智能软件是智能视频监控系统的核心

　　一、引言

　　随着平安城市建设的需要，所需要的网络视频监控系统越来越大，从而使传统的视频监控系统面临着越来越多的问题和挑战：如缺乏足够的人员来监视管理，监视人员需要很长的时间来掌握系统的使用和实现有效的监视；监控人员无法保证在长时间一直有足够的注意力来监视每个地方，而不断出现的误报警也使监视人员在面对报警时越来越麻木；由于时刻担心有任何重要信息的遗漏，以至很多用户把所有监控点的图像都按照最高的帧率和分辨率进行24小时连续不断的存储，这就意味着在存储和传输设备上，用户需要有很大的投资，并且在录像查找上也费时费力等。因此，这样的城市安防监控系统，则根本无法保证城市的平安。如2005年7月，伦敦就发生了爆炸案。这类事件引起了全世界的振动，其侦破过程对于视频监控系统，特别是智能视频监控系统的发展起到了巨大作用。这说明，一个重大的事件带来的机遇、产生的推动力会极大地激励和催化技术的进步。

　　由于智能视频监控系统能够有效地解决上述问题，因而用户对智能视频的需求也越来越强烈和迫切。随着光电图像技术、视频分析技术、多媒体数据库、人工智能技术的发展，智能化视频监控系统能够及时、自动地从原始信息中提取大量的有用的信息。这些信息可以传输保存和检索，也可以驱动其他数据、触发其他行为，从而轻而易举地完成人力很难完成的任务。

　　智能视频监控（IVS Intelligent Video Surveillance）是基于计算机视觉技术对监控场景的视频图像内容进行分析，提取场景中的关键信息，并形成相应事件和告警的监控方式，是新一代基于视频内容分析的监控系统。如果把摄像机看作人的眼睛，那么智能视频监控系统或设备则可以看作人的大脑。智能视频监控技术借助计算机强大的数据处理功能，对视频画面中的海量数据进行高速分析，过滤掉用户不关心的信息，而仅仅为监控者提供有用的关键信息。

　　显然，智能视频监控是以数字化、网络化视频监控为基础，但又有别于一般的网络化视频监控，它是一种更高端的视频监控应用。因为智能视频监控系统能够自动识别不同的物体，发现监控画面中的异常情况，并能够以最快和最佳的方式发出预/报警和提供有用信息，从而能够更加有效地协助安全人员处理危机，并最大限度地降低误报和漏报现象。

　　在世界反恐斗争日趋严峻的今天，智能视频监控显然能够成为应对恐怖主义袭击和处理突发事件的有力的辅助工具。现在视频监控系统不仅仅被认为是事后搜寻犯罪嫌疑人的手段，而且是一种阻止犯罪发生的辅助手段。视频分析识别涉及到复杂的软件算法，它可以通过编程识别出奇怪的行为。视频内容分析软件能通过分析现场或记录的视频流，从而检测出可疑的活动、事件或者行为模式。视频内容分析识别算法将逐渐嵌入到前端监控设备，如嵌入摄像机、视频服务器和DVR上，这些智能设备能判定什么时候它所感兴趣的内容会发生，并且只有在那时才传输视频，从而有效节省带宽，因此极大地提高了可用网络带宽。当然，复杂的智能软件算法应嵌入后端的软件平台，以使整个系统设备合理地平衡地搭配。并且，IT基础设施制造商也希望能在他们的产品中嵌入视频分析软件，从而提高视频网络的性能。据IMS Research公司预测，由于智能化视频监控的巨大需求，视频内容分析软件的全球市场将在未来5年内急剧增长，其增长速度将远远超过安防行业的增长速度。

　　由于计算机和光电图像技术的结合，使得图像自动检测、视频内容分析识别成为可能。这种视频分析识别不仅可以大大提高监控效率，还能从复杂的数据中辨认行为和类型，并可提供操作命令、数据和信息。因此，未来的智能视频监控系统很大程度取决于智能分析识别系统的成功与否，即取决于智能视频分析识别软件。如果没有软件，光靠硬件是不可能智能化的。所以，智能软件是智能视频监控系统的核心。

