智能视频监控中的多特征融合问题研究

1、    智能视频监控中的多特征融合问题研究    李宇琼 刘香萍【摘要】 本文对智能视频监控中的多特征融合问题进行了分析，供相关专业人士参考借鉴。【关键词】 智能视频监控多特征现今信息技术已经在我国各行业领域内广泛推广使用，视频监控技术向智能化发展也已经迫在眉睫，由于监控工作的复杂以及自身的一些局限，通过单一特征不能够对于图像内容分类，利用多特征融合能够更好的对于运动目标或是背景进行分类。一、智能视频监控简介由于人类安全意识的不断提升，人民对于公共安全的需求也越来越高，目前视频监控已经是公共安全防范中的一种重要手段。由于其内部系统或是功能性的差异，视频监

2、控的发展已经度过了模拟系统、半数字化系统、全数字化系统几个时期，随着多年的完善我国的视频监控系统已经实现了集成化、网络化、数字化，可是最主要的缺点是具体内容的分析主要是依靠人工。同时由于工作量比较巨大，要求具体工作者对于异常问题的反应力高，目前很多失误都是由于人为因素形成的，如此说明视频监控系统的主动性没有被发挥出来。为了满足人民不断提升的要求标准逐渐提出来智能视频监控理念，在原有的基础上借助于计算机技术的大量数据信息处理系统，对于收录到的大量数据信息处理分析，将和实际应用无关的信息过滤处理，提供关键的内容。如此才能够降低工作者的劳动强度，最大化避免信息失误、漏报等问题，同时该系统能够对于视频

3、行为合理分析，鉴别有疑点的活动或是人员，提出相应的警示，发挥防范系统应用的作用效果；在技术方面来看，该系统对于传输宽带的要求比较低，能够节省相应的容量和空间，避免了资源的浪费。二、智能视频监控研究现状智能视频监控仅仅是计算机视觉研究的一个方面，如今更多的专业研究人员关注该领域的发展和研究。该系统应用计算机的图像处理方法和视觉方法将获取到的图形序列进行有序的检测分类、对于目标进行跟踪或是对于监视目标的相关行为进行描述。其中的目标跟踪、目标分类、运动检测可以规划到视觉中的低级以及中级处理部分，行为理解和描述划分到高级处理中，具体包括了对于异常问题的检测、目标的身份鉴定。前三个问题是研究比较广泛的方

4、面，行为理解描述如今是研究的热点方向。三、智能视频监控相关技术1运动目标检测。目的是能够在有序列的背景图像中将运动目标区域分离出来，是对于整个视频内容进行分析的第一过程，能够精确的进行分割是非常关键的环节。整个分离过程中的难点在于由于监控场景的复杂性，例如光照的变化、摇摆的树木、目标的重叠等等，如何有效的获得需要的资源，避免多元化外界因素影响是研究的重点。如今常用的方法具体包括能量运动检测、光流、时间差分、背景差方法。背景差法应用的比较广泛，光流法的优势是即使在摄像机处于动态状况下也能够快速的检测目标，缺点是容易被噪音影响。2运动目标跟踪。目标跟踪的作用是为了将一个图像序列上定位目标在每一帧的

5、位置。目前需要跟踪的有三种情况，多个摄像机之间的协同跟踪、云台摄像机下的目标跟踪，固定场景下的目标跟踪。云台跟踪基于背景的变化性，能够应用的主要是前景运动目标信息，固定场景法是利用运动目标检测的信息，多摄像协调是研究中的难题。现今有各种的跟踪方法被使用在该环节中，例如卡尔曼滤波算法、动态贝叶斯网络，其中卡尔曼滤波算法无法处理多封模式分布问题；根据目标进行分类的化还划分为特征跟踪、骨架模型跟踪、基本几何形状跟踪、点特征跟踪、模板跟踪、主动表像模型跟踪；依据跟踪特征分类的化则分为纹理特征跟踪、光流特征跟踪、边缘特征跟踪、颜色特征跟踪等。3运动目标分类。进行目标分类的作用是对于运动目标的类别进行识别

6、，监控区域的不同意味着不同的运动目标，如今常用的目标分类手段有基于运动特性分类、根据形状信息的分类。目标分类的特征是时间和空间，空间特点是单帧图像里的目标相关特点，目标的具体位置、大小、形状等等；时间是和跟踪过程有直接联系，例如目标的大小、速度等，常用的分类器具体包括贝叶斯分类器，支撑向量机分类器、人工神经网络分类器等。支撑向量机和各种的改进算法，由于在小样本分类方面具有一定的优势，所以关注度比较高。4行为理解和描述。具体指对于运动模式进行识别和分析，利用自然的言语合理描述，也可以单纯的当做是时变数据分类问题，既将测试序列以及预先标定的典型行为参考序列进行匹配。如今对于异常事件的检测方法主要有根据模型的方法或是基于分类器的方法两种。基于模型方法重点在于进行检测而不是分类，根据异常事件建立具体的统计模型，对于需要测定的事件利用该种模型进行判断，这种方法适合应用在一类样本不容易获得的情况，对于容易获得的样本建模，判定新的样本是否属于该种类别确定具体结果。分类器的方法是对于场景中的事件进行分类，构建合理的分类器，对于正常事件和异常事件进行区别。监控主体中的重点大部分是人，人类的步态或是脸是能够利用的两种重要特点，人脸识别技术关乎到人脸的检测、