广东华之源信息工程有限公司 510653
摘要：在我国安防产业高速发展的今天，认真研究分析世界各国安防产业的发展历程是很有帮助的。美国和欧洲的安防产业在经历了恐怖袭击、马德里爆炸案和伦敦地铁爆炸案等事件之后得到迅速发展，但其发展过程经历了从初期的盲目增加摄像头数量到比较理智的有计划、有步骤的建立安防体系和反恐能力的演变过程，其中智能化视频分析技术的推广应用对提升视频监控系统的质量、功能和实用性起到了重要的作用。
关键词：安防产业；智能化视频；技术；
1智能化视频监控在中国的发展现状
目前的智能化视频监控技术主要包括：身份识别、轨迹识别、环境判断补偿识别。身份识别包括人脸识别、车牌号识别等。轨迹识别包括虚拟警戒区域、智能跟踪、人数统计、车流统计、物体的滞留和盗移、异常行为检测、人员聚众等。环境判断补偿识主要包括雨雪等各种恶劣天气、光照的改变、镜头的遮挡和偏移、抖动等。
智能视频分析技术起源于国外，开始是一些实验室及军方应用产品，而且主要用于反恐，后来逐渐走向工业及民用。主要在机场、军事、银行、交通等场所使用。在智能视频监控市场需求快速增长的刺激下，国外视频智能监控技术发展得非常快和成熟，生产此类产品及软件的厂商已经有很多。其中以美国和以色列的厂家最多，美国的ObjectVideo和以色列的NICE等都是世界智能视频监控做得最好的厂商。
而中国智能视频监控技术则落后国际先进水平3～4年，智能视频监控刚开始进入中国的时候，使用的几乎都是国外产品或者国外的芯片，没有真正属于自己的产品。近几年国内安防厂商和一些研究所开始进行自主研发及与外国公司进行技术合作从事产品生产。目前，国内专注于智能视频分析领域的厂商也越来越多，如深圳贝尔信、浙江海康威视、北京汉王科技、上海卓扬科技、北京智安邦科技、北京文安科技，等等。
2智能视频分析的核心
智能视频分析技术的核心是DSP和智能算法。
2.1DSP
视频监控之所以从传统的被动监视转变为目前拥有智能分析功能的主动监视，其关键在于采用了高速的数字信号处理器（DigitalSignalProcessing，简称DSP），DSP的最大特点是具有强大的数据处理能力和高运行速度。DSP的这两个特点保证并极大地提高了视频监控的实时性。DSP技术的不断发展和进步为视频智能分析算法由后台转向前台提供了坚强的保证，也就是把智能分析算法由原先的CPU处理转换为现在的DSP处理。
2.2智能化视频分析的算法
智能化视频分析的计算分析方法可以分为两类，第一类是以背景模型为基础，第二类是以特征识别为基础。第一类主要包括周界防范、聚众检测、滞留和盗移检测等。第二类则是主要包括红绿灯识别、车牌号码识别、人脸识别等。行为分析主要基于运动背景建模与目标识别技术，具体讲就是在相对静止的背景图像中找到活动的目标物体。特征识别与活动目标识别不同，特征识别不需要背景模型的建立而是需要目标物体的特征信息。因此计算机建有一个这些特征信息的数据库，在获得的图像信息中查找与特征信息库里具有一定相似度的样本。获取的特征值越多，得到的结果越准确，但同时需要的计算量也越大。
3智能视频分析的不足
3.1误报
误报数量一直是反映产品和技术的重要指标，误报率过高的产品是无法达到使用要求的，不但不会减轻监控人员的工作量，反而会适得其反。智能视频分析技术应用往往会受到环境的干扰，比如光线的变化、树叶的晃动、雨雪天气，等等，这些干扰源的干扰较容易引起误报。
期刊文章分类查询,尽在期刊图书馆对于同一种应用，如周界防范来说，不同的环境和情况需要的背景模型也是不同的，如白天和黑夜需要的背景模型是不同的，到目前为止还没有哪种算法可以适合所有的环境和情况。
3.2缺乏行为判断能力
目前的智能视频分析技术还不能对画面中目标物体的行为做出识别。为何侵入警戒区域，只是路过，还是有目的，这些都无法靠智能视频分析技术来识别。因为，智能视频分析只是算法和程序，与人类的判断力存在很大的差距。
3.3画面要求严格
