智能视觉技术应用概括与展望

    【CPS中安网 cps.com.cn】 

　　智能视觉技术简介

　　随着行业的发展，传统的安防行业由原来单纯的视频监控系统，慢慢的扩展为视频综合管理系统。其功能逐渐从视频采集、视频编解码和录像存储为主、逐步过渡到视觉内容(Visio Analytics)分析和元数据应用为主。不论是视频监控系统，还是视频综合管理系统，就其本质而言，是通过光电传感器来代替人眼来获取外部有用信息并加以利用。

　　视觉分析，又称为智能视觉(Intelligent Visio)、计算机视觉(Computer Vision)。智能视频分析(Intelligent Video analytics)，或者称为视频内容分析(Video Content Analysis)，智能视频(Intelligent Video)等。两者既有联系又有区别。

　　视频分析是对多帧图像组成的序列进行分析，视频分析的对象都是摄像机采集的自然视频。但视觉分析研究对象和内容更广，还包括合成图像和拼接图像，不仅用到图像处理技术、视频处理算法，还包括一些摄像机成像技术、图像合成技术，三维重构技术、对象检测技术、对象识别技术、行为分析等等。

　　智能视觉技术核心和开发难点

　　不论在学术界，还是产业界，对智能视觉分析都没有正式而又明确的定义，自然的对智能视觉分析技术也就没有成型的公式。

　　智能视觉技术的突出特点就是多样性和不完善性。如图1所示，智能视觉技术是一个多学科交叉研究领域。用到了数学、物理学、摄影学、神经生物学、信号处理、图像处理、人工智能、自动控制机器人、机器视觉、机器学习、计算机视觉等多学科相关知识。

图1 计算机视觉与其他领域的关系

　　智能视觉分析主要是模仿人眼视觉分析和人脑视觉信息处理与提取过程，在生物视觉方面，人类对人脑视觉信息处理和提取的具体过程还知之甚少。在整个20世纪中，人类对各种动物的眼睛、神经元、以及视觉刺激相关的脑部组织都进行了广泛研究，得出了视觉系统如何运作的粗略描述。人们试图建立一个人工系统，使之在不同程度上模拟生物视觉运作。

　　一个典型的智能视觉分析应用框架首先对输入视频信号进行图像处理和视频处理，对视频信号中每个像素点建立随时间变化的模型，并前背景分离。然后对分离出的前景图像区域提取合适的特征向量。根据线下训练器使用正负样本得到的模型检测该区域是否有模型对应的对象存在，若存在，则认为检测到该对象。然后继续对该对象本身内部属性特征进一步检测识别。使用对象模型检测对象，不仅在视频前景区域中进行检测，也可以直接在整个图片中遍历检测。模型检测之前需要建立特征金字塔，并以滑动窗的形式进行光栅顺序扫描，以实现在多尺度下对象检测。

　　前景中检测出对象后，继续对对象动作姿态进行识别。同时在视频中对对象特征角点进行跟踪，以完整绘制出对象运动轨迹。

　　以上的场景分析、前背景建模、对象模型检测、对象姿态识别、运动轨迹分析，即可以在原始视频图像中完成，也可以在变换图像、拼接图像、视频集合中完成。

　　不同摄像头得到的运动检测识别结果、行为轨迹分析结果可以综合分析挖掘，提炼出更有潜力价值的信息。

　　上文所说的视觉分析框架并不是一成不变的，由于智能视觉技术多样性和不完善性，针对不同的应用场景，其中各技术模块会有不同。每一模块中的算法，都仅适用于某些特定的应用，不具有通用性，故智能视觉分析算法有相当的难度。

　　浙江宇视科技有限公司的IA8500智能服务器、IA8500-VD智能视频诊断服务器、DB9500数据库服务器、DR9500数据检索服务器就是在该基础上实现的集智能视觉分析、视频预处理与诊断、视觉分析元数据存储与检索、数据挖掘等功能的大型解决方案。

　　智能视觉技术在视频监控应用分析

　　安防行业中的智能视觉分析主要完成的功能包括：视觉信号前背景分离、对象跟踪、对象特征提取、对象分类器设计。

　　前背景分离

　　前背景分离是计算机视觉领域的一个经典课题，到目前来看，研究学者从不同角度提出了几十种背景建模算法，部分算法如下：

　　视频时间轴上的均值和方差法

　　·帧差(Frame Difference)法

　　·加权运动均值(Weighted Moving Mean)法

　　·加权运动方差(Weighted Moving Variance)法

　　·自适应背景学习(Adaptive Background Learning)法

　　·自适应选择背景学习(Adaptive-Selective Background Learning)法

　　模糊法(Fuzzy-based methods)