　　过去，大多数安防公司，对平安城市系统建设投入的重点认识不够充分，主要表现在重系统硬件投资、轻平台软件建设。认为只要前端设备好，就能得到好的监控效果，结果造成了高投资安装的监控设备却不能充分发挥作用。甚至有的公司老总，只对他公司的硬件产品修修补补或抄板感兴趣，一提到要给他搞创新的智能软件的研究，就退避三舍，真是幼稚之极。

　　本文通过介绍智能视频网络监控系统中的各种软件算法，说明“智能软件是智能视频监控系统的核心”，以提高大家对软件的充分重视，并加大投入，以便创新地开发出多种智能软件功能，使我国的智能视频网络监控系统能走在世界前列。

　　二、智能交通软件

　　大家知道，智能交通系统的智能化功能，均需要智能软件算法完成。其中的车辆检测的定位与跟踪算法大致可分为如下四类：基于区域的方法，基于主动轮廓的方法，基于特征的方法，基于模型的方法；但也可以简单分为基于二维的方法和基于三维模型的方法。基于二维的方法，本身具有难以解决遮挡、无关结构干扰、对光线敏感、适用场景有限等固有的缺陷问题；基于三维模型的方法，由于引入了目标物体的三维先验知识，比基于二维的方法更具准确性，但相应研究的难度也较大。由此看出，软件算法的好坏，决定了智能系统的质量的高低。

 
　　1、基于三维模型的目标定位算法

　　通常，人类在观察周围世界的时候，总是利用丰富的先验知识，如车辆模型、场景模型、运动模型、弱透视模型、地平面约束、推理结构和语法与句法模型等。但对智能交通来说，最重要的是车辆模型。如实现生成一个车辆的三维线框模型，在给定的姿态下，将其投影到图像平面上，并与图像数据匹配。通过优化过程得到目标物体的真实姿态，这类方法通常称为基于三维模型的目标定位方法。

　　基于三维模型的交通监控系统的底层视觉部分主要由三个模块组成：运动检测、初始化、跟踪。摄像机所拍录到的图像序列首先送到运动检测模块，以确定图像中可能包含车辆的区域。当某个区域第一次出现时，完成跟踪的初始化工作，包括判断其中是否真的存在车辆，如果存在的话，则确定它的三维姿态并识别出它是哪种车型；车辆跟踪模块由定位模块驱动，当初始化工作已经完成、车辆已被准确识别和定位以后，跟踪模块将自动地根据车辆以前的三维姿态信息和运动学知识预测车辆在当前帧的位置，定位模块将以这个位置作为初始值，确定当前帧中车辆的三维姿态，如此循环往复，直到车辆离开视野，跟踪模块也就停止工作了。

　　中科院自动化所模式识别国家重点实验室视频监控小组，在总结了英国雷丁大学 VIEWS的车辆交通监控原型系统的研究经验后，自行设计了一个拥有完全自主版权的交通监控原型系统VStar Visual SurveillanceStar，并在PC Windows 2000平台上用Visual C++6.0语言初步实现了整个系统。这种VStar系统由计算机、数字摄像机、音箱和交通场景模拟平台组成。当车辆在交通场景中运动时，摄像机将拍录下来的视频序列送进计算机，定位和跟踪程序自动分析这些视频序列，识别车型并跟踪车辆在场景中的运动。

　　在这种交通监控原型系统中，其具体的定位与跟踪算法是：

　　①基于三维线框模型的车辆定位算法。其中车辆定位过程被假想成从初始姿态到正确姿态的一系列虚拟运动，并被进一步分解成为两种独立的运动：平移和旋转。平移参数可以通过基于PLS距离（点到线段的距离）的姿态评价函数得到，而旋转参数可以通过一族特别构造的假想平面之间的几何关系得到。在确定平移参数和旋转参数时均可以得到闭式解。实验结果表明，该算法可以快速、准确、鲁棒地根据一幅灰度图像确定其中车辆在三维空间里的姿态。

