智能视频监控技术源于计算机视觉技术，作为人工智能研究的一个分支，是一项新兴的安防技术，有着广阔的发展前景。随着智能分析应用需求的与日俱增，智能视频应用在安防领域大显其道，未来前景无限。

智能分析应用需求与日俱增

进入21世纪，公共安全问题已经成为全世界的一大热点，安防监控系统已经应用到社会的各个角落，影响和改变着人们的生活。互联网、3G无线通信以及智能化多媒体处理技术的迅猛发展，为网络化的智能视频监控系统研发提供强有力的支撑。如今，视频监控系统越来越广泛的应用到社会的各个方面，在安防、政府、银行、教育、交通等社会各个领域都发挥着极其重要的作用。在我国，视频监控市场正在快速发展中，各种监控需求逐年增多，监控设备也越来越丰富，人们不断对监控系统提出了更高、更新的要求。

随着安防行业的技术升级，智能视频分析技术作为市场应用的利器之一，厂家竞相大力研发、完善，作为未来发展的核心技术。智能分析技术目前在众多领域已逐步试用，然而，不得不说的是当前同质化严重、不成熟的智能分析技术在逐渐细分的应用行业需求下捉襟见肘。

智能分析安防应用大显其道

智能视频分析应用大致可分为公安执法和安全类、文博类、烟草工业类。执法类会更侧重于模式识别，如车牌识别、人脸识别；安全类则会侧重于逆行监测、非法入侵、人群聚集、滑倒、遗留物的检测；文博类重点在于物品看管及人员的安全监控，可对物体丢失、拿走、徘徊报警以及对特殊通道进行逆行监测，也可对人数进行统计、人员密度进行监测；烟草工业类应用偏向于行为分析，如针对禁用区的遗留物进行检测，结合生产设备故障的特殊表现进行故障检测。高清摄像机智能与非高清智能在基础算法采用相同原理。高清算法需要提供更多的计算能力去进行分析。目前，行为分析类，采用CIF分辨率已经足够，当输入的是高清视频时，会先对像素进行裁剪后再分析；对于模式识别类，要采用高清视频进行分析，以获取更精确的结果。

就可实现的智能视频分析功能来说，几乎所有的应用都主要针对于人、车、物体三个方面，北京文安根据具体应用的不同把它分为三类：1、公共安全预防类。它包含了目标移动轨迹的跟踪、目标移动范围、目标移动方向、特殊人体行为、特殊车辆行为的监测等等，它比较突出的特点是可针对可疑异常事件进行及时预警。2、数据统计分析类。典型例子如 客流统计、车流统计类应用。这一类应用相对较独立，它以数据输出为最终结果，多以提供不同类型数据报表来辅助管理决策。3、智能交通监控类。典型如车牌识别、闯红灯违法监测、交通综合违法监测等，这一类应用主要针对车辆进行分析，相对较为成熟，应用案例也较为普遍。

除此之外，北京monsteel莫士特科技结合国内视频监控的现状问题，又针对性地开发了一类专门针对视频图像质量本身的应用，以通过对每一路视频图像的信号质量进行监测，对视频图像出现的视频丢失、雪花、滚屏、模糊、偏色、画面冻结、增益失衡等常见摄像头故障做出准确判断，帮助用户及时的发现前端摄像头的视频质量故障，有效掌控前端设备运行情况，保证监控系统的正常运行。

不同的行业对于视频监控的需求一般有着非常明显的差异，特别是对于智能视频分析技术的应用需求，由此也决定了不同行业间检测行为类型与异常事件的特殊性。比如在平安城市中，可针对城市治安突发事件，专门研发打架、抢劫、攀越等行为分析功能。在银行ATM自助服务区，可通过对目前ATM自助服务区犯罪手段的分析，实现如非法粘贴小纸条、安装假键盘、蒙面、暴力抢劫等行为分析功能。在交通行业，可实现针对交通事件如逆行、非法停车、交通拥堵等情况报警的更多的功能。只有结合行业应用实际，深入了解不同行业的具体问题，才能更好地抓住用户的需求，将智能视频分析技术的功能落实到应用的实处，这也是智能视频分析技术未来产业化价值的最终体现。

对于智能视频分析的解决方案，不同的行业有不同的侧重点。以监狱为例，为防止犯人越狱和群殴事件的发生，对周界和人群聚集的需求比较突出，主要是解决这两方面的问题，而对于一些机场等人员流动性比较大的公共场所来说，对于遗弃物的检测和徘徊检测的需求比较突出，以防止危险物品的爆炸和可疑人员进行犯罪等行为

对于核电站、油田、电网等场所来说，一般处在偏远地区，人流量不大，但是其周界的安全保卫需求比较高，一旦有人靠近就需要引起警示，对周界的防卫需求比较突出。

对于视频监控而言，图像越清晰，细节越明显，观看体验越好，智能等应用业务的准确度也越高，所以图像清晰度是视频监控永恒的追求。以往视频清晰度低，给监控人员寻找有价值的线索造成很大的难度，高清视频技术的运用给我们提供了高清晰的，包含丰富完整信息的高质量视频源，从而提高了视频智能分析的准确率，避免了因场景问题而损失信息量。从这个方面来说，视频的智能分析是以高清为前提的，因此智能视频分析对前端摄像机清晰度的要求是比较高的，高清意味着存储压力的增大，相应的，对后端存储设备的稳定性和容量也有一定要求。

