论文部分内容阅读
[摘 要]随着我国科技的不断发展和创新，物联网技术得到了迅速发展。随着物联网的到来，视频信息在传送和集中的价值上已经不再局限于对信息的跨越空间获取，当下物联网中视频信息在其传送和集中的基础上，还可以对这些视频信息进行各种各样的智能分析，这种应用也是当下物联网在监控联网中的最大好处。本文主要对当下物联网中职能视频技术的现状进行分析，探究当下我国职能视频的关键技术，并在此基础上展望我国物联网中智能视频技术的未来发展趋势。
[关键词]物联网 智能视频技术 现状和分析
中图分类号：TP393 文献标识码：A 文章编号：1009-914X（2016）05-0358-01
引言
视频监控是物联网中的重要组成部分。在以往的安防行业中视频监控只是其一个重要的应用领域，并没有将系统、互联网这些概念掺杂其中。而随着我国经济的不断发展，越来越多的领域需要视频监控，从而也将视频监控原本只是安防行业的传统狭窄领域给打破，越来越多的新需求也在物联网的背景下被人们所提出来。信息的采集点是摄像头的本质，而编码设备的本质则在于数字信息化的变化，而将摄像头和编码设备进行有效的结合，也就形成的第一步功能的物联网。而随着第一步功能的完成接下来就是全面的IT化互联网化，也就是对架构、系统以及技术的IP化[1]。在当下物联网的趋势和背景下，有效的结合IT和安防是必须要做的工作，因此，联网对于监控来说也是必不可少的。
1.物联网中智能视频的作用和发展现状
1.1 智能视频的发展作用
随着我国科技的不断发展，全数字化时代已经在视频监控中得到全面使用，也就是当下视频监控系统的网络化，它是通过标准的TCP/IP协议而建立的，因此它又叫做IP监控系统，是在2001年被发明并使用的。视频监控的数字化的优点就在于可以使模拟闭路电视监控的局限性得到很好的解决，例如可以在计算机网络上不受距离限制的传输数字化视频的图像数据，而且也不会干扰到传输信号，使图像的品质和稳定性得到大幅度的提升；视频监控的数字化可以很好的运用计算机网络进行联网，可以重复使用网络宽带，而且对于网线的布置上也可以不用重新布置；数字化存储功能也得以实现，通过对视频数据的压缩处理，使其可以有效的在磁盘阵列中得到存储或者在光盘中得以保存，从而更加方便快捷的进行数据查询[2]。
在智能化方面，目前的视频监控系统都试图对摄像机采集的视频信息上运用计算机视觉技术来进行理解、分析和处理，过滤和排除掉一些无关紧要的信息，报告给监控人员处理的都是一些提取出的有用信息，从而让预警、防范以及主动监测等功能得到实现，进而使代替人来进行监控任务的目的得以实现。
1.2 智能视频技术的应用领域
目前，智能视频技术已经得到了广泛的应用，很多行业都开始依赖智能视频技术来促进行业的发展。例如，（1）高级视频的移动侦测：在雨雪或者大风、大雾等复杂环境中，可以对一个或者多个物体的动作方向、运动特征等一系列的运动情况做到精准的侦测和识别。（2）物体追踪：在对移动物体侦测到后，可以结合物体的运动状况自动的进行控制指令的发送，从而使的摄像机可以对物体进行自动跟踪，而当跟踪物体超出跟踪范围后还能自动的对物体所在区域的摄像机发出通知，从而让物体区域的摄像机进行再次跟踪和监控。（3）识别任务的面部：通过对任务的面部特征进行识别，将人物的面部特征和数据库进行对比，从而对人物的身份进行识别和验证。这种面部识别主要分为两种，一种是需要人物在摄像机面前停留一段时间，在一些门禁系统中比较普遍，还有一种是在一群人中对一些特定的个体进行识别，这种在机场、火车站等安防工作中的运用比较普遍。除此之外还有很多地方都得到了广泛的应用，如通过对车辆的形状等信息进行识别、对交通流量进行控制等[3]。
2.智能视频监控技术的技术介绍
所谓的运动目标检测是从视频序列的图像中将目标物体所在区域给分离出来。在对目标物体进行正确检测盒识别的基础上进行后续工作中的运动目标提取、跟踪以及行为理解。可以说视频监控中运动目标的检测是前导工作。在运动目标的检测中主要分为两种检测，分别是背景检测和目标检测。
当下的背景检测方法主要有四种：背景模型法、背景统计法、卡尔曼滤波法以及Surendra背景更新算法。背景模型法是建立各个像素点的统计模型，通过对像素点的灰度分别来找出最为符合的概率分布，例如非参数化模型。背景统计法是对像素点的灰度进行统计，在结合其平均值估计背景点的灰度，对剧烈变化的部分进行过滤。卡尔曼滤波法是通过将灰度的时间序列看成具有噪音的观测值，结合时域递归低通滤波对缓变的实际图像进行估计[4]。Surendra背景更新算法是对侦察图像进行计算，得出物体运动的区域，保持区域的背景的不变，更新非运动区域，从而估计背景图像。
