智能监控创新发展 中低端市场应用待开发
2013/12/2 10:03   中国安防展览网      关键字:智能视频分析      浏览量:
智能视频分析的需求是在视频监控水平发展到一定阶段后必然的产物,它能很好地缓解传统视频监控中海量信息冗余的问题。智能视频分析产品价格昂贵,无法亲民。厂商在研发过程中,要根据实际情况着力提高智能视频分析算法性能,在提高实时性、可靠性同时降低系统误报、漏报概率,同时提高智能视频分析产品的性价比。

据了解,不同的行业对于视频监控的需求一般有着非常明显的差异,特别是对于智能视频分析技术的应用需求,由此也决定了不同行业间检测行为类型与异常事件的特殊性。智能视频分析的需求是在视频监控水平发展到一定阶段后必然的产物,它能很好地缓解传统视频监控中海量信息冗余的问题。虽然经过几年的发展,但现阶段,无论是智能视频分析的技术与应用,还是市场环境都还处于成长阶段,需要在不断地实践中探索中前进。

智能视频分析系统功能细分

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。

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。

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。

智能监控产品和市场粗放发展

视频监控系统的应用建设总体存在仍然处于粗放型的规模扩张阶段,很多人更关注的仍然是“监控覆盖率”,智能视频分析产品开发缺乏有效的机制,应用方向的投入明显不足。

智能视频分析产品研发缺乏适用性,一方面,大部分安防用户没有认真梳理应用需求,对产品的要求没有很清晰的概念。另一方面,企业产品研发部门缺乏对用户和行业的深入理解,导致智能视频分析产品功能千遍一律,缺乏针对性。同时大部分厂商和集成商没有充分发挥产品研发与用户之间的桥梁作用,夸大智能视频分析产品功能的行为比比皆是,严重损伤了智能视频分析产品的市场形象。

另外,缺乏权威标准认证体系,用户对产品性能无法有效度量、把控,严重影响用户对安防智能视频分析应用的信心。智能视频分析产品价格昂贵,无法亲民。一套智能视频分析系统融合多种模式,要检测出多种行为必须在内部建立不同的算法,需要有专门的科研人员进行算法软件编制,而在安装过程中需要由专业的技术人员进行调试,以致成本过高。

正是由于价格的居高不下,国内的普通用户消费水平无法达到,使得智能视频分析产品只能在高端领域中应用,难以“飞入寻常百姓家”。

智能监控产品创新发展

厂商在研发过程中,要根据实际情况着力提高智能视频分析算法性能,在提高实时性、可靠性同时降低系统误报、漏报概率,同时提高智能视频分析产品的性价比。更重要的是,通过安防用户共享知识产权、研究成果等方式有效降系统建设成本,充分调动安防用户使用积极性,加快推动安防智能视频分析应用推广。

此外,安防市场管理部门要加快制定标准和规范助推智能视频分析的发展。牵头加快推进安防智能视频分析应用产品标准体系架构研究,从基本功能和总体技术性能要求、检测认证方法等方面编制相应的技术标准,或者通过组建“智能视频分析产品认证检测中心”等相关认证机构,提高智能视频分析性能鉴定的权威性和可操作性,在此基础上进一步完善市场准入、日常监管制度,营造规范、有序的市场环境,为安防智能视频分析应用推广“保驾护航”。

未来仍需提高的部分

虽然智能视频分析技术已得到快速发展,但是实施到具体的应用,还有许多复杂的技术问题。

无法完全消除误报的影响。例如运动目标识别中的背景建模技术,在控制漏报数量的同时,还不能完全的删除误报。在以目标识别为技术基础的周界防范产品中,误报的数量一直是反映该产品优劣的一大指标。而误报的数量是由背景模型与实际使用情况之间的差距造成的。模型的适应能力越强,造成的误报越少,背后要求的技术也越高。影响背景模型建立的因数很多,例如空旷的柏油马路和边上有树木的围墙,6m高的摄像机与2m高的摄像机所拍摄的画面就需要不同的背景模型,白天和黑夜的状态需要的模型也不同。目前,行业中还没有开发出一种可以涵盖所有使用情况的背景模型来,也无法完全的解决随机事件的影响,如在黑夜环境下车灯造成的误报。

不具备行为的判断能力。例如周界防范,机器中行为分析的区域入侵功能能够发现活动目标,并可以在这些活动目标中利用技术手段把用户希望的目标(例如人体)提取出来。但是再进一步,这个闯入者的动机是什么,是偶尔路过,还是故意闯入,是否有意的往警戒区域内探望,这些都无法靠机器来识别。毕竟智能视频分析还只是一系列设定好的数学公式与程序,远没有达到人的判断能力。

特征识别技术对画面要求高。对于基于特征识别的分析技术,对于图像的要求比较高。除了画面本身清晰度外,也需要清楚的展示目标物体的特征,目前计算机的识别能力大大低于人类对物体特征的识别能力,不同的光照条件和拍摄角度,都将改变计算机所看到的特征。因此,对摄像机的安装以及周围环境的要求比较高。例如车牌识别的产品,对车牌在画面中呈现的角度,像素大小都有比较严格的要求,这些高要求限制了该类产品的实施与应用。

CPU的处理能力仍然是瓶颈。要满足实际复杂的应用环境就需要越加复杂的算法,随之带来了巨大的计算量,目前DSP芯片的能力有限,已经不能满足某些复杂算法的需要。因此,难以开发相应高级功能的嵌入式产品,这也增加了很多产品的施工难度与实际推广的阻力。

总体而言,智能视频分析技术也如计算机一样,对于传统的手段是智能的,但是对于人的智慧来说,还处于低级的阶段。

微信扫描二维码,关注公众号。