技术动态 > 正文
智能分析解放人工 受环境影响仍需突破
2014/9/28 14:19   中国安防展览网      关键字:智能分析,环境,技术      浏览量:
智能分析技术是如何做到的?一方面高清摄像机的普及,视频信息质量更加优良;另一方面,智能分析的水平已经相当的高,对物品的识别和分离、对人脸的识别、对颜色文字数字的识别、对物体变化的分析甚至还有暴力行为的监测。
    在智慧城市、平安城市大的发展潮流下,人们对于自己居住的环境要求也逐渐提升,不少消费者开始关注家庭级安防产品,一方面是应对用户日渐苛刻的需求,而另一方面也是减少人工支出成本,安防监控领域逐渐向智能化转变。当越来越多的地方普及监控设施,越来越多的地方普及高清监控,随之而来的就是海量数据信息及复杂的视频检索。
  一、解决冗余数据问题,智能分析应用而生
  视频智能分析的初衷就是要解决冗余数据的问题,把人从枯燥的监控中解放出来,帮助人更好的眼观六路。所谓智能的核心就是目标识别和行为分析,按照应用的要求设定规则,当视频中的信息符合规则时才进行告警和记录,常见的应用包括入侵检测、周界告警、车辆识别、交通违法监控等。
  智能分析技术是如何做到的?一方面高清摄像机的普及,视频信息质量更加优良;另一方面,智能分析的水平已经相当的高,对物品的识别和分离、对人脸的识别、对颜色文字数字的识别、对物体变化的分析甚至还有暴力行为的监测。
  具体的,智能视频分析技术主要是通过核心算法来实现的。这些核心算法包括:
  (一)将人类行为进行建模的虚拟现实的技术;
  (二)3D建模技术,通过对摄像机场景的实际参照标定构建场景的三维模型,从而能够准确计算出场景中任意物体的高度及任意两点之间的距离,为威胁目标分析提供准确的依据;
  (三)基于对象的标签分类,能够准确区分人、交通工具和其他对象;
  (四)基于环境变化的自学习自适应,理解和鉴别行为模式,自学习自适应环境,内置多种环境模型(街道、围墙、水面、雨雪雾天气等等),能够根据环境的变化自动调节;
  (五)自检测自保护,在环境能见度低、视场受阻、摄像机角度偏移、视频信号故障、低信号或无信号等异常情况时,立即发出报警;
  (六)敏感度自适应,根据场景环境持续自学习和自调节参数,确保外部敏感度自适应能力达到7×24全天候(在各种恶劣环境和照明条件下提供高可靠性的检测,无需外部人工干预调节)。
  二、环境影响,智能分析技术如何突破
  尽管智能分析技术目前有很大的突破,但是在实际应用中仍然受到多方面环境的阻碍,光照变化、目标运动复杂性、遮挡、目标与背景颜色相似、背景杂乱等都会增加智能分析算法设计的难度。当应用环境背景复杂,光照变化引起目标颜色与背景颜色的变化时,分析软件可能造成虚假检测与错误跟踪,这种光照变化对算法的影响是无法完全消除的。此外,当视频图像中运动目标被部分或完全遮挡,又或是多个目标相互遮挡时,目标信息的缺失会影响智能分析软件在分析跟踪时的稳定性。目前的智能分析系统一方面要保证大量信息分析跟踪的实时性,选择计算量小的分析算法,同时为了使分析算法对复杂背景、光照变化和遮挡等情况有较强的适应性,则要选择复杂的分析运算方式,而若要同时满足两者,存在一定困难。
  由此,当智能分析技术应用在各个行业时,若能进行应用环境的区分和运算方法的简化,实现单一应用,为每个行业进行特定开发,并嵌入专门的算法,或只针对某一种或简单几种事件进行分析,比如重要出入口的人员跟踪,系统只需嵌入分析及跟踪算法等,则会简化智能分析技术的运算方式,而智能分析技术也会更贴合行业需求特点,进行更为精准的分析运算。
  智能分析技术的行业化开发需求一方面来源于行业发展与技术限制,同时,更大程度上取决于实际应用效果的真实反馈。目前智能分析技术有行为分析、特征识别、视频诊断、分类统计等,而不同行业智能视频分析技术应用的侧重点也有不同。如监狱内的智能分析系统主要是越界检测、区域内徘徊事件检测、异常行为识别等,其主要是为防止服刑人员越狱和群殴事件的发生,并维护周界安全等。而对于道路交通高速公路等行业的应用需求,则主要是违章检测、车流统计、逆向行驶、车牌识别、交通事件检测等。对于机场、车站等人员流动性比较大的公共场所来说,为防止危险物品的爆炸和可疑人员犯罪等行为的发生,其对于遗弃物检测和徘徊检测的需求更为突出。
  目前智能分析技术主要受到应用环境的影响,使得很多功能在实际应用中不是很理想。目前最常见的行为分析功能,如跨线报警、区域入侵检测以及人员聚集、徘徊、打架等,受到应用环境的影响非常严重,常常在实际应用中达不到预期目的。误报或者漏报还是偏高。而且,很多深层次的应用单纯从视频中提取的信息量还是不够,判断准确性达不到要求。不过,大家对于智能监控未来的前景还是很看好的,监控系统每年还在加大建设,光靠人已经无法很好的处理成千上万的监控摄像头所产生的海量数据了,对视频数据的智能化分析和深入应用是必然的趋势。现在智能应用已经到了行业细分阶段,经过实际的项目模式,已经提炼出一些适合做智能分析的行业和场景,进行深入的算法研究,很多产品已经能够达到实际使用,解决客户问题的目的。而且随着视频分析技术的不断成熟,对很多复杂的场景也能够进行比较精确的分析。
  IVS的前景十分美好,但仍面临漫长的探索路程。智能视频监控和普通视频监控本质的区别在于:普通监控视频只是帮助我们“看”;而智能视频监控不仅要“看”,而且能“看见”、能“理解”,能够搜寻目标,分析视频内容,处理视频监控的结果。
  这样的目标在技术实现上有很大难度,首先面临的问题是图像分割:把关注的目标从图像中分离出来。这是一个基本和图像处理同时诞生的老问题,但至今仍得不到很好的解决。在图像分割领域,各种方法层出不穷,基本是一个问题一种方法,或多种方法,但结果仍差强人意。
  除图像分割外仍有接踵而至的难题,如特征提取、目标匹配、目标描述、目标跟踪、多摄像机协同等。这些问题正是当前图像处理、视频分析的热点问题,虽然已取得一些成果,但距离人们的期望还相当遥远。总体上说,智能化是视频监控的亮点,但同时又是视频监控技术的关键和难点。智能视频监控技术的研究和应用仍处在萌芽状态,刚刚步入初级阶段。

微信扫描二维码,关注公众号。