視覺，是人類感知客觀世界的主要信號來源。在信號處理理論與計算機出現(xiàn)以后，人們試圖用攝像機獲取環(huán)境圖像并轉(zhuǎn)換成數(shù)字信號，用計算機實現(xiàn)對視覺信息處理的全過程。這種使計算機能夠通過一幅或幅圖像認識周圍環(huán)境信息的研究目標，正是機器視覺。

作為機器視覺的代表應(yīng)用，以攝像機為核心的視頻監(jiān)控系統(tǒng)，目前已經(jīng)廣泛應(yīng)用與安保、交通、樓宇、工業(yè)等各個行業(yè)領(lǐng)域。想要了解機器視覺究竟為視頻監(jiān)控帶來了哪些改變，我們可以從機器視覺的幾大應(yīng)用領(lǐng)域來進一步分析。

目標識別

目標識別技術(shù)和穩(wěn)定的追蹤方法是機器視覺發(fā)展的關(guān)鍵因素之一。它在很多領(lǐng)域都得到大量的應(yīng)用，例如身份確認的指紋識別、人臉識別、虹膜識別以及在智能交通管理、機動車檢測、停車場管理等場合的車牌識別等。

一個目標識別系統(tǒng)應(yīng)該具有在復雜背景以及各種天氣情況下檢測、分類、識別目標的能力，這樣才能有針對性地對目標進行持續(xù)的跟蹤。

近些年來，目標識別技術(shù)已由理論探索、實驗室仿真逐漸走向?qū)嶋H應(yīng)用，其技術(shù)方法也從經(jīng)典的統(tǒng)計模式識別，向著基于知識、模型、多傳感器信息融合以及人工神經(jīng)網(wǎng)絡(luò)的識別方法演進。

目標追蹤

運動目標跟蹤是確定同一物體在圖像序列不同幀中位置的過程。其主要工作方式就是選擇好的目標特征和采用適當?shù)乃阉鞣椒?，根?jù)匹配原理，把現(xiàn)有的跟蹤方法分為基于模型、區(qū)域、特征以及活動輪廓的跟蹤。

基于模型的跟蹤

基于模型的跟蹤是通過一定的先驗知識對所跟蹤目標建立模型，然后通過匹配跟蹤模板，并實時更新模型。傳統(tǒng)的運動物體表達方法有如下三種：

1. 線圖法：目標運動的實質(zhì)是主框架的運動，因此該表達方法將物體的各個部分以直線來近似。

2. 二維輪廓：該表達方法的使用與物體在圖像的投影有關(guān)。

3. 立體模型：利用廣義橢圓柱、球等三維模型來描述物體的結(jié)構(gòu)細節(jié)。該方法往往需要在聯(lián)系的圖像幀間匹配三維模型來獲取物體運動的定量描述，因此需要計算更多的參數(shù)，匹配過程的計算量更大。

基于特征的跟蹤

把預(yù)先提取的運動區(qū)域作為匹配的目標模板，設(shè)定一個匹配度量，然后在下一幀圖像中匹配搜索目標圖像，把度量取極值得位置判定為最佳匹配點，這種方式便是機遇區(qū)域的跟蹤。

由于提取了較完整的目標模板，該方式相對于其他跟蹤算法能夠得到更豐富的圖像信息，因此廣泛應(yīng)用于跟蹤較小的目標或?qū)Ρ榷容^差的目標。

基于活動輪廓的跟蹤

利用一條封閉的參數(shù)化曲線來表達運動目標輪廓，在由圖像構(gòu)造的特征場中通過極小化以曲線函數(shù)為參數(shù)的能量進行動態(tài)迭代，使得該輪廓能夠自動連續(xù)更新。相對于區(qū)域跟蹤方法，該方式計算量小，如果開始能夠合理分開每個運動目標并實現(xiàn)輪廓初始化，那么即使有部分遮擋，也能連續(xù)的進行跟蹤。

