智能监控或将成为安防行业的下一个拐点

    算法的实现可以看作一个建模的过程，也可以理解成一种应用数学工程。运动目标的检测识别是指从序列图像中将变化的前景从背景中分离出来，是数字图像处理的一个主要部分。天气和光照的变化，复杂背景中其他物体的干扰，运动的影子以及摄像机的运动、抖动等都会对目标的提取过程带来困难。因此运动目标的正确检测和准确跟踪成为了视频监控系统中一项重要的技术点。整个过程可以简单分为以下几个步骤：视频预处理，目标检测与识别，目标分类，目标跟踪，行为分析和规则创建。

    视频预处理

    视频预处理过程其实就是降低噪声，突出跟踪目标。图像噪声有两类，一类是源噪声，一类属于观察噪声。环境光线变化，背景的树叶，雨雪等都属于源噪声；而观察噪声主要指得是摄像头抖动，传输线路干扰等影响。这些噪声都会对跟踪目标提取过程造成麻烦。在消除噪声方面一般采用的方法为数字稳像，背景自适应学习，阈值分割，形态学滤波，二值化等。这些处理可以消除图像中大部分噪声，减少其对目标检测的干扰。

    目标检测与识别

    利用运动目标提取过程得到前景运动的物体后，就需要对目标有一个识别的过程。这种识别分为单目标人工识别和多目标区域识别。对于单个物体的跟踪来说，可以从视频中人为的选取出感兴趣的物体，并对其进行跟踪；对于区域多物体来说，则可以划分出一个区域，只对进入区域的物体进行识别和跟踪。

    目标分类

    对于监控区域内的单个物体跟踪来说是不需要分类的。即使物体在运动过程中发生了遮挡，当物体满足线性运动，背景变化比较平缓时，该算法仍然可以对物体进行准确的跟踪。对于复杂环境下的非线性运动的物体，我们则在诊-来单目标跟踪的基础上加入一些目标特征信息来帮助识别跟踪。目标分类一般应用于多目标情况下跟踪单目标，或者多目标跟踪多目标的环境。当环境中有多个运动目标的时候我们可以把每个运动的目标都提取出来，按照位置、速度、形状、纹理以及色彩等有关特征对它们进行分类。首先将感兴趣目标的特征信息保存下来，然后对其进行跟踪。当视频中跟踪的物体消失后又出现时，我们就重新用以前保存的特征信息和当前画面中出现的所有运动目标进行匹配。通过比较的结果，就可以判定出现的物体中哪一个是刚才跟踪的目标。

    行为分析和规则创建

    如果说物体的跟踪过程是一个单纯的技术处理过程的话，行为分析则应该属于高级智能的范畴了。

    简单的讲，行为分析就是在人为规则创建的基础上，对视频中的图像进行自动的分析和抽取视频源中关键信息的过程。因为规则的创建是与环境相关的，比如场景中的情况不同，设置触发报警的条件和区域也不同。因此在智能安防的发展中，软件端的工作的重心就是尽量使智能分析朝着人性化的方向发展，在简单的设置下，可以让智能分析对整个图像有一个自主学习适应的过程，进一步减少人的因素的影响，减轻人的工作量。

    总结与展望

    随着中国安防产业发展越来越快，市场规模不断扩大，从事安防产业的公司也越来越多。对于推广智能安防产品的公司而言，只有抓住了安防市场的脉搏，掌握了关键的技术，才能正确应对未来市场的需求而不断的推陈出新，不断的在市场竞争中发现机遇。同国外相比，中国的智能安防技术还有很长的路要走，但可以肯定的说，随着国内外技术交流次数的频繁增加，国内人才数量的倍增以及研发环境的完善，这些差距会越来越小。希望今后国内从事安防行业的各个公司也能够在保护公司自主知识产权的前提下，多多进行沟通和交流，不断完善安防行业的产品规范和市场规范。在建立共赢市场的前提下，不断的技术创新，把以智能图像处理技术为核心的智能视频监控产品在各个行业和领域中广泛推广，为人们的生活创造一个和平安全的环境。