专题 物联网中智能视频技术的 现状与分析 李万才 摘要：在物联网的前提下，视频信息可以传送和集中的价值并不仅仅是跨越空间距离获取信息，更关键的是在这个基础 上可以扩展各种各样的智能分析应用，这正是物联网之于监控联网的最大好处。本文分析了智能视频监控在物联 网中的应用现状，总结了当前智能视频监控的关键技术，并展望了其发展趋势。 关键词：物联网智能视频安防监控图像识别 一、视频监控是物联网的重要组成部分 的眼睛，而智能视频系统或设备则可以看作人的大脑。视 频监控就是物联网的感知环节少不了的“眼睛”。然而， 视频监控只是安防行业的其中一个重要应用领域，以 监控探头拥有数量和监控数据存储量非常巨大，随之而来 往并没有融入系统、互联这些概念。但是近年来，由于平 的问题是如果完全依靠人工分析和监控，会存在效率低 安工程、电力变电站、银行网点监控联网等对互联网需求 下，识别率不高，以及存储困难等问题，常常不能实时发 的不断增长，打破了传统视频监控的狭窄领域，在物联网 现突发事故的发生情况。随着国内“平安城市、和谐社 的大背景下提出了新的应用需求。我们可以理解为：摄像 会”的迫切需要、城市安防“３１ １ １”工程建设的进一步发 头本质就是信息的采集点，编码设备则是信息数字化的变 展，数以万计的摄像监控设备在同时工作，如此庞大的监 换点，它们结合起来共同完成“物联网”的第一步功能， 视系统，需要成千上万的人紧盯着屏幕。仅依靠视频监控 那么随之而来的应该是全面的ＩＴ化、互联网化，即ｌＰ化之 中的人眼检测，即使是专业操作人员也难以构成真正有效 后的架构、技术和系统。如果说物联网是大趋势，那么 的安全系统。智能视频（ｒＶ，ＩｎｔｅｌｌｉｇｅｎｔＶｉｄｅｏ）源白计算机视 ＩＴ和安防的融合就是必然的，所以对于监控而言，联网是 觉（ＣＶ，ＣｏｍｐｕｔｅｒＶｉｓｉｏｎ）技术。计算机视觉技术是人工智 不可避免的。这就是三者之间的逻辑关系。如平安城市的 ‘￣Ｉ（ＡＩ，Ａ ｃｌ ａｌｌｎｌｅ Ｉｌｉｇｅｎｔ）研究的分支之一，它能够在图像 联网监控，是将原本各个区域和楼宇分散的监控资源整合 及图像描述之间建立映射关系，从而使计算能够通过数字 成一个地域范围的一体化监控资源，然后再将城域的资源 图像处理和分析来理解视频画面中的内容。视频监控中所 整合成一个广域的资源。在物联网的前提下，信息可以传 提到的智能视频技术主要是指： “自动的分析和抽取视频 送和集中的价值并不仅仅是跨越空间距离获取信息，更关 源中的关键信息。”随着物联网的逐步推广，以及人们对 键的是在这个基础上可以扩展各种各样的智能分析应用， 智能化的强烈要求，智能视频监控迎来巨大的发展机遇，物 这正是物联网之于监控联网的最大好处，如同互联网的价 联网必将对视频监控产生深刻影响，包括其理念、技术、 值，我们得以对大量信息进行处理、加工以及应用。可以 形态和效果。视频监控的智能化给计算机视觉在公共安全 预见的是，随着物联网应用范围的扩大，未来几年，各行 领域中应用提供了广阔的前景，智能视觉监控成为一个逐 各业的视频监控业务发展都将沿着这条路前进。 渐兴起的研究方向。 二、视频监控的智能化是物联网应用的 三、智能视频监控在物联网中的发展现状 必然要求 当前视频监控已全面进入全数字化时代，即网络化视 物联网是指通过射频识别、红外感应器、全球定位系 频监视系统，它基于标准的ＴＣＰ／ＩＰ协议，所以又称为 统等信息传感设备，按约定的协议，把任何物品与互联网 ＩＰ监控系统，最早出现于２００１年。数字化视频监控的优点 连接起来，进行信息交换和通讯，以实现智能化识别、定 是克服了模拟闭路电视监控的局限性：数字化视频可以在 位、跟踪、监控和管理的一种网络。如果把摄像机看作人 计算机网络上传输图像数据，基本上不受距离限制，信号 物联网技术在警务领域的应用 不易受干扰，可大幅度提高图像品质和稳定性；数字视频 可利用计算机网络联网，网络带宽可复用，无须重复布 线；数字化存储成为可能，经过压缩的视频数据可存储在 磁盘阵列中或保存在光盘中，查询简便快捷。在智能化方 面，当前视频监控系统试图利用计算机视觉技术对摄像机 采集的视频信息进行分析、理解和处理，将无关的信息滤 统计通过的车数、平均车速、是否有非法停靠、是否有故 障车辆等等。 