智能视频分析技术，对视频图像的要求比较高，特别是特征识别类的分析技术对画面的要求更加严格，首先画面本身得清晰，其次画面必须能够完整地展现目标的特征。目前，计算机的识别能力远远低于人类的识别能力，不同光线和拍摄角度，都会影响识别率。所以，对摄像头的安装位置和角度以及周围的环境都有严格的要求，如车牌在画面中的光线的强度、角度、大小都不能是随意的。这些要求会影响智能视频监控产品的使用和效果。
3.4DSP芯片的运算能力相对滞后
越复杂的应用环境要求越复杂的算法，复杂的算法会导致运算量大幅度的提高。这就要求有运算速度非常快的DSP芯片，而目前DSP芯片的运算能力都比较有限，导致有复杂算法的产品实时性降低，无法应用于实际。所以算法提高和改进的同时，需要开发更高级功能和运算速度的DSP芯片。
3.5实时性与鲁棒性难以兼顾
在智能化视频图像中拥有大量的非有用信息，要确保目标跟踪的实时性，就要选择计算量小的算法。鲁棒性是目标跟踪的另一个重要指标，提高算法的鲁棒性就是要使算法对复杂背景、光照变化和遮挡等情况有较强的适应性，而这又要以复杂的运算为代价。总之，智能化视频分析技术对于当今人类的智慧来说，还是刚刚处于初级阶段。
4智能化视频分析技术的发展趋势
（1）适应更加复杂和多变的场景。
（2）识别和分析更多的行为和异常事件。
（3）高清化。从2010年开始“高清”话题就一直备受关注，随着市场需求的不断增多以及应用领域的不断扩展，高清监控在安防市场中的地位越来越重要。越多来越多的厂商开始推出“高清”产品，高清和超高清摄像机都是目前市场中备受关注的产品。在第十一届上海安博会上也能够清楚地看出“高清”的趋势非常明显，而且在最近上海安防展会上也能看到智能视频监控领域未来最主要的发展趋势是智能分析与高清相结合。
（4）智能视频分析技术与云计算技术相结合。智能视频分析技术与云计算技术相结合是未来发展的一个必然趋势。以人脸识别来说，它以模式识别理论为基础，从产生到现在已经有20多年，目前也有成熟的产品和应用，但是价格非常昂贵，估计只有安全部门才用得起。人脸识别有两个关键点：一是要有足够大的样本库，二是要有很快的搜索匹配速度。实现这两个关键点的成本都非常高，需要的平台要求就非常高，价格也相当昂贵，这就导致了在单个的普通计算节点上的人脸识别准确率会相对比较低，高准确识别率的技术很难真正走进我们的生活。然而，在云计算的模式下，前端设备（包括DVR、DVS等）只是负责视频信号的采集、压缩与传输，而样本库的建立，以及搜索匹配，都是在云端来完成的。大量设备接入云端，样本库的采集与建立自然不是问题，人脸的检索匹配算法，虽然很耗计算量，但云端只需要增加运算节点就一样可以解决问题。
（5）与云存储技术结合。智能视频监控摄像头的越来越高清化，导致了更加巨大的视频存储需求。如果有成百上千路的高清监控，就会产生非常庞大的视频文件，这就对存储设备的容量、稳定性提出了极高的要求和挑战，甚至连带宽传输都成了一个比较棘手的问题。虽然目前H.264压缩技术已经是高清视频的最小化压缩，但仍然解决不了根本的问题。
监控云存储的出现，突破传统存储方式性能和容量的瓶颈，使云存储提供商能够联结网络中大量各种不同类型的存储设备而形成非常强大的存储能力，实现性能与容量的线性扩展，让海量数据的存储成为了可能，从而让企业拥有相当于整片云的存储能力，可以成功解决存储方面的难题。
参考文献：
[1]潘美莲，刘志强.城市安全与应急保障管理智能视频监控系统的应用探讨[J].电脑知识与技术，2013，9（30）：6914-6915+6917.
[2]陈侃.智能视频监控技术发展与应用[J].科技风，2015（02）：132.
[3]雷玉堂.从视频监控产品的智能化评估看智能视频分析技术的作用[J].中国公共安全（综合版），2011（09）：167-172.
论文作者:俞亦斌
论文发表刊物:《建筑细部》2018年1月中
论文发表时间:2018/8/13
标签：智能论文; 视频论文; 技术论文; 算法论文; 视频监控论文; 安防论文; 产品论文; 《建筑细部》2018年1月中论文;