目标检测算法中光流法、帧间差分法以及背景减法最为常用。光流法是对运动目标的光流特点，通过对光流场进行计算，从而进行运动目标的提取。这种方法在计算上较为复杂，且耗时比较长，对一些实时性检测很难满足。帧间差分法对相邻两个图像灰度值存在的差异进行对比进行运动目标的提取。这种方法在计算上较为简单，也能很好的感应到运动物体区域的变化，但是会拉伸检测出的物体运动方向，不能明确的确定运动目标位置，还会去除掉部分运动目标的信息数据，使得运动目标不能被完整的提取出来。背景减法对当前的帧图像与背景图像之间的数据进行相减，若某个像素点比域值要大，则这个点出现在运动目标上，目标的位置、形状以及大小等信息都通过相减的结果而确定。这种方法可以很好的估计和更新出背景，却对运动物体的定位也非常的精准，但是对一些变化的光照以及环境非常的敏感[5]。
3.总结
总而言之，物联网实现智能交通、智能安防、智能监控以及一些其他智能化控制的方法就是物体和物体之间相连的庞大网络。在物联网中最早得到应用的重要技术之一就是智能视频监控。因此，物联网能够直接影响到职能视频监控的发展。智能视觉监控技术所涉及到的诸多领域的研究，属于综合性跨学科问题，是非常具有挑战性的一种前沿课题。当下，对智能视频技术的相关研究依旧还存在于探索和研究的一个阶段，需要大量的工作才能真正的使监控技术的智能化得以实现。
参考文献
[1] 李万才.物联网中智能视频技术的现状与分析[J].警察技术，2010，06：8-10.
[2] 沈沛意，杨刚，张亮，肖潇，张小平，常启鹏，于公.物联网的智能视频接入终端——高清晰智能相机的研制与应用[J].物联网技术，2011，03：41-45.
[3] 朱方，吴莉，陈飞凌，袁卫忠.智能视频监控终端在物联网中的应用和发展研究[J].中国电子科学研究院学报，2011，06：561-566.
[4] 奚吉，蒋银忠.基于物联网和视频分析技术的监狱智能监控系统[J].电子器件，2014，06：1183-1188.
[5] 雷玉堂.浅析几种视频异常事件的智能视频分析技术与方法[J].中国公共安全，2013，12：129-132+134-136+138+140.
作者简介：
张皓然 （1995--）男，吉林省吉林市人，安全防范工程专业
[关键词]物联网 智能视频技术 现状和分析
中图分类号：TP393 文献标识码：A 文章编号：1009-914X（2016）05-0358-01
引言
视频监控是物联网中的重要组成部分。在以往的安防行业中视频监控只是其一个重要的应用领域，并没有将系统、互联网这些概念掺杂其中。而随着我国经济的不断发展，越来越多的领域需要视频监控，从而也将视频监控原本只是安防行业的传统狭窄领域给打破，越来越多的新需求也在物联网的背景下被人们所提出来。信息的采集点是摄像头的本质，而编码设备的本质则在于数字信息化的变化，而将摄像头和编码设备进行有效的结合，也就形成的第一步功能的物联网。而随着第一步功能的完成接下来就是全面的IT化互联网化，也就是对架构、系统以及技术的IP化[1]。在当下物联网的趋势和背景下，有效的结合IT和安防是必须要做的工作，因此，联网对于监控来说也是必不可少的。
1.物联网中智能视频的作用和发展现状
1.1 智能视频的发展作用
随着我国科技的不断发展，全数字化时代已经在视频监控中得到全面使用，也就是当下视频监控系统的网络化，它是通过标准的TCP/IP协议而建立的，因此它又叫做IP监控系统，是在2001年被发明并使用的。视频监控的数字化的优点就在于可以使模拟闭路电视监控的局限性得到很好的解决，例如可以在计算机网络上不受距离限制的传输数字化视频的图像数据，而且也不会干扰到传输信号，使图像的品质和稳定性得到大幅度的提升；视频监控的数字化可以很好的运用计算机网络进行联网，可以重复使用网络宽带，而且对于网线的布置上也可以不用重新布置；数字化存储功能也得以实现，通过对视频数据的压缩处理，使其可以有效的在磁盘阵列中得到存储或者在光盘中得以保存，从而更加方便快捷的进行数据查询[2]。
在智能化方面，目前的视频监控系统都试图对摄像机采集的视频信息上运用计算机视觉技术来进行理解、分析和处理，过滤和排除掉一些无关紧要的信息，报告给监控人员处理的都是一些提取出的有用信息，从而让预警、防范以及主动监测等功能得到实现，进而使代替人来进行监控任务的目的得以实现。