对于智能视频处理的研究，日本、德国和美国等发达 国家早在上世纪六十年代就开始了，但直到上世纪九十年 代后期，随着光电子技术和计算机技术的发展才取得了广 泛的应用，其市场潜力十分巨大。据“视觉系统国际公 一 除，只将提取出的有用的信息报告给监控人员进行处理， 从而实现预警、防范和主动监测的功能，以达到代替人完 成监控任务的目的。一种基本的智能视频系统结构如下图 １所示。 白－阳： 嚣 ｝ 堙也 采船荐 群 图１智能视频监控的基本系统结构 智能视频技术目前已在如下的几个地方得到应用： １．高级视频移动侦测：在复杂的天气环境中（例如雨 雪、大雾、大风等）精确地侦测和识别单个物体或多个物体 的运动隋况，包括运动方向、运动特征等。 ２＿物体追踪：侦测到移动物体之后，根据物体的运动 情况，自动发送ＰＴＺ控制指令，使摄像机能够自动跟踪物 体，在物体超出该摄像机监控范围之后，自动通知物体所 在区 ３人物面部识别：自动识别人物的脸部特征，并通过 与数据库档案进行比较来识别或验证人物的身份。此类应 用又可以细分为“合作型”和“非合作型”两大类。 “合 作型”应用需要被监控者在摄像机前停留一段时间，通常 与门禁系统配合使用； “非合作型”则可以在人群中识别 出特定的个体，此类应用可以在机场、火车站、体育场馆 等安防应用场景中发挥很大的作用。 ４．车辆识别：识别车辆的形状、颜色、车牌号码等特 征，并反馈给监控者。此类应用可以用在被盗车辆追踪等 场景中。 ５．非法滞留：当一个物体（如箱子、包裹、车辆、人 物等）在敏感区域停留的时间过长，或超过了预定义的时间 长度就产生报瞽。典型应用场景包括机场、火车站、地铁 站等。 ６．交通流量控制：用于在公路上监视交通情况，例如 司”的一份调研报告显示：１ ９９９—２００４年北美的智能视频 系统市场规模从１ｃ三］一 ６．８亿美元增长到１ ９亿美元。至于智能摄 像机，ＮＩ、ＳＯＮＹ、霍尼韦尔、松下等公司的产品占据了 很大的市场。以美国国家仪器有限公司（Ｎａｔｉｏｎａｌ Ｉｎｓｔｒｕｍｅｎｔｓ，简称ＮＩ）推出的ＮＩｌ７４２智能相机为例：ＮＩ智能 相机是一种连接了工业控制器和图像传感器的嵌入式装 置，并且集成了Ｎｌ视觉软件，可直接在相机上实现图像处 理。ＮＩｌ７４２有一个５３３Ｍ ＨＺ的处理器，它们都可专门用于 苛刻的工业环境。运用于这种照相机的单色ＶＧＡ（６４０ Ｘ ４８０）图像传感器是一个高质量的Ｓｏｎｙ电荷藕合器。该相机 还有内置工业ｌ／０，包括两个光隔离数字输人和两个光隔离 数字输出，一个ＲＳ２３２串行端口和两个包括Ｍｏｄｂｕｓ ＴＣＰ在内的支持工业协议的千兆以太网端口。另外， ＮＩｌ７４２包括正交编码器支持功能和一个以Ｎｌ直接驱动光源 技术为特ｌ生的内置控制器。通过正交编码支持功能，工程 师可以轻松地通过线性或旋转驱动系统来实现同步监测。 这些高清晰度的智能摄像机将使监控系统更上一层楼。就 国内来说，随着近十年的学习进步，出现了海康威视、大 华等一些视频监控产品提供商，并都已进入全球前十的行 列，在这个领域做出了很大的贡献。比如海康威视的智能 可控摄像机，运动过程中图像平稳、预置定位精确，还实 现了报警联动、巡航扫描、花样扫描、定时启动、两点扫 描等功能，满足了大多数场合的需要。但是，我们还是必 须看到，国内的产品所使用的机芯大多仍是由ＳＯＮＹ等国 外提供是供应的，另外在智能算法方面缺乏专利权，同国 外先进水平仍有相当的差距。 四、智能视频监控的关键技术介绍 智能视频监控技术涉及图像处理、图像分析、机器视 图２智能视频监控主要组成部分 Ｐｏｌｉｃｅ Ｔｅｃｈｎｏｌｏｇｙ ２０１ ０年１ １月 ９ 一 —专题 觉、模式识别、人工智能等众多研究领域，是一个跨学科 的综合问题。它的主要组威部分如下图２所示。 （一）运动目标检测 运动目标检测，是将目标物体所在区域从视频序列的 图像中分离出来。后续工作中的运动目标提取，以及运动 目标的跟踪和行为理解都是在正确检测识别目标物体的基 础上进行的。运动目标检测是视频监控系统中的前导步 骤。 运动目标检测分背景检测和目标检测，现有的背景检 测方法大致有四种：背景统计法、Ｓｕｒｅｎｄｒａ背景更新算 法、卡尔曼滤波法以及背景模型法。