摘要：随着网络的不断普及与智能科技的不断进步，智能视频监控系统也得以不断更新、发展、进步。智能视频监控系统是计算机科学、机器视觉、图像工程、模式识别、人工智能等高科技技术的结晶，自然也是当前计算机视觉领域中的一个备受关注的主流课题。智能视频监控是指在非人为干预的情况下，利用计算机的视觉和视频分析方法对图像序列自动进行分析，以此来识别和跟踪动态场景中的目标定位，并以此为前提，分析以及判断动态场景中的目标的行为，从而对客观场景进行解释，并进行指导和规划。本文将从智能视频监控系统的研究背景、意义、问题及发展进行论述。
关键词：智能视频监控；计算机；视觉；视频；图像
引言：目前，对智能视频监控的研究与应用热度一直未减。智能视频监控是利用计算机的视觉和图像处理方法对图像序列进行运动检测、运动目标分类、运动目标跟踪以及对监视场景中目标行为的理解与描述。其中，运动检测、目标分类、目标跟踪属于视觉中的低级和中级处理部分，而行为理解和描述则属于高级处理。运动检测、运动目标分类与跟踪是视频监控中研究较多的三个问题；而行为理解与描述则是近年来被广泛关注的研究热点，它是指对目标的运动模式进行分析和识别，并用自然语言等加以描述。
一、智能视频监控系统的研究背景及意义
智能视频监控系统已被广泛应用于现实生活，它能够协助或代替人为监管，能够一定程度上节省人力资源。该系统可以有效对所有进出监控区域之目标进行实时监控，一旦发生意外或突发情况，它便可以将这些突发信息进行保存并将该事件及时通知到工作人员，使工作人员做好警惕并有时间想好解决对策。智能视频监控系统可以在不同场景和环境中做到全天候、全方位监控，也能保证高实时性、高准确性，智能视频监控系统其高安全性表现在高效、直观、智能等方面，也因此而广受欢迎。智能视频监控系统目前已在实际生活中有着广泛应用，且在各个行业均中均有有体现，例如：办公场所、个人家庭等无人监控；银行、仓库等重要场所的实时监控及应急处理；小区车辆进出管理、城市道路流量控制、交通违章查处等远程监控；公共场所的安全维护、敏感场所的安全保障、个人隐私的确保、医院中病人的实时监护等。随着科技术的高速发展，传统的视频监控系统已无法满足社会的需要。随着视频监控在时空领域上的不断壮大，人眼的可靠性会随着时间的延长及工作量的增大而逐渐降低，人工方式很难实现对监控区域进行实时高效的监控，在一些特殊领域，一旦出现突发事件，为了方便安排各部门进行协调工作，故对响应时间的要求是很高的，如果使用人工处理，很难实现视频监控系统在该场合下的实时性；除此之外，视频监控得到的数据也有很大的价值，人们可分析出获取到的图片、视频中的关键信息并识别当中的目标行为，从而能够对其进行分析并作出相应决策。
目前，仍有诸多科研人员在研究智能视频监控系统。智能视频监控系统中的智能化和自动化方向具有如下特点：①能够在全天候进行可靠监控，并且监控性能不会随着工作时间的延长而下降。②实时性高，当发现有异常情况时就应该能及时响应。③如果有异常时系统可以按照预先设定的步骤进行精确执行，而不会因意外发生而导致安排混乱。④系统报警精度高，系统不仅能及时发现异常，也应该使用高级智能算法对目前的情况进行及时准确的预测，以此来得到潜在的危害事件，从而减少漏报误报的概率，并及时通知相应人员作出处理。⑤有效扩展的资源用途。因此，将智能化彻底落实是安防的最终目的，作为一个挑战与机遇并存的新兴研究领域，智能视频监控对人们生活水平、国防实力都有很强的学术价值和现实意义。
二、智能视频监控系统的发展方向
虽然就目前来看，对智能视频监控系统的研究已经取得了一定成果，但仍存在一些问题，需要加大研究。
期刊文章分类查询,尽在期刊图书馆
1.运动分割