1.2 智能视频技术的应用领域
目前，智能视频技术已经得到了广泛的应用，很多行业都开始依赖智能视频技术来促进行业的发展。例如，（1）高级视频的移动侦测：在雨雪或者大风、大雾等复杂环境中，可以对一个或者多个物体的动作方向、运动特征等一系列的运动情况做到精准的侦测和识别。（2）物体追踪：在对移动物体侦测到后，可以结合物体的运动状况自动的进行控制指令的发送，从而使的摄像机可以对物体进行自动跟踪，而当跟踪物体超出跟踪范围后还能自动的对物体所在区域的摄像机发出通知，从而让物体区域的摄像机进行再次跟踪和监控。（3）识别任务的面部：通过对任务的面部特征进行识别，将人物的面部特征和数据库进行对比，从而对人物的身份进行识别和验证。这种面部识别主要分为两种，一种是需要人物在摄像机面前停留一段时间，在一些门禁系统中比较普遍，还有一种是在一群人中对一些特定的个体进行识别，这种在机场、火车站等安防工作中的运用比较普遍。除此之外还有很多地方都得到了广泛的应用，如通过对车辆的形状等信息进行识别、对交通流量进行控制等[3]。
2.智能视频监控技术的技术介绍
所谓的运动目标检测是从视频序列的图像中将目标物体所在区域给分离出来。在对目标物体进行正确检测盒识别的基础上进行后续工作中的运动目标提取、跟踪以及行为理解。可以说视频监控中运动目标的检测是前导工作。在运动目标的检测中主要分为两种检测，分别是背景检测和目标检测。
当下的背景检测方法主要有四种：背景模型法、背景统计法、卡尔曼滤波法以及Surendra背景更新算法。背景模型法是建立各个像素点的统计模型，通过对像素点的灰度分别来找出最为符合的概率分布，例如非参数化模型。背景统计法是对像素点的灰度进行统计，在结合其平均值估计背景点的灰度，对剧烈变化的部分进行过滤。卡尔曼滤波法是通过将灰度的时间序列看成具有噪音的观测值，结合时域递归低通滤波对缓变的实际图像进行估计[4]。Surendra背景更新算法是对侦察图像进行计算，得出物体运动的区域，保持区域的背景的不变，更新非运动区域，从而估计背景图像。
目标检测算法中光流法、帧间差分法以及背景减法最为常用。光流法是对运动目标的光流特点，通过对光流场进行计算，从而进行运动目标的提取。这种方法在计算上较为复杂，且耗时比较长，对一些实时性检测很难满足。帧间差分法对相邻两个图像灰度值存在的差异进行对比进行运动目标的提取。这种方法在计算上较为简单，也能很好的感应到运动物体区域的变化，但是会拉伸检测出的物体运动方向，不能明确的确定运动目标位置，还会去除掉部分运动目标的信息数据，使得运动目标不能被完整的提取出来。背景减法对当前的帧图像与背景图像之间的数据进行相减，若某个像素点比域值要大，则这个点出现在运动目标上，目标的位置、形状以及大小等信息都通过相减的结果而确定。这种方法可以很好的估计和更新出背景，却对运动物体的定位也非常的精准，但是对一些变化的光照以及环境非常的敏感[5]。
3.总结
总而言之，物联网实现智能交通、智能安防、智能监控以及一些其他智能化控制的方法就是物体和物体之间相连的庞大网络。在物联网中最早得到应用的重要技术之一就是智能视频监控。因此，物联网能够直接影响到职能视频监控的发展。智能视觉监控技术所涉及到的诸多领域的研究，属于综合性跨学科问题，是非常具有挑战性的一种前沿课题。当下，对智能视频技术的相关研究依旧还存在于探索和研究的一个阶段，需要大量的工作才能真正的使监控技术的智能化得以实现。
参考文献
[1] 李万才.物联网中智能视频技术的现状与分析[J].警察技术，2010，06：8-10.
[2] 沈沛意，杨刚，张亮，肖潇，张小平，常启鹏，于公.物联网的智能视频接入终端——高清晰智能相机的研制与应用[J].物联网技术，2011，03：41-45.
[3] 朱方，吴莉，陈飞凌，袁卫忠.智能视频监控终端在物联网中的应用和发展研究[J].中国电子科学研究院学报，2011，06：561-566.
[4] 奚吉，蒋银忠.基于物联网和视频分析技术的监狱智能监控系统[J].电子器件，2014，06：1183-1188.
[5] 雷玉堂.浅析几种视频异常事件的智能视频分析技术与方法[J].中国公共安全，2013，12：129-132+134-136+138+140.
作者简介：
张皓然 （1995--）男，吉林省吉林市人，安全防范工程专业