視頻智能分析詳細(xì)說(shuō)明

智能視頻處理成為視頻監(jiān)控的“救命稻草”

智能視頻源自計(jì)算機(jī)視覺(jué)技術(shù)，計(jì)算機(jī)視覺(jué)技術(shù)是人工智能研究的分支之一，它能夠在圖像及圖像內(nèi)容描述之間建立映射關(guān)系，從而使計(jì)算機(jī)能夠通過(guò)數(shù)字圖像處理和分析來(lái)有限理解視頻畫(huà)面中的內(nèi)容。運(yùn)用智能視頻分析技術(shù)，當(dāng)系統(tǒng)發(fā)現(xiàn)符合某種規(guī)則的行為（如定向運(yùn)動(dòng)、越界、游蕩、遺留等）發(fā)生時(shí)，自動(dòng)向監(jiān)控系統(tǒng)發(fā)出報(bào)警信號(hào)（如聲光報(bào)警），提示相關(guān)工作人員及時(shí)處理可疑事件。

智能視頻算法的實(shí)現(xiàn)

智能視頻技術(shù)實(shí)現(xiàn)對(duì)移動(dòng)目標(biāo)的實(shí)時(shí)檢測(cè)、識(shí)別、分類以及多目標(biāo)跟蹤等功能的主要算法分為以下五類：目標(biāo)檢測(cè)、目標(biāo)跟蹤、目標(biāo)識(shí)別、行為分析、基于內(nèi)容的視頻檢索和數(shù)據(jù)融合等。

視頻檢索目標(biāo)檢測(cè)

目標(biāo)檢測(cè)（Object Detection）是按一定時(shí)間間隔從視頻圖像中抽取像素，采用軟件技術(shù)來(lái)分析數(shù)字化的像素，將運(yùn)動(dòng)物體從視頻序列中分離出來(lái)。運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)是智能化分析的基礎(chǔ)。常用的目標(biāo)檢測(cè)技術(shù)可以分為背景減除法（Background Subtraction）、時(shí)間差分法（Temporal Difference）和光流法（Optic Flow）三類。

背景減除法利用當(dāng)前圖像與背景圖像的差分檢測(cè)運(yùn)動(dòng)區(qū)域。背景減除法假設(shè)視頻場(chǎng)景中有一個(gè)背景，而背景和前景并未給出嚴(yán)格定義，背景在實(shí)際使用中是變化的，所以背景建模是背景減除法中非常關(guān)鍵的一步。常用的背景建模方法有時(shí)間平均法、自適應(yīng)更新法、高斯模型等。背景減除法能夠提供相對(duì)來(lái)說(shuō)比較完全的運(yùn)動(dòng)目標(biāo)特征數(shù)據(jù)，但對(duì)于動(dòng)態(tài)場(chǎng)景的變化，如光線照射情況、攝像機(jī)抖動(dòng)和外來(lái)無(wú)關(guān)事件的干擾特別敏感。

時(shí)間差分法充分利用了視頻圖像的時(shí)域特征，利用相鄰幀圖像的相減來(lái)提取出前景移動(dòng)目標(biāo)的信息。該方法對(duì)于動(dòng)態(tài)環(huán)境具有較強(qiáng)的自適應(yīng)性，不對(duì)場(chǎng)景做任何假設(shè)，但一般不能完全提取出所有相關(guān)的特征像素點(diǎn)，在運(yùn)動(dòng)實(shí)體內(nèi)部容易產(chǎn)生空洞現(xiàn)象，只能夠檢測(cè)到目標(biāo)的邊緣。當(dāng)運(yùn)動(dòng)目標(biāo)停止時(shí)，一般時(shí)間差分法便失效。 光流法通過(guò)比較連續(xù)幀為每個(gè)圖像中的像素賦予一個(gè)運(yùn)動(dòng)矢量從而分割出運(yùn)動(dòng)物體。

光流法能夠在攝像機(jī)運(yùn)動(dòng)的情況下檢測(cè)出獨(dú)立的運(yùn)動(dòng)目標(biāo)，然而光流法運(yùn)算復(fù)雜度高并且對(duì)噪聲很敏感，所以在沒(méi)有專門硬件支持下很難用于實(shí)時(shí)視頻流檢測(cè)中。

