論智能視頻分析

文｜陜西省電子信息產(chǎn)品監(jiān)督檢驗院 王曉玲

陜西省安防協(xié)會專家委員會 陳嘉偉

智能視頻分析技術(shù)起源于計算機(jī)視覺技術(shù)。美國9·11事件發(fā)生后，智能視頻分析技術(shù)在國內(nèi)外均得到了很大發(fā)展。隨著相關(guān)軟、硬件技術(shù)的不斷發(fā)展，智能視頻分析技術(shù)已在軍事重地，文博、高風(fēng)險單位以及重要區(qū)域、重要交通樞紐、要道、通道等的控制（門禁）方面有了實際應(yīng)用。

1 視頻報警與智能視頻分析

筆者將智能視頻監(jiān)控從功能、發(fā)展趨勢上劃分為視頻報警和智能視頻分析。

相對于利用主、被動紅外和微波、振動、張力、壓力、電子聲學(xué)等原理的報警（均基于模擬信號），視頻報警是最近幾年報警領(lǐng)域新的發(fā)展成果，優(yōu)勢明顯——直觀、現(xiàn)場感強(qiáng)、令人一目了然，因而便于值班人員判斷、處警、決策。早期的視頻報警只能做到將畫面的某個部位設(shè)為禁區(qū)（設(shè)置虛擬紅線），一旦有人進(jìn)入即報警。目前視頻報警的功能和應(yīng)用已得到很大的擴(kuò)展，入侵檢測報警（翻越、穿越報警）可以做到多目標(biāo)報警、多目標(biāo)跟蹤；非法停車、滯留檢查報警（車輛停入或滯留禁停區(qū)即報警）、徘徊檢測報警；遺棄物（故意將物體遺棄在公共場合或設(shè)定區(qū)域的行為）檢測報警、物品搬移（在原現(xiàn)場內(nèi)存在的物體被搬移、丟失）檢測報警、游泳溺水檢測報警（利用水下、水上攝像機(jī)覆蓋游泳池水面、水下全景，一旦發(fā)現(xiàn)泳者沉于池底或在水中掙扎，立即報警），以及攀爬檢測報警、人員聚集檢測報警（用于預(yù)防群體事件）、流量（車流量、人流量）統(tǒng)計等也都得以實現(xiàn)。

2 智能視頻分析模式

目前智能視頻分析有兩種模式：一是基于前端DSP的嵌入式，二是后臺服務(wù)器處理式。兩種模式都在發(fā)展。早期的智能視頻分析應(yīng)用基本上都采用基于前端DSP的嵌入式模式，該模式在局部、重要點位的應(yīng)用對人們認(rèn)識智能視頻分析有啟蒙、宣傳的作用。該模式的優(yōu)點是僅當(dāng)有報警觸發(fā)時才上傳信息，無需將畫面實時上傳至監(jiān)控中心，因而可以大幅降低對傳輸帶寬的占用，并可大幅節(jié)省錄像空間，使得同樣的存儲容量可以支撐更長時間；直接接收模擬圖像，因此不存在用于分析的源信號斷開及延時的問題。其缺點是單點式工作，系統(tǒng)架構(gòu)不靈活。

為滿足應(yīng)急聯(lián)動防控的需要，智能視頻分析正在由前端DSP嵌入式向后端服務(wù)器架構(gòu)或兩者相結(jié)合的方向發(fā)展。后端處理模式對網(wǎng)絡(luò)傳輸要求較高，其分析會在遇到網(wǎng)絡(luò)信號不連續(xù)時出現(xiàn)誤差，也會受到網(wǎng)絡(luò)信號傳輸延時的影響。但這種模式強(qiáng)大的源信號處理功能、靈活的信號切換功能、規(guī)模和功能擴(kuò)展的方便性等都促進(jìn)了其發(fā)展，而相關(guān)技術(shù)的發(fā)展以及需求，尤其是大規(guī)模、大系統(tǒng)、大范圍布局的需求的增長，也使這種模式有了較快的發(fā)展。

無論哪種模式，智能視頻監(jiān)控與傳統(tǒng)視頻監(jiān)控相比都有著明顯的優(yōu)勢：有助于解決保安人員因長時間觀看屏幕而疲勞、注意力降低的問題；能真正做到7×24小時全天候監(jiān)控；能自動進(jìn)行監(jiān)控，使值班人員只需對告警圖像進(jìn)行確認(rèn)和處理，無需時時緊盯多個監(jiān)控屏幕，提高了監(jiān)控效率；可以在遠(yuǎn)距離、光線不足、低對比度、環(huán)境偽裝等挑戰(zhàn)下識別人眼無法分辨的細(xì)微變化，從而發(fā)現(xiàn)入侵行為；能自動報警，并可自動跟蹤、跟蹤交接，形成聯(lián)防，更可貴的是可以起到預(yù)防、預(yù)警的作用，改變只能在事后分析查證的被動局面。