　　②基于改进的扩展卡尔曼滤波器的车辆跟踪算法。其中提出了一种新的车辆运动模型，考虑了车辆行驶过程中的一些物理性质，比现有的运动模型更加符合车辆的真实运动。该算法还利用了一种改进的扩展卡尔曼滤波器，通过强制残差序列满足正交性条件来保证残差序列拥有与白噪声相同的性质，从而满足了卡尔曼滤波器中对于观测噪声是白噪声的假定。实验结果表明，当车辆的运动急剧、复杂时，现有的算法都不能很好地预测车辆的运动，而本算法可以相当准确地完成预测的任务。

　　2、用于事件识别的行为模式学习的自组织神经网络算法

　　用于事件识别的行为模式学习的自组织神经网络方法，是通过对目标运动轨迹和目标特征的学习，建立行为分布模式，它不仅能实现异常现象的检测和检测异常发生区域，还能进行目标行为的预测。其特点是：

　　①使用了一种以整条轨迹作为输入的网络映射方法,克服了现有的网络映射方法不能完整地表示“线”特征的缺点；

　　②使目标特征更加合理地表示在样本数据中；

　　③采用了行为模式学习的模糊自组织神经学习算法,大大地提高了行为模式的学习速度；

　　④给出了利用行为模式判断整条轨迹所代表的事件是否异常、检测出局部的异常区域和目标行为预测的数学方法。

　　在接收摄像机拍录的图像序列时，根据事先已经确定的摄像机模型和车辆模型实现基于三维线框模型的车辆实时跟踪，这时输出的是车辆的轨迹。在积累了足够多的车辆轨迹后，就可以开始行为模式学习，它从大量的车辆轨迹中，通过模糊自组织神经网络的方法学习出车辆的行为模式分布。交通事故预测部分接收跟踪部分的实时跟踪结果，并且把它和行为模式分布作比较，由概率模型推断出当前事故发生的可能性。最后再由此可能性序列的分析，给出对于此事故的处理方式。

 
　　3、车辆检测系统中的车辆分类与车牌识别

　　此外，车辆检测系统是道路监控系统非常重要的一部分，它可以获得当前监控路面交通流量、占有率、速度等数据，以此判断道路阻塞情况，并利用外场信息发布系统发出警告等。实际上，车辆自动分类系统是通过图像识别运算法则，来将车辆准确地分类。自动车辆分类系统将车辆长度信息、车轴数量和间距信息、车辆高度距阵信息形成综合的图像，将该图像与预先设置的标准对比，从而实现车辆的准确分类。

　　车辆检测系统ARM软件采用分层设计思想，整个软件由驱动程序和应用软件两部分构成。驱动程序部分封装了Flash操作、RS-485操作、实时时钟(RTC)操作、RS-232操作和I/O等操作。应用软件分成基本函数库和主程序。

　　车牌识别是基于光学字符识别(简称OCR，即Optical Character Recognition)技术对车辆牌照进行识别，从而辨识车辆身份的一种技术。近几年该技术发展迅速，国内有许多研究机构和厂家掌握了汉字和基本字符的关键识别技术，并已广泛应用于智能交通领域。

　　车牌定位是在车辆的整幅图像中，正确找到车牌所在的位置，提取车牌部分的图像，并判别出车牌的颜色；字符分割是按规定的车牌格式，正确分割车牌的每一个字符，为字符的识别做准备；字符识别是OCR的核心技术，经过字符识别最终获得车牌号码(有时还包括如车牌颜色，牌照位置等其他重要信息)。

　　经过多年的发展，车牌识别技术已经相对成熟，已有较多的厂商的整牌识别率都可以达到95%以上，基本满足了实际应用需要。在最新的车牌识别系统中，已有厂家推出了车型识别功能，可以定位到是何种品牌的汽车，如奔驰、宝马、本田、丰田、夏利等。

　　三、视频图像识别软件

　　智能视频图像识别中，主要有面像识别与步态识别，这类识别系统的核心是其识别算法软件。现将两类识别系统的核心软件算法简述如下：

　　1、面像识别的几个基本的软件算法：

　　①几何特征的面像识别算法

　　所谓几何特征是眼、鼻、嘴等的形状和它们之间的几何关系，如相互之间的距离等对应几何关系等数据形成识别参数，与数据库中所有原始参数进行比较、判断。这种几何特征的识别算法的识别速度快，需要的内存小，但识别率较低。