視頻檢索目標(biāo)跟蹤

目標(biāo)跟蹤（Object Tracking）算法根據(jù)不同的分類標(biāo)準(zhǔn)，有著以下兩種分類方法：根據(jù)目標(biāo)跟蹤與目標(biāo)檢測(cè)的時(shí)間關(guān)系分類和根據(jù)目標(biāo)跟蹤的策略分類。 根據(jù)目標(biāo)跟蹤與目標(biāo)檢測(cè)的時(shí)間關(guān)系的分類有三種：

一是先檢測(cè)后跟蹤(Detect before Track)，先檢測(cè)每幀圖像上的目標(biāo)，然后將前后兩幀圖像上目標(biāo)進(jìn)行匹配，從而達(dá)到跟蹤的目的。這種方法可以借助很多圖像處理和數(shù)據(jù)處理的現(xiàn)有技術(shù)，但是檢測(cè)過(guò)程沒(méi)有充分利用跟蹤過(guò)程提供的信息。

二是先跟蹤后檢測(cè)(Track before Detect)，先對(duì)目標(biāo)下一幀所在的位置及其狀態(tài)進(jìn)行預(yù)測(cè)或假設(shè)，然后根據(jù)檢測(cè)結(jié)果來(lái)矯正預(yù)測(cè)值。這一思路面臨的難點(diǎn)是事先要知道目標(biāo)的運(yùn)動(dòng)特性和規(guī)律。三是邊檢測(cè)邊跟蹤(Track while Detect)，圖像序列中目標(biāo)的檢測(cè)和跟蹤相結(jié)合，檢測(cè)要利用跟蹤來(lái)提供處理的對(duì)象區(qū)域，跟蹤要利用檢測(cè)來(lái)提供目標(biāo)狀態(tài)的觀察數(shù)據(jù)。

根據(jù)目標(biāo)跟蹤的策略來(lái)分類，通?？煞譃?D方法和2D方法。相對(duì)3D方法而言，2D方法速度較快，但對(duì)于遮擋問(wèn)題難以處理?；谶\(yùn)動(dòng)估計(jì)的跟蹤是最常用的方法之一。

視頻檢索目標(biāo)識(shí)別

目標(biāo)識(shí)別（Object Recognize）利用物體顏色、速度、形狀、尺寸等信息進(jìn)行判別，區(qū)分人、交通工具和其他對(duì)象。目標(biāo)識(shí)別常用人臉識(shí)別和車輛識(shí)別。

視頻人臉識(shí)別的通常分為四個(gè)步驟：人臉檢測(cè)、人臉跟蹤、特征提取和比對(duì)。人臉檢測(cè)指在動(dòng)態(tài)的場(chǎng)景與復(fù)雜的背景中判斷是否存在面像，并分離出這種面像。人臉跟蹤指對(duì)被檢測(cè)到的面貌進(jìn)行動(dòng)態(tài)目標(biāo)跟蹤。常用方法有基于模型的方法、基于運(yùn)動(dòng)與模型相結(jié)合的方法、膚色模型法等。

人臉特征提取方法歸納起來(lái)分為三類：第一類是基于邊緣、直線和曲線的基本方法；第二類是基于特征模板的方法；第三類是考慮各種特征之間幾何關(guān)系的結(jié)構(gòu)匹配法。單一基于局部特征的提取方法在處理閉眼、眼鏡和張嘴等情景時(shí)遇到困難，相對(duì)而言，基于整體特征統(tǒng)計(jì)的方法對(duì)于圖像亮度和特征形變的魯棒性更強(qiáng)。人臉比對(duì)是將抽取出的人臉特征與面像庫(kù)中的特征進(jìn)行比對(duì)，并找出最佳的匹配對(duì)象。

車輛識(shí)別主要分為車牌照識(shí)別、車型識(shí)別和車輛顏色識(shí)別等，應(yīng)用最廣泛和技術(shù)較成熟的是車牌照識(shí)別。 車牌照識(shí)別的步驟分別為：車牌定位、車牌字符分割、車牌字符特征提取和車牌字符識(shí)別。