3 智能視頻分析技術(shù)原理

按照技術(shù)原理劃分，智能視頻分析（行為分析）可分為基于背景建模技術(shù)和基于圖像光流判斷技術(shù)的兩種。

（1）基于背景建模技術(shù)的智能視頻分析

基于背景建模技術(shù)的智能視頻分析，即建立監(jiān)控區(qū)域的靜態(tài)背景模型；在該模型的基礎(chǔ)上檢測監(jiān)控區(qū)域內(nèi)的動態(tài)目標(biāo)，并記錄該動態(tài)目標(biāo)的行動軌跡；當(dāng)該軌跡達(dá)到設(shè)定報警規(guī)則要求時發(fā)出相應(yīng)警報。該技術(shù)主要用于對特定區(qū)域或特定時間內(nèi)的入侵事件的監(jiān)控。

背景建模技術(shù)是智能視頻分析應(yīng)用最為成熟，運用歷史最長的一種技術(shù)，已在國內(nèi)外得到廣泛應(yīng)用。該技術(shù)抓捕目標(biāo)的靈敏度高，觸警規(guī)則的設(shè)量自由多樣，對攝像機(jī)架設(shè)的要求相對較低。上文所述的視頻報警大都運用了該技術(shù)。背景模型與真實模型的匹配程度決定著此類檢測報警的準(zhǔn)確度。偶然的外界影響，如光線變化（如駛過汽車車燈的照射）、飄動的樹葉以及突然的天氣變化會導(dǎo)致誤報。通過引入一些新的提高報警準(zhǔn)確率的技術(shù)，諸如在原有背景模型基礎(chǔ)上加入運動目標(biāo)軌跡約束，設(shè)置景深信息，自學(xué)習(xí)重復(fù)運動物體軌跡等方法，可以濾除車燈照射、樹葉搖動、小動物活動等偶然事件的干擾，已取得了較為理想的應(yīng)用效果。

需要指出的是，由于此類檢測報警的準(zhǔn)確度取決于靜態(tài)背景的完整性。故其應(yīng)用場景應(yīng)是目標(biāo)稀少，或是監(jiān)視時段內(nèi)目標(biāo)稀少的場合，例如周界圍墻、下班后的工作大樓、重要物資倉庫、金庫、文博館、設(shè)定的重點區(qū)域或高速公路路肩（監(jiān)控違章停車）、禁區(qū)等。而諸如人員擁擠的道路、廣場等場景，由于動態(tài)目標(biāo)圖像所占面積幾乎覆蓋了背景面積，計算機(jī)無法準(zhǔn)確定位靜態(tài)背景，容易給出錯誤結(jié)果。

（2）基于光流變化的異常事件監(jiān)測

光流即視頻圖像的像素運動的瞬時速度。利用圖像序列中像素強(qiáng)度數(shù)據(jù)的時域變化和相關(guān)性來確定各像素位置的“運動”，即研究圖像灰度在時間上的變化與景象中的物體結(jié)構(gòu)及其運動的關(guān)系。比如，斗毆動作會使圖像中的光流激烈且雜亂無序地變化；如果系統(tǒng)能夠識別這種變化，并在其達(dá)到一定閥值時發(fā)出相應(yīng)的警報，即可實現(xiàn)對斗毆行為的報警。奔跑事件與聚集事件報警也是基于對光流異常變化的識別而實現(xiàn)的。

該技術(shù)也可運用于公共治安管理中的群體性事件報警；但在舞廳等場合，由于其光流變化與斗毆的表現(xiàn)相似，該技術(shù)并不適用。

4 典型應(yīng)用

4.1 基于人頭特征檢測的飽有量計算

由于人臉特征統(tǒng)計對攝像機(jī)安裝角度要求較高，且難以解決人員相互遮擋的問題，因此利用人體特征識別統(tǒng)計場館各出入口人流數(shù)量的應(yīng)用，在實際工作中主要采用人頭特征檢測。

人頭特征檢測有三種檢測方法。

（1）基于顏色分割的方法

此方法針對人頭顏色特征進(jìn)行圖像分割，算法簡單，準(zhǔn)確性較低，易受光線變化影響。

（2）基于運動分割和邊緣檢測的方法

此方法通過在前景或邊緣圖像上搜索圓弧頂點來尋找人頭，結(jié)合標(biāo)定信息對前景進(jìn)行人頭分割。其缺點是運行復(fù)雜，不能處理遮擋。

（3）基于樣本訓(xùn)練的方法

此方法提取人頭共有特征——顏色分布、邊緣紋理等，采集大量人頭樣本進(jìn)行訓(xùn)練，從而得到人頭識別器（識別器的訓(xùn)練方法有基于神經(jīng)網(wǎng)絡(luò)、Boosting以及SVM的方法等）；用人頭識別器在圖像中搜索人頭，將人頭目標(biāo)檢測出來后，結(jié)合其他特征，如運動、領(lǐng)域邊緣分布等進(jìn)行后期處理，而后再除去一些誤檢，最終得到較準(zhǔn)確的結(jié)果。此方法是目前最常用的客流量統(tǒng)計方法。其優(yōu)點是：受多人同時通過的影響較小，適用于人流量大的公共場館；可同時統(tǒng)計雙向流量；在固定的出入口使用時，能取得很高的統(tǒng)計準(zhǔn)確率；可根據(jù)光照情況自動控制補(bǔ)光。