　　②神经网络的面像识别算法

　　神经网络的输入，可以是降低分辨率的人脸图像、局部区域的自相关函数、局部纹理的二阶矩等。这类方法需要较多的训练样本进行训练，才比较可靠。而在许多应用中，样本数量是很有限的。

　　③基于特征脸(PCA) 的面像识别算法

　　所谓特征脸(PCA)的方法是基于KL变换的面像识别方法，KL变换是图像压缩的一种最优正交变换。高维的图像空间，经过KL变换后得到一组新的正交基，保留其中重要的正交基，由这些正交基可以形成低维线性空间。如果人脸在这些低维线性空间的投影具有可分性，就可将这些投影用作识别的特征矢量，这就是特征脸(PCA)方法的基本思想。这些方法需要较多的训练样本，而且完全是基于图像灰度的统计特性的，目前有一些改进型的特征脸方法。

 
　　④弹性图匹配的面像识别算法

　　这种弹性图匹配的面像识别方法在二维的空间中定义了一种对于通常的人脸变形具有一定的不变性的距离，并采用属性拓扑图来代表人脸，拓扑图的任一顶点均包含一特征向量，用来记录人脸在该顶点位置附近的信息。该方法结合了灰度特性和几何因素，在比对时可以允许图像存在弹性形变，在克服表情变化对识别的影响方面，收到了较好的效果，同时对于单个人也不再需要多个样本进行训练。

　　⑤线段距离(LHD)的面像识别算法

　　由心理学的研究表明，人类在识别轮廓图(如漫画)的速度和准确度上丝毫不比识别灰庹图差。LHD是基于从人脸灰度图像中提取出来的线段图的，它定义的是两个线段集之间的距离，与众不同的是，LHD并不建立不同线段集之间线段的一一对应关系，因此它更能适应线段图之间的微小变化。实验结果表明，LHD在不同光照条件下和不同姿态情况下都有非常出色的表现，但是它在大表情的情况下识别效果不好。

　　⑥支持向量机(SVM)的面像识别算法

　　支持向量机主要解决的是一个2分类问题，它的基本思想是，试图把一个低维的线性不可分的问题转化成一个高维的线性可分的问题。通常的实验结果表明，SVM有较好的识别率，但是它需要大量的训练样本(每类300个)，这在实际应用中往往是不现实的。而且支持向量机训练时间长，方法实现复杂，该函数的取法没有统一的理论。

　　由于支持向量机(SVM)和Kernel Fisher分析是利用kernel方法解决线性不可分问题的两种不同途径，可将二者进行有机结合。而SVM最优分类面的法向量在基于支持向量的类内散度矩阵的前提下具有零空间性质，基于此定义了核化的决策边界特征矩阵（Kernelized Decision Boundary Feature Matrix，简写为KDBFM），最后利用基于零空间的Kernel Fisher方法计算投影空间。为此用融合类均值向量差及KDBFM来构建扩展的决策边界特征矩阵(EKDBFM)的方法，并把这两种方法成功地应用到了人脸识别领域，在FERET和CAS-PEAL数据库的实验结果表明，该方法比传统人脸识别算法具有更好的识别性能。

　　此外，由于面像识别容易受限于拍摄人脸的角度和光照，新加坡资讯通信研究院开发了一套“脸型合成”技术，使面像识别的认错率降低至接近零。因为脸型合成技术可预测脸部的变化。所摄取的人脸传到电脑后，会自行合成数十、数百、甚至数千张光暗不同的脸照，并把脸向右向左偏转而合成数十张不同角度的新照。只要任何1张同资料库中的比对成功，便会确认，从而解决了原有的角度和光的强弱的限制。该技术使头部面对摄像机偏左偏右角度差别可达350，即人的两眼只要向着摄像机即可。由此也可看出，智能软件的好坏，是智能视频监控系统的核心。

