文档介绍：该【视频监控智能分析技术应用分析 】是由【1781111****】上传分享，文档一共【9】页，该文档可以免费在线阅读，需要了解更多关于【视频监控智能分析技术应用分析 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。频监控智能分析技术应用分析一、概述在视频监控飞速发展(de)今天,海量视频画面已经大大超过了人力有效处理(de)(de)作用与能力,使监控系统具有更高(de)智能化,大幅度降低资源与人员配置,全面提升安全防范工作(de)、智能交通、金融行业、政法监管、(de)一个分支,是一种基于目标行为(de),从而使计算机从纷繁(de)视频图像中分辩、识别出关键目标(de)行为,过滤用户不关心(de)信息,其实质是自动分析和抽取视频源中(de)(de)方式进行区分,可以概括为以下几种类型(de)智能分析:识别类分析:该项技术偏向于对静态场景(de)分析处理,通过图像识别、图像比对及模式匹配等核心技术,实现对人、车、物等相关特征信息(de)、:该项技术侧重于对动态场景(de)分析处理,典型(de)功能有车辆逆行及相关交通违章检测、防区入侵检测、围墙翻越检测、绊线穿越检测、物品偷盗检测、:该技术能按照所定义(de)规则或要求,对历史存储视频数据进行快速比对,把符合规则或要求(de)视频浓缩、集中或剪切到一起,:主要是对图像整体进行分析判断及优化处理以达到更好(de)效果或者将不清楚(de)内容通过算法计算处理达到看得清(de)(de)视频增强技术(去噪、去雾、锐化、加亮等)、视频复原技术(去模糊、畸变矫正等).诊断类分析:该项分析主要是针对视频图像出现(de)雪花、滚屏、模糊、偏色、增益失衡、云台PTZ失控、画面冻结等常见(de)摄像头故障进行准确分析、判断和报警,、(de)两帧图像中按照对应位置直接进行像素值相减,,若对应位置处像素值很小,则可认为其静止;如果对应位置(de)像素值较大,,对于动态环境具有较强(de)自适应性,,如果空洞过大则会影响轮廓完整性,将很难提取出准确(de),噪声较小,目标运动速度不为零,、噪声等情况下(de)检测效果不佳,对于动态背景下(de)目标跟踪,则必须采用其他(de)方法先对全局运动做出补偿,如块匹配法、(GaussianMixtureModel,GMM)(de)思想是:对于缓慢变化(de)背景,可以用正态分布来表征像素灰度值(de)变化,每一种背景像素(de)值都可以通过多个高斯分布(de)(de)是三分布GMM,每个像素点用三个高斯分布来分别表征背景、前景(de)阴影、前景这三种不同(de)模式,但实际情况很复杂,对背景、前景等模式都限定只用一个高斯分布来描述是不够(de).因而之后又出现了固定分布数K(de)混合高斯分布模型(Fixed-KGaussianMixtureModel)以及后面发展而来(de)基于自适应分布数K(de)混合高斯分布模型(Adaptive-KGaussianMixtureModel,AKGMM).二值化一幅图像包括目标物体、背景还有噪声,要想从多值(de)数字图像中直接提取出目标物体,最常用(de)方法就是设定一个阈值T,用T将图像(de)数据分成两部分:大于T(de)像素群和小于T(de)(de)最特殊(de)方法,称为图像(de)(de)二值化,就是将图像上(de)像素点(de)灰度值设置为0或255,也就是将整个图像呈现出明显(de)只有黑和白(de),它将每一像素点(de)灰度值设置为该点某邻域窗口内(de)所有像素点灰度值(de)(de)一种能有效抑制噪声(de)非线性信号处理技术,中值滤波(de)基本原理是把数字图像或数字序列中一点(de)值用该点(de)一个邻域中各点值(de)中值代替,让周围(de)像素值接近(de)真实值,从而消除孤立(de)(de),将图像(de)边缘腐蚀掉,作用就是将目标(de)边缘(de)“毛刺”剔除掉,,将图像(de)边缘扩大些,作用就是将目标(de)边缘或者是内部(de)坑填掉,(de)二值车牌图像进行一阶水平差分得到跳变点图,分别统计水平和垂直方向上(de)跳变点个数(投影),通过设置标签和区域连通,粗定位车牌(de)上下和左右边界;选取一定区域(de)车牌图像进行色彩空间转换,判断车牌底色;对大于一定倾斜角(de)车牌进行水平矫正,使字符在同一水平线上;对矫正后(de)灰度图像进行Sobel水平算子和垂直算子进行边缘检测并二值化,采用类似粗定位(de)(de),由于车牌颜色(de)不同,二值化车牌后得到黑底白字、白底黑字两种情况,这里将二值化后(de)(de)结构等原因,可能会造成字符粘连模糊或断裂(de)缺陷,增加切分(de)(de)实时性和适用性,采用投影法作为主要(de)分割法,根据车牌(de)先验知识(字符串(de)长宽比、字符间隙、字符(de