視覺分析

視覺分析技術(shù)，就是通過目標識別、目標追蹤方式之后，進一步獲取目標的出現(xiàn)時間、運動軌跡、顏色等諸多信息，通過對各個目標的上述信息的分析，找到視頻中存在的危險、違規(guī)行為或者可疑目標，并對這些行為和目標進行實時報警、提前預(yù)警、存儲以及事后檢索。

在視覺分析的應(yīng)用領(lǐng)域中，最為重要的便是智能視頻監(jiān)控和智能視頻檢索技術(shù)。兩者的應(yīng)用技術(shù)相近，主要區(qū)別在于：智能視頻監(jiān)控是對當時采集的視頻進行實時處理，當發(fā)現(xiàn)危險事件或者可疑分子時進行實時報警;而智能視頻檢索技術(shù)，處理的是已經(jīng)發(fā)生過的存儲視頻，其通過對視頻進行快速分析，找到其中存在的危險事件、可疑分子，以及每個感興趣目標的信息，然后，使用者可以對關(guān)心的事件進行選擇或者對關(guān)心的目標屬性進行定義，系統(tǒng)能夠快速查找到用戶關(guān)心的事件或目標。

一般而言，智能視頻監(jiān)控包含的功能包括周界檢測、越線檢測、徘徊逗留檢測、遺失檢測、遺留檢測、快速移動檢測、打架檢測、尾隨檢測、人群聚集、火災(zāi)煙霧檢測、PTZ目標跟蹤、視頻故障分析、視頻存儲和回放等功能。

對于不同的用戶而言，對上述功能的需求會有所偏重。在上述技術(shù)中，其中，周界檢測、越線檢測、徘徊逗留檢測、遺失檢測、遺留檢測、快速移動檢測、打架檢測、尾隨檢測采用的方法，主要都是先采用背景建模（BackgroundModel）、前景提?。‵oregroundExtraction）提取得到運動目標，然后，采用目標匹配跟蹤技術(shù)得到目標的軌跡，并得到目標的運動方向、所處位置，以及各目標間相互關(guān)系，最后依據(jù)設(shè)定規(guī)則得到上述異常行為。

其中，對于復雜背景，大流量區(qū)域的遺留物和遺失物檢測方法，可以采用特殊的基于時間序列區(qū)域運動分析的方法進行，而不必進行上述目標檢測跟蹤技術(shù)得到。

而智能視頻檢索，首先需要利用智能視頻監(jiān)控的檢測技術(shù)來檢測異常事件，進一步，智能視頻檢索還需要在運動目標檢測跟蹤的基礎(chǔ)上，得到人車等目標的諸如人臉、顏色、速度以及數(shù)量等信息。這樣，進行智能視頻檢索的時候，一方面可以檢索異常事件，此外還可以通過目標的出現(xiàn)結(jié)束時間、顏色、速度、數(shù)量，以及人臉信息等進行檢索。

此外，系統(tǒng)還可以給出一個事件和目標的時空分布圖，便于用戶查找自己感興趣的時段和事件。對于現(xiàn)在動則成千上萬的監(jiān)控終端而言，想從這些海量數(shù)據(jù)中查找到自己關(guān)心的事件和目標，必須借助智能視頻檢索技術(shù)。

結(jié)語

視頻監(jiān)控技術(shù)是機器視覺領(lǐng)域一個新興的應(yīng)用方向和備受關(guān)注的前沿課題，也是計算機科學、機器視覺、圖像工程、模式識別和人工智能等多學科技術(shù)的結(jié)晶。

可以想象，當機器視覺與圖像處理技術(shù)加入之后，打破了原有的限制，得以設(shè)計出一個實時視頻監(jiān)控系統(tǒng)。該系統(tǒng)在實現(xiàn)視頻監(jiān)控同時，通過運用機器視覺技術(shù)，增加了視頻變化檢測和自動錄像功能，系統(tǒng)能夠自動識別場景變化，檢測出運動目標并鎖定，同時發(fā)出警告和啟動存儲裝置。這樣不僅可以節(jié)省大量存儲空間，提高監(jiān)控存儲效率，減少不必要的回放，而且數(shù)據(jù)更加具有針對性。