　　2、步态识别的几个基本的软件算法：

　　目前，己研究出的步态识别的软件算法有如下几种：

　　①基于主元分析的免于模型的二维步态识别算法

　　对于每个步态序列而言，一种改进的背景减除技术被使用来提取人的空间轮廓。这些轮廓的边缘，被逆时针方向展开为一系列相对于质心的距离模板。这些模板特征通过使用主元统计分析方法来训练，从而得出步态形状的变化模式在特征空间中的轨迹表达。识别时，采用了时空相关匹配方法和基于归一化欧氏距离的最近邻规则，并引入了相应于个人的体形等生理特征的融合，以用于必要的步态分类校验。

　　②基于统计形状分析的步态识别算法

　　该算法来源于“从行走运动的时空模式中可学习人体的外观模型”的观点。对于每个序列而言，背景减除过程用来提取行人的运动轮廓，这些轮廓随时间的姿态变化在二维空间中被对应描述为一个序列的复数配置(Complex Configuration)。利用Procrustes形状分析方法，从该序列配置中获取主轮廓模型作为人体的静态外观特征。实验结果表明，该算法获得了令人鼓舞的识别性能。

 
　　③基于时空轮廓分析的步态识别算法

　　该算法来源于“人体行走运动很大程度上依赖于轮廓随着时间的形状变化”的直观想法。对于每个序列而言，背景减除与轮廓相关方法用于检测和跟踪行人的运动轮廓，这些时变的二维轮廓形状被转换为对应的一维距离信号，同时通过特征空间变换来提取低维步态特征。基于时空相关或归一化欧氏距离度量，以及标准的模式分类技术用于最终的识别。实验结果表明，该算法不仅获得了令人满意的识别性能，而且拥有相对较低的计算代价。

　　④基于模型的步态识别算法

　　该算法来源于“行走运动的关节角度变化包含着丰富的个体识别信息”的思想。首先，结合人体模型、运动模型和运动约束等先验知识，利用Condensation算法进行行人的跟踪。然后，从跟踪结果中获取人体主要关节的角度变化轨迹。这些轨迹经过结构和时间归一化后，作为动态特征而用于身份识别。

　　⑤基于Hough变换的步态特征提取的步态识别算法

　　这是一种基于新的特征提取方法的自动步态识别算法，该算法仅从腿部的运动进行身份识别。对于每个序列，用一种基于图像色度偏差的背景减除算法来检测运动对象。在经过后处理的二值图像序列中，利用边界跟踪算法获取对象边界，在对象边界图像上，局部应用Hough变换检测大腿和小腿的直线，从而得到大腿和小腿的倾斜角。用最小二乘法将一个周期内的倾斜角序列，拟合成5阶多项式，把Fourier级数展开后得到的相位与振幅的乘积，定义为低维步态特征向量。在小样本的数据库上用Fisher线性分类器验证所研究算法的性能，正确分类率为79.17%，在步态数据库不很理想的情况下也获得了较好的识别率。

　　⑥基于三维小波矩理论的步态识别算法

　　基于广义多尺度分析理论，针对不同的应用图像或信号库，得到最优小波分解, 并在人体步态识别中与二维小波矩结合进行应用。在三维物体的表示方面, 作为三维物体的一种无冗余的描述和识别方法，提出了三维小波矩理论。与现存的方法相比，它不但具有平移、缩放和旋转不变性，在径向上还增加了多尺度分析的特性。可以根据不同的需要，提供多层次的特征描述子，同时引进球面调和函数加速算法和小波的Mallat算法后，使小波矩的计算得到了双重加速。有人计划搭建实用的三维物体检索平台，将进一步完善该算法。

　　此外，有人在基于“人体生物特征不仅包含静态外观信息，也包含行走运动的动态信息”的思想，提出了一种判决级上融合人体静态和动态特征的身份识别方法。利用此方法在不同融合规则下的实验结果表明，融合后的识别性能均优于使用任何单一模态下的识别性能。