高清监控摄像机智能视频分析与非高清智能视频分析技术上没有太大的差异，但是带来的结果是完全不同的。高清监控可以提高智能视频分析的效率，同时可以从视频中获取更多更有效的信息。比如说，人脸和车牌识别，就需要图像更多的细节，可以提高识别率的同时可以提供更有说服力的图片和视频。

智能分析优势凸显

快速的反应时间：毫秒级的报警触发反应时间；更有效的监视：保安人员只需要注意相关信息；强大的数据检索和分析功能：能提供快速的反应时间和调查时间。

运动检测是基础：绝大多数智能视频分析都是基于运动目标检测技术，即首先智能分析系统能准确地完成对运动目标的检测，将运动物体与图像背景有效分离，提取出运动目标信息。从计算机视觉的实际应用上来看，运动目标检测与识别、分析所面临主要挑战和需解决问题可以归结为三个方面，即算法的鲁棒性、准确性、实时性。

鲁棒性：鲁棒性就是系统的健壮性，用以表征控制系统对特性或参数摄动的不敏感性。运动目标检测算法的鲁棒性是能够在各种环境条件下实现对运动目标持续、稳定的检测、分析和识别。影响算法鲁棒性的最主要原因有如下几项：目标状态的改变、环境光照的变化、部分遮挡引起的目标不规则变形和全部遮挡引起的运动目标暂时消失。

准确性：运动目标检测和识别针对不同应用情况，其检测识别率不同，几乎无法实现100%检测成功，即存在误检和漏检情况。由于实际的监控场景环境复杂、千变万化，其中存在大量噪声和干扰情况，通过算法的优化可提高一定的检测准确率，同时往往只能根据实际需求，在误检率(虚警率)和漏检率(漏警率)之间寻求平衡折中。

实时性：一个实用的智能视频监控系统，必须具备能够对视频图像序列进行实时处理的能力。由于对视频动态图像的处理方法是建立在二维数字信号的处理基础上，所处理的对象包含巨大的数据量和信息量，要求算法不能计算太复杂，必须快速、实时。对于实时分析预警任务，计算复杂度是至关重要的，这样才能把系统更多的资源分配给更高级的任务。而这其中实时性和鲁棒性又常常是矛盾的，如何寻求平衡发展是技术的关键。

智能分析行业发展势在必行

目前，智能分析技术的行业特性并不明显，实际应用效果也自然不出彩。因此，进行智能分析技术的行业化开发势在必行，原因主要有如下两点：

实际环境中光照变化、目标运动复杂性、遮挡、目标与背景颜色相似、背景杂乱等都会增加智能分析算法设计的难度。当应用环境背景复杂，光照变化引起目标颜色与背景颜色的变化时，分析软件可能造成虚假检测与错误跟踪，这种光照变化对算法的影响是无法完全消除的。此外，当视频图像中运动目标被部分或完全遮挡，又或是多个目标相互遮挡时，目标信息的缺失会影响智能分析软件在分析跟踪时的稳定性。另，目前的智能分析系统一方面要保证大量信息分析跟踪的实时性，选择计算量小的分析算法，同时为了使分析算法对复杂背景、光照变化和遮挡等情况有较强的适应性，则要选择复杂的分析运算方式，而若要同时满足两者，存在一定困难。由此，当智能分析技术应用在各个行业时，若能进行应用环境的区分和运算方法的简化，实现单一应用，为每个行业进行特定开发，并嵌入专门的算法，或只针对某一种或简单几种事件进行分析，比如重要出入口的人员跟踪，系统只需嵌入分析及跟踪算法等，则会简化智能分析技术的运算方式，而智能分析技术也会更贴合行业需求特点，进行更为精准的分析运算。

智能分析技术的行业化开发需求一方面来源于行业发展与技术限制，同时，更大程度上取决于实际应用效果的真实反馈。目前智能分析技术有行为分析、特征识别、视频诊断、分类统计等，而不同行业智能视频分析技术应用的侧重点也有不同。如监狱内的智能分析系统主要是越界检测、区域内徘徊事件检测、异常行为识别等，其主要是为防止服刑人员越狱和群殴事件的发生，并维护周界安全等。而对于道路交通高速公路等行业的应用需求，则主要是违章检测、车流统计、逆向行驶、车牌识别、交通事件检测等。对于机场、车站等人员流动性比较大的公共场所来说，为防止危险物品的爆炸和可疑人员犯罪等行为的发生，其对于遗弃物检测和徘徊检测的需求更为突出。

因此，根据各行业需求进行有效合理的智能分析技术开发和应用十分必要。

智能视频监控技术源于计算机视觉技术，作为人工智能研究的一个分支，是一项新兴的安防技术，有着广阔的发展前景。经过了几年的技术研究与市场开拓，智能视频分析对人们来说已不再陌生，智能分析行业应用逐渐走上正轨。