机器视觉：为视频监控带来了哪些改变？

视觉，是人类感官客观世界的主要信号来源。在信号处理理论与计算机经常出现以后，人们试图用摄像机提供环境图像并转换成数字信号，用计算机构建对视觉信息处理的全过程。这种使计算机需要通过一幅或幅图像了解周围环境信息的研究目标，正是机器视觉。　　作为机器视觉的代表应用于，以摄像机为核心的视频监控系统，目前早已广泛应用与安保、交通、楼宇、工业等各个行业领域。

想理解机器视觉到底为视频监控带给了哪些转变，我们可以从机器视觉的几大应用领域来更进一步分析。　　目标辨识　　目标辨识技术和平稳的跟踪方法是机器视觉发展的关键因素之一。它在很多领域都获得大量的应用于，例如身份证实的指纹识别、人脸识别、虹膜识别以及在智能交通管理、机动车检测、停车场管理等场合的车牌辨识等。

　　一个目标识别系统应当具备在简单背景以及各种天气情况下检测、分类、辨识目标的能力，这样才能有针对性地对目标展开持续的追踪。　　近些年来，目标辨识技术已由理论探寻、实验室建模渐渐南北实际应用于，其技术方法也从经典的统计资料模式识别，向着基于科学知识、模型、多传感器信息融合以及人工神经网络的识别方法演变。　　目标跟踪　　运动目标追踪是确认同一物体在图像序列有所不同帧中方位的过程。

其主要工作方式就是自由选择好的目标特征和使用必要的搜寻方法，根据给定原理，把现有的追踪方法分成基于模型、区域、特征以及活动轮廓的追踪。　　基于模型的追踪　　基于模型的追踪是通过一定的先验科学知识对所跟踪目标创建模型，然后通过给定追踪模板，并动态改版模型。传统的运动物体表达方法有如下三种：　　1. 线图法：目标运动的实质是主框架的运动，因此该表达方法将物体的各个部分以直线来近似于。　　2. 二维轮廓：该表达方法的用于与物体在图像的投影有关。

　　3. 立体模型：利用广义椭圆柱、球等三维模型来叙述物体的结构细节。该方法往往必须在联系的图像帧间给定三维模型来提供物体运动的定量叙述，因此必须计算出来更好的参数，给定过程的计算出来量更大。　　基于特征的追踪　　把预先萃取的运动区域作为给定的目标模板，原作一个给定度量，然后在下一帧图像中给定搜寻目标图像，把度量取极有一点方位判断为最佳给定点，这种方式乃是机遇区域的追踪。

　　由于萃取了较完整的目标模板，该方式相对于其他追踪算法需要获得更加非常丰富的图像信息，因此普遍应用于追踪较小的目标或对比度较好的目标。　　基于活动轮廓的追踪　　利用一条堵塞的参数化曲线来传达运动目标轮廓，在由图像结构的特征场中通过大于化以曲线函数为参数的能量展开动态递归，使得该轮廓需要自动倒数改版。相对于区域追踪方法，该方式计算出来量小，如果开始需要合理分离每个运动目标并构建轮廓初始化，那么即使有部分遮盖，也能倒数的展开追踪。

　　视觉分析　　视觉分析技术，就是通过目标辨识、目标跟踪方式之后，更进一步提供目标的经常出现时间、运动轨迹、颜色等诸多信息，通过对各个目标的上述信息的分析，寻找视频中不存在的危险性、违规行为或者怀疑目标，并对这些不道德和目标展开动态报警、提早预警、存储以及事后检索。　　在视觉分析的应用领域中，尤为最重要的乃是智能视频监控和智能视频检索技术。

两者的应用于技术相似，主要区别在于：智能视频监控是对当时收集的视频展开实时处理，当找到危险性事件或者可疑分子时展开动态报警;而智能视频检索技术，处置的是早已再次发生过的存储视频，其通过对视频展开较慢分析，寻找其中不存在的危险性事件、可疑分子，以及每个感兴趣目标的信息，然后，使用者可以对关心的事件展开自由选择或者对关心的目标属性展开定义，系统需要较慢查询到用户关心的事件或目标。　　一般而言，智能视频监控包括的功能还包括周界检测、越线检测、游走停留检测、遗失检测、遗留检测、较慢移动检测、打人检测、追赶检测、人群挤满、火灾烟雾检测、PTZ目标追踪、视频故障分析、视频存储和音频等功能。

　　对于有所不同的用户而言，对上述功能的市场需求不会有所注重。在上述技术中，其中，周界检测、越线检测、游走停留检测、遗失检测、遗留检测、较慢移动检测、打人检测、追赶检测使用的方法，主要都是再行使用背景建模(BackgroundModel)、前景萃取(ForegroundExtraction)萃取获得运动目标，然后，使用目标给定追踪技术获得目标的轨迹，并获得目标的运动方向、所处方位，以及各目标间相互关系，最后依据原作规则获得上述出现异常不道德。　　其中，对于简单背景，大流量区域的遗留物和遗失物检测方法，可以使用类似的基于时间序列区域运动分析的方法展开，而不用展开上述目标检测追踪技术获得。　　而智能视频检索，首先必须利用智能视频监控的检测技术来检测出现异常事件，更进一步，智能视频检索还必须在运动目标检测追踪的基础上，获得人车等目标的诸如人脸、颜色、速度以及数量等信息。

这样，展开智能视频检索的时候，一方面可以检索出现异常事件，此外还可以通过目标的经常出现完结时间、颜色、速度、数量，以及人脸信息等展开检索。　　此外，系统还可以得出一个事件和目标的时空分布图，便于用户查询自己感兴趣的时段和事件。对于现在动则成千上万的监控终端而言，想要从这些海量数据中查询到自己关心的事件和目标，必需利用智能视频检索技术。

　　结语　　视频监控技术是机器视觉领域一个新兴的应用于方向和倍受注目的前沿课题，也是计算机科学、机器视觉、图像工程、模式识别和人工智能等多学科技术的结晶。　　可以想象，当机器视觉与图像处理技术重新加入之后，超越了原先的容许，以求设计出有一个动态视频监控系统。

该系统在构建视频监控同时，通过运用机器视觉技术，减少了视频变化检测和自动视频功能，系统需要自动识别场景变化，检测出有运动目标并瞄准，同时收到警告和启动存储装置。这样不仅可以节省大量存储空间，提升监控存储效率，增加不必要的音频，而且数据更为具备针对性。

本文来源：南宫28NG官网-www.edulinkconnection.com