　　四、视频图像分析软件

　　视频图像分析与视频图像识别实际是不可分的，因内容太多，才分两个标题讲。在IVS系统中，智能软件从广义上讲具备以下三大功能：

　　（1）内容分析

　　在所有情况下，重要安全信息的数量肯定大大低于背景信息的数量，如建筑物和公路等静态信息，或风吹草动、水波涟涟等无用的动态信息等。利用软件能剔除无用信息，并关注于任何车辆等重要活动对象；

　　（2）对象识别

　　为了成功地将重要的安全信息分离出来，软件必须能将对象分类。如软件应能识别出人、动物、车辆或其他对象。从软件的角度来说，对象识别是由内容分析引擎来完成的；

　　（3）活动分析

　　软件还能识别重要活动，并将其与安全人员制订的一套规则相对比。如制订一个关于闯入安全禁区的规则，为了实施这一规则，安全人员用电子笔或鼠标在背景视频图形上画出一条虚拟“绊网”，设定安全界限，即设定一红线范围。如果识别出人，或动物，或车辆等对象跨过该“绊网”， 即红线，那么就会激活警报机制，智能软件就会发出预/报警，或提出建议。

 
　　显然，上述工作需要高强度的处理功能，由于DSP可用于处理快速傅立叶变换以及其它用于以数学方式描述图形的算法，因而DSP理想地适用于上述任务。借助这些算法，DSP能生成软件可用的元数据，从而告知安全人员可能出现的问题。利用内容分析引擎和推论引擎等软件智能对从视频中提取的元数据进行分析，这在安全系统的各个层面都具有优势。此外，使监控前端设备尽可能具备智能化将有助于减轻处理负载、提高信息质量以及加快采取补救措施的速度。

　　视频图像识别分析技术是近几年发展比较迅速的智能识别技术，它能够在图像及图像描述之间建立映射关系，从而使计算机能够通过数字图像处理和分析来理解视频画面中的内容。如人体行为分析，在目标检测分类的基础上，利用人体的各种行为特征对其所进行各种行为的描述和分析，提取哪些危险和有潜在危险的行为，如拿出刀枪对人、打斗、抢夺和突然倒地等行为。

　　目前，各类安全预警事件的最新行为检测功能纷纷推出，如烟火探测、异常行为探测、动物探测等。这些功能的实现，加速了图像识别分析软件的大规模使用。目前，可编制的行为识别分析技术软件的主要功能有：

　　能对目标物体分类：即在所有报警事件中，对人、交通工具及其他物体进行分类。

　　绊网事件探测：即探测物体经过绊网时的事件探测，这种绊网可以是单向的，也可以是双向的。

　　多绊网事件探测：即探测物体经过两条虚拟绊网时的事件和耗时。通常，双绊网可以用来探测非法转向或交通流向（交通工具或人），并计算速度。

　　“进入”事件探测：即探测指定类型物体进入某目标区域里的事件。

　　“离开”事件探测：即探测指定类型物体离开某目标区域里的事件。

　　“出现”事件探测：即探测指定类型物体第一次出现在目标区域里的事件。

　　“消失”事件探测：即探测指定类型物体，未经许可，就突然消失在目标区域里的事件。

　　“移入”事件探测：即探测指定物体移入某目标区域里的事件。

　　“遗留”事件探测：即探测有物体被遗留在某目标区域，或被整个附着在视图区域里的事件。

　　“取走”事件探测：即探测将监视的物体从目标区域里拿走，或整个视图里有物体被撤掉的事件。

　　“骤变”事件探测：即探测摄像机视角发生巨大变化的事件。

　　作物体尺寸过滤器：即过滤掉太大或太小的物体，以免错误报警。

　　作物体尺寸骤变过滤器：即过滤掉尺寸瞬间巨变的物体，以免错误报警。

　　作潮汐过滤器：即过滤掉在形状上经常变化或移动方向不规则，速度过快的物体，例如，水面反射的阳光。

　　有多预置位报警规则：即可以为一台摄像机设置不同预置位的不同报警规则。

 
　　五、智能跟踪软件

　　现在，城市里的一个人每天可能数百次被摄像头拍到，但这些摄像头多数时间处于无人监控状态。利用智能软件，可自动识别监视屏上出现的异常情况，并依靠这种软件，持续跟踪可疑目标。这种“智能视频”软件，把动态跟踪技术与视频游戏软件的学习能力相结合，持续“观察”摄像头拍摄的画面，跟踪异常行为，永久保持警惕。

