在視頻監控飛速發展的今天，海量視頻畫面已經大大超過了人力有效處理的范圍。而智能視頻分析技術極大地發揮與拓展了視頻監控系統的作用與能力，使監控系統具有更高的智能化，大幅度降低資源與人員配置，全面提升安全防范工作的效率。目前已廣泛應用于平安城市、智能交通、金融行業、政法監管、商業等領域。

視頻監控海量存儲時代 智能分析才是未來

智能視頻分析技術是計算機視覺技術在安防領域應用的一個分支，是一種基于目標行為的智能監控技術。它能夠在圖像或圖像序列與事件描述之間建立映射關系，從而使計算機從紛繁的視頻圖像中分辯、識別出關鍵目標的行為，過濾用戶不關心的信息，其實質是自動分析和抽取視頻源中的關鍵信息。

1.智能分析類別

按照智能分析算法實現的方式進行區分，可以概括為以下幾種類型的智能分析：

識別類分析：該項技術偏向于對靜態場景的分析處理，通過圖像識別、圖像比對及模式匹配等核心技術，實現對人、車、物等相關特征信息的提取與分析。如人臉識別技術、車牌識別技術及照片比對技術等。

行為類分析：該項技術側重于對動態場景的分析處理，典型的功能有車輛逆行及相關交通違章檢測、防區入侵檢測、圍墻翻越檢測、絆線穿越檢測、物品偷盜檢測、客流統計等。

圖像檢索類分析：該技術能按照所定義的規則或要求，對歷史存儲視頻數據進行快速比對，把符合規則或要求的視頻濃縮、集中或剪切到一起，這樣就能快速檢索到目標視頻。

圖像處理類分析：主要是對圖像整體進行分析判斷及優化處理以達到更好的效果或者將不清楚的內容通過算法計算處理達到看得清的效果。如目前的視頻增強技術(去噪、去霧、銳化、加亮等)、視頻復原技術(去模糊、畸變矯正等)。

診斷類分析:該項分析主要是針對視頻圖像出現的雪花、滾屏、模糊、偏色、增益失衡、云臺PTZ失控、畫面凍結等常見的攝像頭故障進行準確分析、判斷和報警，如視頻質量診斷技術。

非壓縮與壓縮視頻智能分析：絕大多數的智能視頻分析算法是基于非壓縮圖像格式，如RGB或者YUV，所以圖像信號在被采集以后不經過壓縮直接送給視頻分析單元。幾乎所有的視頻分析系統都自帶有圖像采集功能，通常是通過BNC輸入模擬圖像信號。新部署的圖像監控系統中圖像信號通常是以H.264壓縮圖像流的形式存在。IPC通常也直接輸出壓縮圖像流，這就要求必須將圖像流解壓還原成原始圖像格式后再進行分析(前端智能可以直接使用YUV進行分析)，常用的壓縮格式都不是無損(lossless)壓縮。和壓縮前的原始圖像相比，解壓后的圖像會損失掉一些信息，不過由于壓縮算法的特點，丟失的信息通常是高頻的噪聲信號，所以對運動檢測的影響是較小的。當然前提是壓縮流有足夠的帶寬，如果壓縮比太高，圖像會出現“馬賽克”效應，給視頻分析增加難度。

2.智能視頻分析的應用場景

(1)金融安保應用場景

視頻智能分析在金融系統應用比較廣泛，成熟度較好，普及率僅次于平安城市應用，基于視頻智能分析的銀行安保系統是每個銀行(儲蓄所，ATM機)的必備系統。

主要包括以下檢測：人臉檢測：人臉檢測抓怕，用于人臉疊加、比對;多人臉監測，用于ATM機取款檢測;臉部遮擋監測，用于盜搶等監測；滯留物檢測：取款人遺留物檢測、加裝讀卡器、非法粘貼廣告；異常行為監測：徘徊、扭打、人員接近、長時間逗留；視頻異常檢測：視頻遮擋、視頻丟失監測，防止出現視頻存儲丟失，需要時無法檢索安保視頻。

