2010年，數字化、高清化、智能化充斥著整個安防市場，不論是企業還是媒體，都在樂此不疲地談論著視頻監控的這三大走勢。而今，2010北京安博會召開在即，作為安防行業的年度盛會，我們沒有理由懷疑與這三大趨勢有關的產品會在展會上出現。今天，筆者將就智能視頻分析這一話題進行探討。

    記得在采訪北京光橋總裁張乃憲先生時，他曾說，對于視頻監控來說，監控錄像需要7*24小時不間斷，保安員在觀看視頻監控屏幕時極易造成視覺疲勞，發現可疑線索的幾率就大大降低，舉個例子，人在盯著屏幕觀看錄像12分鐘的時候，45%的畫面會被忽視，而當觀看錄像達到22分鐘的時候，95%的畫面將被忽略;另外，如何在監控屏幕不斷切換的同時發現突發事件并及時預警也是實踐中的一個難題;同時，隨著視頻監控的大范圍應用，也帶來了海量的視頻數據，如何在這些海量的數據中提煉有價值的數據成為一個亟待解決的問題。基于這些因素，智能視頻分析的產生和應用就顯得極為必要。

    智能視頻技術分析技術工作原理及技術缺陷

    智能視頻分析技術讓人迫不及待，那么，智能視頻分析的工作原理是什么呢?

    智能視頻分析大體上分為兩大類，一類是以背景模型建立為基礎，主要包括周界防范在內的行為分析等。第二類是以特征識別為基礎，包括車牌識別、人臉識別等。

    行為分析主要基于運動背景建模與目標識別技術，簡單來講就是在相對靜止的背景圖像中找到在活動的目標物體。

    運動目標識別的背景建模技術，首先根據某種數學原理建立環境背景的數學模型，在概數學模型的基礎上，機器可以區分出靜止背景與運動的目標物體，然后再根據目標的輪廓、大小等信息對其分類，除去虛假的或無需關心的目標，最終結合剩下的目標軌跡與設置的規則產生報警信號。

    特征識別技術的原理與活動目標識別技術不同。特征識別無需背景模型而需要目標物體的特征，因此機器會存有一個可以用于描述這些特征的數據庫，特征識別也就是在所得的圖像中尋找與特征庫里具有一定相似程度的物體以進行匹配，如果特殊庫里描述的特征越多，得到的結果越正確，同時需要的計算量也越大。

    然而，目前智能視頻分析技術應用并不廣泛，還處于試用階段，“不成熟”的技術無法催生市場的膨脹，這主要表現在以下幾個方面：

    1.無法完全消除誤報的影響

    例如運動目標識別中的背景建模技術，在控制漏報數量的同時，還不能完全的刪除誤報。在以目標識別為技術基礎的周界防范產品中，誤報的數量一直是反映該產品優劣的一大指標。而誤報的數量是由背景模型與實際使用情況之間的差距造成的。模型的適應能力越強，造成的誤報越少，背后要求的技術也越高。影響背景模型建立的因數很多，例如空曠的柏油馬路和邊上有樹木的圍墻，6m高的攝像機與2m高的攝像機所拍攝的畫面就需要不同的背景模型，白天和黑夜的狀態需要的模型也不同。目前，行業中還沒有開發出一種可以涵蓋所有使用情況的背景模型來，也無法完全的解決隨機事件的影響，如在黑夜環境下車燈造成的誤報。

    2.不具備行為的判斷能力 例如周界防范，機器中行為分析的區域入侵功能能夠發現活動目標，并可以在這些活動目標中利用技術手段把用戶希望的目標(例如人體)提取出來。但是再進一步，這個闖入者的動機是什么，是偶爾路過，還是故意闖入，是否有意的往警戒區域內探望，這些都無法靠機器來識別。

    3.特征識別技術對畫面要求高

    對于基于特征識別的分析技術，對于圖像的要求比較高。除了畫面本身清晰度外，也需要清楚的展示目標物體的特征，目前計算機的識別能力大大低于人類對物體特征的識別能力，不同的光照條件和拍攝角度，都將改變計算機所看到的特征。因此，對攝像機的安裝以及周圍環境的要求比較高。例如車牌識別的產品，對車牌在畫面中呈現的角度，像素大小都有比較嚴格的要求，這些高要求限制了該類產品的實施與應用。

    4.CPU的處理能力仍然是瓶頸

    要滿足實際復雜的應用環境就需要越加復雜的算法，隨之帶來了巨大的計算量，目前DSP芯片的能力有限，已經不能滿足某些復雜算法的需要。因此，難以開發相應高級功能的嵌入式產品，這也增加了很多產品的施工難度與實際推廣的阻力。