　　·Fuzzy Sugeno Integral (with Adaptive-Selective Update)

　　·Fuzzy Choquet Integral (with Adaptive-Selective Update)

　　·Fuzzy Gaussian of Laurence Bender

　　单高斯模型统计法(Statistical methods using one gaussian)

　　多高斯模型统计法(Statistical methods using multiple gaussians)

　　类型2模糊(Type-2 Fuzzy based)法

　　使用颜色和纹理特征的统计法(Statistical methods using color and texture features)

　　非参数法(Non-parametric methods)

　　特征空间法(Eigen space-based methods)

　　神经和神经模糊法(Neural and neuro-fuzzy methods)

　　这些算法有的基于空间特征，有的在时间轴上建立高斯模型，有的采用特征空间模型，有的基于像素颜色和纹理。但这些算法没有一个适用于所有的视频场景，或者说某一类算法只适用于某一类场景。但真实情况是视频场景千差万别。比如对一十字路口：白天、傍晚、夜间补光灯、夜间没有补光灯、红外、白天雨天、夜间雨天、大风天气、雾霾天气、雪天，这些因素导致场景随机变化，无法找到合适算法进行自动识别。

　　无法找到一个通用于所有场景的智能视觉算法，这就是智能视觉分析的难点所在。

　　对象跟踪

　　对象跟踪的难点在于物体在运动过程中外表特征发生变化、遮挡、遮挡后重现、运动物体发生交叠、群体性对象跟踪、多摄像机接力跟踪，等等。这些难点仍然是当前视觉分析领域的研究热点。

　　目前产品中实现的对象跟踪算法大抵分为几类：

　　点跟踪(blob tracking)法，比如斑点检测(blob detection)和光流(optical flow)法跟踪;

　　内核跟踪(kernel-based tracking)法，比如均值漂移(mean-shift)法;

　　轮廓跟踪(contour tracking)法;

　　视觉特征匹配(feature matching)法;

　　卡尔曼滤波器(Kalman filter)法;

　　粒子滤波器(Particle filter)法。

　　特征提取

　　智能视觉分析中主要用的视觉特征有：边缘(edge)特征，角点(corner)特征，斑点(blob)特征，颜色特征，纹理特征，尺寸特征，等等，针对这些特征还有各种特征描述符(feature description)，比如SIFT(Scale Invariant Feature Transform)、SURF(Speeded Up Robust Features)、HOG(Histogramof Oriented Gradients)、LBP(Local Binary Pattern)、FAST(Features from Accelerated Segment Test)。

　　分类器设计

　　对模型训练库中的正负样本特征提取后，需要把这些特征输入一个机器学习算法，以便学习得到某一个对象的分类器。通常用到的分类器有Adboost、支持向量机(SVM)、神经网络(Artificial Neural Networks)、随机森林(Random Decision Forests)。在有些情况下，需要把分类器级联起来以形成一个强分类器。浙江宇视科技有限公司的智能卡口系统中的HTS-HC121系列单车道、HTS-HC122系列双车道、HTS-HC151系列500万高清卡口摄像单元智能摄像机单元、以及HTS-HC581系列、800万、HTS-HC551系列500万、HTS-HC531系列300万、HTS-HC521系列200万电子警察系统的高清电警摄像单元，HIC6621EX22I系列1080p、HIC6501EX22I系列720p智能违停抓拍球，选用业界领先的智能视觉算法模块，并针对卡口系统场景和电子警察场景做出专门的适应性优化，在车辆捕获、车牌号码识别、车辆属性特征提取、车辆轨迹跟踪、车辆行为分析、信号灯检测、交通流量统计、车辆违法行为分析判断，等各个功能模块在业界不论是性能都达到业界领先水平。

　　智能视觉技术未来发展走向

　　视频监控行业的本质需求是，类似于人眼，从摄像机采集的图像视频中提取对行业有用的信息，而剔除无关信息。不同行业需求不同，感兴趣的信息不同，有的是车辆信息、有的是行人信息、有的是运动信息、有的是轨迹信息。

　　不仅仅在视频监控行业，在移动互联网领域，尤其是智能终端设备上摄像头使得每个人都成为图像视频采集者，这带来了视频图像素材的爆炸性增长，由此大大促进了智能视觉技术的进步。现在越来越多的国际顶级研究机构和学者在智能视觉分析领域大力投入，由此不断涌现出性能更优秀的算法，不断提高产品中视觉分析技术的性能。

(作者单位：浙江宇视科技有限公司)

声明:

凡文章来源标注为"CPS中安网"的文章版权均为本站所有，如需转载请务必注明出处为"CPS中安网"，违反者本网将追究相关法律责任。非本网作品均来自互联网，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。