　　这种软件采用的新型扩音技术还可以区别枪声与其他声音，并且指示摄像头对准并放大声源。这种技术具有高度灵敏性，一旦人群中有人说出“爆炸物”这个词，摄像头还将能很快确定这个人所在位置。显然，要做到这一点，离开智能软件是不行的。

　　一般，智能跟踪软件侦测到移动物体之后，根据物体的运动情况，自动发送PTZ控制指令，使摄像机能够自动跟踪物体，当该物体超出该摄像机监控范围之后，还能自动通知物体所在区域的其他摄像机继续进行追踪。因此，智能跟踪软件也是智能视频监控系统中必不可少的。

　　六、视频管理软件

　　视频管理软件通常运行于Windows或Unix/Linux服务器上，它们是您进行视频监控、分析和录制的基本手段。目前市场上广泛存在着各种各样的视频管理软件，您可以根据用户的不同需求进行选择。然而对于很多网络视频应用来讲，如果需要同时观看的摄像机仅有一台或者少数的几台，通过一个标准的Web浏览器来访问内置于网络摄像机或视频服务器Web界面，就已经足够了。

　　监控网络管理软件多采用模块化设计与B/S结构，以Windows Service方式后台运行来保证稳定性。通常，监控软件要求越来越具有开放性和便于系统升级。为了能进行各种功能模块的组合，并能适用于分布式的网络结构，以及能接入不同厂家的产品，提出了安防中间件的概念和技术，倡导软件构件化(Software Component)，以从根本上提高软件的生产效率。

　　如果需要同时观看较多的摄像机画面，您就需要部署专门的视频管理软件。市场上的视频管理软件很多，界面和功能也各不相同，但是通常都会包括实时观看、视频存储以及视频画面抽取等功能。除了这些基本功能之外，高级的视频管理软件通常还具备如下一些功能：

　　(1)从多个摄像机同时浏览和录制实时视频；

　　(2)支持多种记录模式: 连续、计划、报警和动态侦测；

　　(3)能够处理高帧速和大量的数据；

　　(4)对已记录事件的多种搜索功能；

　　(5)可通过Web浏览器、客户端软件甚至PDA客户端进行远程访问；

　　(6)可控制PTZ和球型摄像机；

　　(7)报警管理功能(声音报警、弹出式窗口或E-mail)；

　　(8)全双工，实时音频支持；

　　(9)视频智能等。

 
　　七、结束语

　　由上可见，智能视频监控系统的核心部分，主要是智能软件。没有智能软件，监控系统不会有强大的图像处理能力和智能因素，它也不可能为用户提供更多高级的视频分析与识别功能。从技术角度来看，智能视频监控将向着：适应更为复杂和多变的场景发展；识别和分析更多的行为和异常事件的方向发展；更低的成本方向发展；真正“基于场景内容分析”的方向发展。总之，向着更成熟、更稳定可靠、更高端的软件算法的方向发展。

　　值得指出的是，智能视频监控系统与普通的视频监控系统比较，其设备的硬件成本增加不多，主要是软件成本的增加。但每个系统软件成本随着推广数量的增长会迅速下降，因而智能视频监控系统的性价比将凸现。予计，市场的巨大需求、技术的进步与成熟，智能视频监控系统必将会迅速崛起。

　　目前，国外安防公司均在加大智能软件研发的力度，有的己推出了其初步的成果。如Sony公司在2006年11月我国的公共安全产品博览会上，己推出了新一代的智能视频分析技术“DEPA”。通过其“智能视频分析功能”软件，可以自动识别多种敏感的事件，从而为用户的网络视频监控系统，提供了更高的安全级别和更加简单方便的管理。现国外已看好智能化发展方向，国内的安防公司必须加大力度引进高端软件人才来研发智能软件，以便尽快地作出自己品牌的智能视频监控产品。欲了解详情，欢迎到我公司高新技术研究所来咨询。（雷玉堂）