快速准确的运动分割是个相当重要但又比较困难的问题。这是由于动态环境中捕捉的图像受到多方面的影响，比如天气的变化、光照条件的变化、背景的混乱千扰、运动目标的影子、物体与环境之间或者物体与物体之间的遮挡、以及摄像机的运动等，这些都给准确有效的运动分割带来了困难。就以运动目标的影子为例，它可能与被检测的目标相连，也可能与目标分离。在前者情况下，影子扭曲了目标的形状，从而使得以后基于形状的识别方法不再可靠；在后者情况下，影子有可能被误认为是场景中的目标。尽管目前图像运动分割主要利用背景减除方法，但如何建立对于任何复杂环境的动态变化均具有自适应性的背景模型仍是相当困难的问题。一个可喜的发展是，一些研究者们正利用时空统计的方法构建自适应的背景模型。对于不受限环境中的运动分割而言，这也许是个更好的选择。
2.遮挡处理
目前，大部分运动分析系统都不能很好地解决目标之间互遮挡和人体自遮挡问题，尤其是在拥挤状态下，多目标检测和跟踪问题更是难于处理。在发生遮挡时，目标只有部分是可见的，而且这个过程一般是不可训练的。此时简单依赖于背景减除进行运动分割的技术将不再可靠。为了减少遮挡或深度所带来的歧义性问题，必须开发更好的模型来处理遮挡时特征与目标部分之间的准确对应问题。另外，遮挡前后的跟踪初始化也缺少自举方法。目前比较有效的方法是利用统计方法从可获得的图像信息中进行目标姿势、位置等的预测。不过，对于解决遮挡问题最有实际意义的潜在方法应该是基于多摄像机的跟踪系统。
3.三维建模与跟踪
二维跟踪方法在早期的运动分析中还是卓有成效的，尤其是对部分不需要精确姿势恢复或低图像分辨率的应用场合。二维跟踪有的优点是简单快速，缺点则是受摄像机角度限制。而三维方法优点体现在不受限的复杂的运动判断、更加准确的物理空间的表达、遮挡的准确预测和处理等方面；它能够提供更有意义的与身体姿势直接相关的可视化特征应用于行为识别；除此之外，三维恢复对于虚拟现实中的应用也是必要的。目前基于视觉的三维跟踪研究仍相当有限，三维姿势恢复的实例也很少，且大部分系统由于要求鲁棒性而引入了简化的约束条件。三维跟踪也导致了从图像中目标模型的获取、遮挡处理、参数化建模、摄像机的标定等一系列难题。以建模为例，模型通常使用许多形状参数表达。过去的一些工作几乎都假设3D模型依据先验条件而提前被指定，实际上这些形状参数应当从图像中估计出来。总之，3D建模与跟踪在未来工作中应值得更多的关注。
4.性能评估
一般而言，鲁棒性、准确度和速度是运动分析系统的三个基本要求，选择有效的工作方案，提高系统性能、降低计算代价是特别值得研究的问题。除此之外，如何利用来自不同用户、不同环境、不同实验条件的大量数据测试系统的实时性、鲁棒性也是十分重要的。
结语：随着大数据时代得到来，计算机的功能也随之变得愈来愈强，智能视频监控系统涉及到计算机科学、机器视觉、图像工程、入工智能等多学科，它的最终目的是要对目标定位、识别、分类、跟踪的基础上分析、判断、理解目标的行为，鉴于此，对该领域的研究也就显越来越，对该领域的研究需要有长时期的知识积累。从当前的大背景来看，要在计算机领域实现具有使用意义的视频监控系统还有很长的路要走，需要技术人员加大研究力度，克服技术难题。
参考文献：
[1]李重.数字视频监控系统的设计与实现[J].新媒体研究.2015（15）
[2]姚力.网络视频监控系统结构研究[J].信息记录材料.2018（04）
[3]费向斌.对高校数字视频监控系统设计与应用的探究[J].电脑迷.2018（06）
论文作者:李宝泉
论文发表刊物:《电力设备》2018年第28期
论文发表时间:2019/3/20
标签：监控系统论文; 目标论文; 智能论文; 遮挡论文; 视频论文; 图像论文; 方法论文; 《电力设备》2018年第28期论文;