传统的视频监控系统通常是通过人员监控和录像来实现安全防护，实际上并不能主动有效地保障安全，尤其是监控点过多的时候，人员监控根本无法顾及所有监控场景;同时，监控人员的注意力很难保证二十四小时都能准确高效地监控所有监控场景;此外，"被动录像"通常只能在“事件”发生之后通过调用录像进行回放取证，一方面损失已经产生不可能挽回，另一方面，通过人工回放录像取证的方式效率十分低下。

　　智能分析视频监控则可以有效地解决以上问题。智能监控的主要特征是采用计算机视觉方式，在几乎不需要人为干预的情况下，通过对摄像机拍录的图像序列进行定位、识别和跟踪，并在此基础上分析和判断目标的行为，从而做到既能完成日常管理又能在异常情况发生的时候及时作出反应。从另外一个方面来看，随着高清的逐步普及以及超高清技术的来临，视频监控包含的内容越来越多，这从客观上决定需要借助智能分析来完成人员无法触及的领域。

    一、高清视频监控下的智能分析技术

　　如果说在CIF、D1的时代，用户只是满足于看得见、存得下、可管理的技术水平的话，那么随着高清技术日渐普及，用户对于画质和画面内容提出了前所未有的高要求。高清对用户来说不只是意味着分辨率的提高、编解码能力的增强，更需要对画面内容进行深入处理，能够协助用户获得更多的有效信息。

　　视频监控高清化对提高智能分析技术的准确率将会有实质性的帮助，但是高清意味着对系统处理资源的高需求，这对智能分析技术的处理能力也提出了很高的要求。一方面，在前端和后台都需要产业链上游提供性能更高、更优化的处理器技术，提供更强大的运算能力；另一方面，需要智能分析技术实现更高的计算效率和更好的计算策略以降低系统的计算负荷。

　　在高清时代来临时，智能分析技术需要扩大自己的技术涵盖范围，一是在系统集成方面，与网络化的联动、控制、指挥结合更紧密；二是在处理技术方面，更多地与画质处理技术结合，通过更高质量的画面内容来提高准确率；三是在产品形态方面，提供从标清到高清，从前端到编码器、传输层、中心设备、显示设备的不同应用产品，使用户在设计解决方案时有更加丰富、灵活的选择。

　　在基础的智能监控需求已经得到满足的情况下，市场不再满足于现有的智能化技术种类，而是寻求更新的算法、更丰富的业务应用，力求实现在应用的广度、深度上的突破。下面是几种具有代表性的新技术：

　　（一）提升视觉感官体验的图像增强技术

　　监控系统面临的重要问题是常常受到各种干扰因素的影响，使得系统不能在全天候、全天时下运行，系统的可靠度低，LCC值不经济。这些干扰因素主要包括白天环境下的泛光、逆光及夜晚的低照度环境，雾、灰霾等大气散射造成的环境干扰，降雨、降雪、沙尘等气象条件的影响。

　　图像增强技术主要是通过算法对视频源进行视觉改善处理，有效改善画质，提高图像的清晰度，提高视觉可分辨性，使原本低质量的图像能够满足监控需要，达到清晰可辨的程度。

　　图像增强技术的实现途径是突出原有图像中需要重点观测的内容，抑制非重点观测内容，通过对像素的灰度值运算处理生成一幅新的图像，以改善视觉效果。图像增强的关键技术问题有：

　　自适应不同时刻、不同程度的干扰因素。

　　自适应不同的景深、视角、目标内容。

　　有效分辨画面内容，充分保留局部细节；画面对比柔和，色彩过渡均衡，亮暗对比适中；色彩恒常性好，不受场景变化影响。

　　正常环境下不影响画质，未增强的画面不失真。

　　（二）提升识别准确率的双目立体视觉技术

　　双目立体视觉技术的核心目的是提高识别的准确率。由于立体视觉技术形成的视场中带有物体的三维几何信息，因此能够有效地设定检测规则，排除光线、影子等干扰因素，大幅提高智能分析的准确度。如果说高清技术通过提升可用像素来提高分析的准确率是战术性的举措，那么双目立体视觉技术对视频分析准确率的影响则是战略性的。

　　双目立体视觉技术是基于视差原理，并利用成像设备从不同的位置获取被测物体的两幅图像，通过计算图像对应点间的位置偏差，来获取物体三维几何信息。采用双相机或多相机，对视场内空间的自由运动体的三维位置坐标及姿态进行高精度的测量，确定运动目标的质心位置，并根据标定结果对运动目标进行高精度跟踪。