)长宽比及笔划宽度),配以对粘连字符、断裂字符和车牌边框干扰(de)、智能分析(de)(de)发展现状前端智能与后端智能从智能分析产品部署来看,主要有两种模式:一类是前端智能产品,,,(de)智能视频分析是指将智能算法软件安装在服务器中,前端普通摄像机(de)视频传入服务器,(de)优点是对连接前端设备(de)网络带宽要求低,无需将视频传输回监控中心,只将报警信号传回即可,而且后端无需设置服务器机房,节省空间;但缺点是无法灵活切换各个前端设备(de)分析类型,一旦系统建设完成,无法改变特定前端设备(de)(de)优势是可以灵活切换服务器取流(de)前端设备,对任意(de)前端设备都可以应用智能视频分析功能(把非智能变为智能),而且后续软件升级更方便快捷;但其缺点是当服务器数量较多时会占用较大(de)空间,同时对网络(de)带宽有一定(de)(de)智能视频分析算法是基于非压缩图像格式,如RGB或者YUV,(de)视频分析系统都自带有图像采集功能,(de)图像监控系统中图像信号通常是以压缩图像流(de),这就要求必须将图像流解压还原成原始图像格式后再进行分析(前端智能可以直接使用YUV进行分析),常用(de)压缩格式都不是无损(lossless)(de)原始图像相比,解压后(de)图像会损失掉一些信息,不过由于压缩算(de)特点,丢失(de)信息通常是高频(de)噪声信号,所以对运动检测(de)影响是较小(de).当然前提是压缩流有足够(de)带宽,如果压缩比太高,图像会出现“马赛克”效应,(de)应用场景(1)金融安保应用场景视频智能分析在金融系统应用比较广泛,成熟度较好,普及率仅次于平安城市应用,基于视频智能分析(de)银行安保系统是每个银行(储蓄所,ATM机)(de):人脸检测:人脸检测抓怕,用于人脸叠加、比对;多人脸监测,用于ATM机取款检测;脸部遮挡监测,:取款人遗留物检测、加装读卡器、:徘徊、扭打、人员接近、:视频遮挡、视频丢失监测,防止出现视频存储丢失,需要时无法检索安保视频.(2)交通行业智能分析场景实时提取各个城市路口监控视频中(de)车牌、车型、车标、颜色、驾驶者人脸等信息,通过分布式计算集群对大量车辆信息进行关联挖掘,即可生成整个城市交通状态(de)可视化网图,如道路拥堵情况,易于拥堵(de)时段、趋势,以及不同区(de)车辆迁移路线,甚至根据时间、天气、节假日情况等信息预测交通状况,从而为城市交通决策、应急指挥提供精准、实时(de):技术和应用已经比较成熟,准确率较高,:车速、车密度、排队长度、逆行、行人检测,交通事故检测抛,洒检测,车型、驾驶员检测.(3)群体事件分析对人群等目标(de)(de)行为进行分析,如统计穿越出入口或指定区域人(de)数量和密度,识别人群(de)整体运动特征,包括速度、方向等;检测公共场所是否有人员(de)聚集(规模)、奔跑、斗殴等异常行为,提前预警防止踩踏等恶性事件(de)、智能分析面临(de)(de)难点智能分析技术面临(de)难点是:智能分析(de)准确率、智能分析对环境(de)适应性及不同场景使用(de)复杂性.(1)(de)准确率达不到非常理想(de)效果,特别是实时报警类(de)应用,误报率和漏报率都是客户最关心(de),客户也接受不了,如果漏报,(de)应用,只要有漏报,实际作用就微乎其微.(2)智能分析对场景(de)要求较高,光照变化引起目标颜色与背景颜色(de)变化,(de)色彩空间可以减轻光照变化对算法(de)影响,但无法完全消除其影响.(3)(de)参数调试,而且会涉及到非常多(de)专业(de)(de)融合大数据与视频监控具有天然(de)联系,据统计,每天全国新产生(de)视频数据达PB级别(PB=1024T),占全部大数据份额(de)50%以上,,主要(de)数据来源是视频,与其他行业结构化(de)数据不一样,视频本身就是一种非结构化(de)数据,,安防要进行大数据应用,首先就要采用智能分析技术将非结构化(de)视频数据转换成计算机能够识别和处理(de)结构化信息,即将视频中包含(de)各种信息(主要是运动目标及其特征)提取出来转成文字描述并与视频帧建立索引关联,这样才能通过计算机来对这些视频进行快速搜索、比对、,智能分析具有如下发展趋势:(1)算法准确率和环境适应性不断提高,特别是机器学****人工智能等技术(de)不断进步,促进智能分析应用(de)大规模部署.(2)前端智能不断发展,各种SMARTIPC不断涌现,包括专注某几种智能分析算法(de)专用IPC.(3)智能分析与云计算、大数据(de)、结束语目前,视频(de)高清化已经成为现实,制约智能分析分辨率(de)障碍已经消除,未来基于智能分析技术(de)安防应用将会是安防发展(de),实时看得懂视频、(de)视频监控系统将会因为智能分析技术(de)大规模应用,逐步向智能大数据综合应用系统发展.