背景统计法通过在一 段时间内对像素点的灰度统计，取其平均值作为背景点的 灰度估计，滤去变化剧烈的部分；Ｓｕｒｅｎｄｒａ背景更新算法 通过计算帧差图像得到物体的运动区域，对该区域内的背 景保持不变，对非运动区域的背景点进行加权迭代更新， 得到背景的估计图像；卡尔曼滤波法（Ｋｅｌｍａｎ）是将每个像 素点的灰度时间序列视为带有噪声的背景灰度观测值，通 过时域递归低通滤波来估计出缓变的实际背景图像。背景 模型法对每个像素点建立统计模型，认为像素点的灰度分 布符合某种概率分布，如高斯分布模型，混合高斯分布模 型，非参数化模型。 目标检测算法中常用的主要有三种：光流法、帧问差 分法和背景减法。光流法，是采用运动目标随时间变化的 光流特性，通过计算图像序列的光流场提取运动目标。计 算复杂、耗时，难以满足实时『生检测；帧间差分法，通过 比较相邻两帧图像灰度值的不同，来提取运动的目标。计 算简单，对运动变化区域敏感，但是检测出的物体在运动 方向上被拉伸，运动目标位置不精确，部分运动目标信息 被去除，不能完整地提取运动目标；背景减法，是将当前 帧图像和背景帧图像相减，若某点像素差值大于某一阈 值，则判定为出现在运动目标上的点，相减的结果直接给 出了目标的位置、大小和形状等信息。主要涉及背景估计 和更新，定位精确，但对光照和环境变化敏感。 （二）运动目标提取和特征表示 在运动区域中将多个运动目标提取出来，通常使用形 态学操作来进行目标的标记和计数。形态学的基本运算有 四种：膨胀，腐蚀，开运算和闭运算。二值形态学中的运 算对象是集合，通常给出一个图像集合和一个结构元素集 合，利用结构元对图像进行操作。结构元是一个用来定义 形态操作中所用到的邻域的形状和大小的矩阵，该矩阵由 ０和１组成，可以有任意的大小和维数，数值１代表邻域内 １０匿圜２０１０年１１月 的像素，形态学是对数值为１的区域进行的运算。在对得 到的二值图像消除噪声后，则对图像中的运动区域进行标 记和计数。基于矩阵的标记方法，主要通过对每个像素作 一个标记，使得属于同一个连通组元的像素有相同的标 记，一幅标记图像用一个矩阵表示。提出基于像素标记的 方法，对一幅二值图像从左向右、从上向下进行扫描。标 记当前正被扫描的像素，检查其与之前扫描到的若干个近 邻像素的连通性。将所有等价的标记归入等价组，对每个 组赋一个唯一的标记，然后第二次扫描图像，将每个标记 用它所在等１ 目的标记代替。在确定目标区域轮廓时可使 用外接矩形方法，通过提取运动目标外接矩形的特征来表 述物体特征，如外接矩形的重心，面积等。但是会导致得 到物体的特征不准确，如当物体不能充满矩形框的大部分 区域时，则外接矩形面积不能很好地表述物体。 同时，以Ｍａｒｒ的计算机视觉理论为基础，出现了很多 图像轮廓计算方法，如经典的边缘检测算子和图像分割算 法等，并且出现了依赖于高层信息的图像分割的新理论。 其中最富有代表陛的是Ｋａｓｓ等人提出的基于目标轮廓曲线 能量泛函的Ｓｎａｋｅ模型（或主动轮廓模型），其基本思想是在 图像中找出一条参数化的轮廓曲线，在该曲线处内能 （Ｉｎｔｅｒｎａｌ Ｅｎｅｒｇｙ）￣［Ｉ势￣＃．（Ｐｏｔｅｎｔｉａｌ Ｅｎｅｒｇｙ）的加权总和达到 极小值，以精确逼近运动目标的轮廓线。 （三）运动目标跟踪和行为理解 在目标跟踪问题中，典型的跟踪算法包括使用点、线 或者区域等特征对相邻帧进行目标物的匹配问题。跟踪的 分类方法有很多种，如常见的有基于模型的跟踪，基于轮 廓的跟踪，基于特征的跟踪等。Ｈａｒｉｔａｏｇｌｕ等人在Ｗ４系统 中采用目标的灰阶纹理、轮廓形状信息和一个动态模板进 行跟踪。近年来，均值漂移（Ｍｅａｎ Ｓｈｉｆｔ）算法已广泛应用于 计算机视觉与模式识别等领域，如目标跟踪。ＣａｍＳｈｉｆｔ算 法是应用广泛的跟踪方法之一． 五、结束语 物联网通过物物相连的庞大网络实现智能交通、智能 安防、智能监控、智能物流以及家庭电器的智能化控制智 能视频监控作为最早应用物联网的重要技术之一，其发展 必将受到物联网的巨大影响．智能视觉监控技术涉及图像处 理、图像分析、机器视觉、模式识别、人工智能等众多研 究领域，是一个跨学科的综合问题，也是一个极具挑战陛 的前沿课题。目前，相关的研究尚处于探索研究阶段，要 真正实现监控技术的智能化还需要大量的工作。