　　立体视觉技术的跟踪由于能够辨识目标的三维坐标、姿态、相对距离以及与背景环境的空间距离，因此能适应复杂的跟踪背景环境。

　　（三）面向事后应用的视频浓缩与检索技术

　　面对监控系统中海量的录像数据，如何有效、高效地利用这些数据，减轻人工查看回放带来的时效性差、成本高、疲劳等问题，并在不同分辨率、不同清晰度的录像中准确辨别出需要获取的信息，目前主要有视频复原、视频浓缩、视频结构化检索等技术手段。

　　1.视频浓缩

　　将视频浓缩形成视频片断，不同时刻的目标"穿越时空"同时展现播放，使24小时的视频被制作成一个简短到几分钟浓缩视频成为现实，如图3所示。视频浓缩不仅浓缩的是事件的精华，也是活动事件的全部，没有价值的视频将被剔除。通过多分格快照技术，可以使几秒中看完所有的活动目标成为可能，回溯原始视频功能可以瞬间锁定目标在原始视频中的位置。这些智能视频分析功能的实现和应用将大大提高海量视频监控录像分析的效率。

　　2.视频分类检索

　　传统的视频搜索功能主要是以物理条件的设定为主要搜索条件的，比如时间、日期等，而智能视频检索功能能够通过认为设定的智能条件进行快速的视频搜索。比如：特定场景的变化条件、嫌疑物体（人、车、其他特征物体）的出现等为搜索条件，进行特定视频条件的智能搜索，结合其他智能视频功能，可以使大量的无序信息在短时间内形成有价值的证据链。

　　结构化录像存储是视频分类检索技术未来的发展方向，但还需要解决以下以下关键的技术问题：视觉信息、高层语义信息数据描述技术、分类规范和信息索引技术、存储组织和高效搜索技术、提高智能分析技术的准确度、智能技术的硬件产品化、异地查询和交换技术等。

　　二、智能分析技术的技术瓶颈与解决途径

　　是不是视频分析系统就是万能的呢？其存在哪些方面的不足呢？在实际环境中，光照变化无常、目标运动复杂性、遮挡、目标与背景颜色相似、杂乱背景等都会增加目标检测与跟踪算法设计的难度。我们可具体来看一下影响智能分析应用的几个方面：

　　背景的复杂性

　　光照变化引起目标颜色与背景颜色的变化，可能造成虚假检测与错误跟踪。采用不同的色彩空间可以减轻光照变化对算法的影响，但无法完全消除其影响；场景中前景目标与背景的相互转换，与行李的放下、拿起，车辆的启动与停止；目标与背景颜色相似时会影响目标检测与跟踪的效果；目标阴影与背景颜色存在差别通常被检测为前景，这给运动目标的分割与特征提取带来困难。

　　目标特征的取舍

　　序列图像中包含大量可用于目标跟踪的特征信息，如目标的运动、颜色、边缘以及纹理等。但目标的特征信息一般会随时变化的，选取合适的特征信息保证跟踪的有效性比较困难。

　　遮挡问题

　　遮挡是目标跟踪中必须解决的难点问题。运动目标被部分或完全遮挡，又或是多个目标相互遮挡时，目标部分不可见会造成目标信息缺失，影响跟踪的稳定性。为了减少遮挡带来的歧义性问题，必须正确处理遮挡时特征与目标间的对应关系。大多数系统一般是通过统计方法预测目标的位置、尺度等，都不能很好地处理较严重的遮挡问题。

　　兼顾实时性与健壮性

　　序列图像包含大量信息，要保证目标跟踪的实时性要求，必须选择计算量小的算法。健壮性是目标跟踪的另一个重要性能，提高算法的健壮性就是要使算法对复杂背景、光照变化和遮挡等情况有较强的适应性，而这又要以复杂的运算为代价。

　　针对上述的问题，如何来提升视频智能分析系统的有效性与实用性，我们可以从下述方面加以改进或是提升：优化算法，制定针对场景的分析策略，使得算法的准确性得以增加；合理选择摄像机安装角度，分析的准确程度，绝大部分取决于角度的合理性；增加辅助补充设备，像增加补光灯或是红外光源，使在各种复杂条件下能加以应用。

    三、小结