車牌定位是指從車牌圖像中找到車牌區(qū)域并把其分離出來(lái)。字符分割是將漢字、英文字母和數(shù)字字符從牌照中提取出來(lái)。車牌特征提取的基本任務(wù)是從眾多特征中找出最有效的特征，常用的方法有逐像素特征提取法、骨架特征提取法、垂直水平方向數(shù)據(jù)統(tǒng)計(jì)特征提取法、特征點(diǎn)提取法和基于統(tǒng)計(jì)特征的提取法。車牌字符識(shí)別可以使用貝葉斯分離器、支持向量機(jī)(SVM)和神經(jīng)網(wǎng)絡(luò)分類器(NNC)等算法。

視頻檢索行為分析

行為分析(Behavior Analysis)是指在目標(biāo)檢測(cè)、跟蹤和識(shí)別的基礎(chǔ)上，對(duì)其行為進(jìn)行更高層次的語(yǔ)義分析。現(xiàn)有的行為分析技術(shù)根據(jù)分析的細(xì)節(jié)程度和對(duì)分析結(jié)果的判別要求可以分為三類：第一類使用了大量的細(xì)節(jié)，并往往使用已經(jīng)建立好的數(shù)據(jù)進(jìn)行分析而較少使用目標(biāo)的時(shí)域信息?；谌四?、手勢(shì)、步態(tài)的行為分析方法屬于這一類；第二類是將目標(biāo)作為一個(gè)整體，使用目標(biāo)跟蹤的算法來(lái)分析其運(yùn)動(dòng)軌跡以及該目標(biāo)與其它目標(biāo)的交互；第三類是在前兩類的基礎(chǔ)上做一個(gè)折中，它使用時(shí)域和空域的信息，分析目標(biāo)各部分的運(yùn)動(dòng)。

視頻檢索圖像檢索

基于內(nèi)容的圖像檢索技術(shù)是由用戶提交檢索樣本，系統(tǒng)根據(jù)樣本對(duì)象的底層物理特征生成特征集，然后在視頻庫(kù)中進(jìn)行相似性匹配，得到檢索結(jié)果的過(guò)程?，F(xiàn)有基于內(nèi)容的檢索方法主要分為：基于顏色的檢索方法、基于形狀的檢索方法和基于紋理的檢索方法等。數(shù)據(jù)融合是將來(lái)自不同視頻源的數(shù)據(jù)進(jìn)行整合，以獲得更豐富的數(shù)據(jù)分析結(jié)果。

視頻分析技術(shù)來(lái)源

視頻分析其實(shí)是仿生學(xué)的一個(gè)分支，也是人工智能的一個(gè)分支。仿生學(xué)技術(shù)，就意味著要模仿生物的方法去實(shí)現(xiàn)一定的功能，那么這種生物的弱點(diǎn)也就全部引進(jìn)；既然是人工智能，就必然意味著是根據(jù)統(tǒng)計(jì)得出結(jié)果的方法，這里面沒(méi)有捷徑可言，只能踏踏實(shí)實(shí)的慢慢改進(jìn)，不斷的根據(jù)更多的樣本改進(jìn)。

視頻分析根據(jù)人眼的生物特性來(lái)建立一個(gè)基本的運(yùn)行思路，即采集、預(yù)處理、處理、動(dòng)作。人眼睛作為傳感器，實(shí)時(shí)、真實(shí)的將圖像反映到大腦中，這時(shí)候人眼生成的圖像是一種復(fù)合的圖像，即將清晰的焦距成像（眼睛中心）和旁邊的稍虛的圖像合成，傳送給大腦。而大腦并不是對(duì)所有的圖像做全部實(shí)時(shí)分析，而是先采用多層分級(jí)的處理過(guò)程，首先將背景、緩慢移動(dòng)、距離最近的目標(biāo)的分辨率最低化，其意義就是忽略了很多細(xì)節(jié)，比如你可能只關(guān)心是個(gè)男人還是女人，他、她的外形、高矮、胖瘦、衣服顏色等，而不是首先關(guān)心他、她的長(zhǎng)相細(xì)節(jié)，這就是所謂的熟視無(wú)睹。然后對(duì)于某些突出的細(xì)節(jié)（感興趣的區(qū)域）在進(jìn)行二次分析，獲得細(xì)節(jié)的東西，然后根據(jù)平生所學(xué)的規(guī)則，進(jìn)行判斷，作出動(dòng)作。