(2)交通行業智能分析場景

實時提取各個城市路口監控視頻中的車牌、車型、車標、顏色、駕駛者人臉等信息，通過分布式計算集群對大量車輛信息進行關聯挖掘，即可生成整個城市交通狀態的可視化網圖，如道路擁堵情況，易于擁堵的時段、趨勢，以及不同區域的車輛遷移路線，甚至根據時間、天氣、節假日情況等信息預測交通狀況，從而為城市交通決策、應急指揮提供精準、實時的參考數據和信息支撐。

車牌識別：技術和應用已經比較成熟，準確率較高，用戶體驗已很好；擁堵檢測：車速、車密度、排隊長度、逆行、行人檢測，交通事故檢測拋，灑檢測，車型、駕駛員檢測。

(3)群體事件分析

對人群等目標的正常行為和異常行為進行分析。能夠對區域或場景中群體的行為進行分析，如統計穿越出入口或指定區域人的數量和密度，識別人群的整體運動特征，包括速度、方向等;檢測公共場所是否有人員的聚集(規模)、奔跑、斗毆等異常行為，提前預警防止踩踏等惡性事件的發生。

智能分析面臨的問題及未來發展趨勢

1. 智能分析技術的難點

智能分析的準確率、智能分析對環境的適應性及不同場景使用的復雜性。(1)檢測準確率達不到理想效果。視頻分析技術的準確率達不到非常理想的效果，特別是實時報警類的應用，誤報率和漏報率都是客戶最關心的問題。如果誤報太高，客戶也接受不了，如果漏報，客戶更加接受不了。特別是一些要求比較高的應用，只要有漏報，實際作用就微乎其微。(2)智能分析對場景的要求較高，光照變化引起目標顏色與背景顏色的變化，可能造成虛假檢測與錯誤跟蹤。采用不同的色彩空間可以減輕光照變化對算法的影響，但無法完全消除其影響。(3)安裝調試復雜。智能分析應用產品幾乎都需要按每一個應用場景進行不同的參數調試，而且會涉及到非常多的專業的參數調試。非專業人員根本無法調試出理想效果。

2. 大數據與智能分析的融合

大數據與視頻監控具有天然的聯系，據統計，每天全國新產生的視頻數據達PB級別(PB=1024T)，占全部大數據份額的50%以上，因此視頻就是大數據。在安防領域，主要的數據來源是視頻，與其他行業結構化的數據不一樣，視頻本身就是一種非結構化的數據，不能直接被計算機進行處理或分析。因此，安防要進行大數據應用，首先就要采用智能分析技術將非結構化的視頻數據轉換成計算機能夠識別和處理的結構化信息，即將視頻中包含的各種信息(主要是運動目標及其特征)提取出來轉成文字描述并與視頻幀建立索引關聯，這樣才能通過計算機來對這些視頻進行快速搜索、比對、分析等。

綜上分析，智能分析具有如下發展趨勢：(1)算法準確率和環境適應性不斷提高，特別是機器學習、人工智能等技術的不斷進步，促進智能分析應用的大規模部署。(2)前端智能不斷發展，各種SMART IPC不斷涌現，包括專注某幾種智能分析算法的專用IPC。(3)智能分析與云計算、大數據的融合應用將越來越多。

結束語

目前，視頻的高清化已經成為現實，制約智能分析分辨率的障礙已經消除，未來基于智能分析技術的安防應用將會是安防發展的一個大方向。給視頻裝上大腦，實時看得懂視頻、快速檢索歷史視頻成為新常態。傳統的視頻監控系統將會因為智能分析技術的大規模應用，逐步向智能大數據綜合應用系統發展。

來源：環境監控系統 機房動力環境監控系統 http://m.scdprobes.com/solution/  本文采集于網絡，如有問題有聯系刪除