4.2 人臉識別

人臉識別涉及人臉圖像采集、人臉定位、人臉識別預(yù)處理、身份確認(rèn)以及身份查找等一系列相關(guān)技術(shù)。

目前人臉識別有基于可見光、近紅外與三維人臉的三種實現(xiàn)途徑，三者的采集手段和優(yōu)缺點如表1所示。

紅外光和三維識別技術(shù)都有專門的采集條件；對于大規(guī)模應(yīng)用而言，采用可見光人臉識別技術(shù)較為理想。

表1 三種人臉識別技術(shù)對比表

人臉識別之所以被普遍看好且已在不同領(lǐng)域（如追逃、門禁以及重點部位、取款機(jī)的監(jiān)控等）運用，主要是因為其具有自然性，不易為被測個體察覺。

（1）自然性

所謂自然性，是指人臉識別所利用的生物特征同人類（甚至其他生物）進(jìn)行個體識別時所利用的生物特征相同——人類可以通過人臉、語言、體形等進(jìn)行識別（指紋識別與虹膜識別等不具有自然性，因為人類或者其他生物并不通過此類生物特征區(qū)別個體），人臉識別也是通過觀察比較人臉來區(qū)分和確認(rèn)身份的。

（2）不被察覺

人臉識別不令人反感，不容易引起被識別人的注意，不容易被偽裝欺騙；這與需要利用電子壓力傳感器采集指紋的指紋識別，以及利用紅外線采集虹膜圖像的虹膜識別大有不同。

人臉識別被認(rèn)為是生物特征識別領(lǐng)域，甚至人工智能領(lǐng)域最困難的研究課題，其主要困難來源于人臉的相識性和易變性。

（1）相識性

就人臉而言，人與人之間的區(qū)別不大——人臉的結(jié)構(gòu)，甚至各人臉器官的外形都很相似。此特點對于利用人臉進(jìn)行定位是有利的，但對于利用人臉區(qū)分人類個體是不利的。

（2）易變性

人臉的外形很不穩(wěn)定：人在做出不同表情時，臉部的外形會出現(xiàn)變化；在不同的觀察角度上，人臉的視覺圖像相差很大；光照條件（如白天、夜晚、室內(nèi)、室外等）、人臉上的各種遮蓋物（如口罩、墨鏡、頭發(fā)、胡須等）以及年齡等多方面因素都增加了人臉區(qū)分與識別的困難，提高了產(chǎn)生誤報的幾率；如果人臉經(jīng)過整型，就更加難以識別了。

人臉識別需要有一個比較穩(wěn)定的成像機(jī)制。圖像中人臉的大小、光照、攝像機(jī)與人臉的角度等，都要符合一定的要求。只有這些前提條件得到滿足，一個良好的人臉識別系統(tǒng)才有可能實現(xiàn)。

在光線較好的監(jiān)控環(huán)境下，如人臉姿態(tài)偏轉(zhuǎn)保持在左右60度，上下30度范圍內(nèi)，人臉抓拍率可以達(dá)到95%左右。在人臉部區(qū)域的分辨率不低于120×120像素（對于性能較強(qiáng)的系統(tǒng)，此要求可降低至80×80像素）的前提下，人臉建模的成功率在65%左右（建模時必須對抓拍到的人臉進(jìn)行篩選，建模成功后還應(yīng)與黑名單中的圖像進(jìn)行比對、識別。成功率的高低與需比對識別的黑名單中存留的人臉圖像清晰與否有直接的關(guān)系，能達(dá)到60%已是較好的結(jié)果）。

需說明的是，人臉識別對成像角度、像素數(shù)、清晰度、無遮擋等的要求較高，傳統(tǒng)的監(jiān)控攝像機(jī)一般不能滿足人臉識別系統(tǒng)的成像要求。目前用于工程的人臉抓拍攝像機(jī)為高清攝像機(jī)，可根據(jù)監(jiān)控范圍（監(jiān)控區(qū)域?qū)挾龋┻x用100萬像素高清、200萬像素高清或500萬像素高清攝像機(jī)。

5 結(jié)束語

智能視頻分析正在蓬勃發(fā)展，其擴(kuò)展應(yīng)用已深入到許多行業(yè)和領(lǐng)域。讓我們共同期待著高成功率實戰(zhàn)應(yīng)用的不斷涌現(xiàn)，讓刑偵技術(shù)更完備、更神奇！