受到国内外很多学者的密切注意。计算机视觉领域中的期刊IJCV和PAMI相继出版了关于视觉监控的专刊。由Steve.J.Maybank和中科院自动化所所长谭铁牛组织的IEEE视觉监控专题讨论会也已经成功地举办了六届。收录了大量智能视觉监控领域内的研究成果。
……
智能图像监控分析系统的优势
24x7全天候可靠监控：改变以往*由安全工作人员对监控画面进行监视和分析的模式，通过嵌入智能视频模块对监控画面进行不间断分析。
提高响应速度：识别可疑活动，在安全威胁发生之前就能够提示以提前做好准备。
有效扩展视频资源的用途：将视频资源应用到非安全领域
智能图像监控分析系统应用
安全相关（911恐怖袭击、马德里爆炸案以及伦敦爆炸案发生后，此类需求不断增长）：
视频移动侦测（AdvancedVMD）
物体追踪（MotionTracking）
人脸识别（FacialDetection）
车辆识别（VehicleIdentification）
非法滞留（ObjectPersistence）等。
非安全相关：
人数统计（PeopleCounting）
人群控制（FlowControl）
注意力控制（AttentionControl）
交通流量控制（TrafficFlow）等。
实时性、鲁棒性的车辆与行人的定位、识别和跟踪。