劉京京,蔡喜平

（黑龍江大學(xué) 物理科學(xué)與技術(shù)學(xué)院，哈爾濱,150080）

國(guó)外智能視頻監(jiān)控的熱點(diǎn)探究

劉京京,蔡喜平

（黑龍江大學(xué) 物理科學(xué)與技術(shù)學(xué)院，哈爾濱,150080）

隨著智能視頻監(jiān)控在安全防范監(jiān)控領(lǐng)域廣泛應(yīng)用，其相關(guān)技術(shù)備受國(guó)內(nèi)外專家和研究人員的重視。智能視頻監(jiān)控作為一種綜合技術(shù)，涉及多個(gè)科學(xué)領(lǐng)域知識(shí)。本文探討當(dāng)前國(guó)外智能視頻監(jiān)控的研究熱點(diǎn)，總結(jié)歸納與其相關(guān)的研究領(lǐng)域，以期為國(guó)內(nèi)智能視頻監(jiān)控的研究與發(fā)展提供借鑒。

智能視頻監(jiān)控；研究熱點(diǎn)；運(yùn)動(dòng)目標(biāo)檢測(cè)；目標(biāo)跟蹤；目標(biāo)識(shí)別

0 引言

隨著經(jīng)濟(jì)不斷發(fā)展和社會(huì)進(jìn)步，各種社會(huì)矛盾導(dǎo)致的公共安全突發(fā)事件的日益增多，安防行業(yè)也日益發(fā)展繁榮。依據(jù)《中國(guó)安防行業(yè)“十二五”發(fā)展規(guī)劃》預(yù)計(jì)，到2015年國(guó)內(nèi)安防總產(chǎn)值將達(dá)到5000億元，而55%市場(chǎng)份額為視頻監(jiān)控系統(tǒng)所占有。目前，我國(guó)比較常用的視頻監(jiān)控仍是基于人工操作，而專家認(rèn)為集中注意力監(jiān)控視頻畫面20分鐘以上，其專注程度會(huì)不斷下降。這種依靠人眼監(jiān)查，安全性和精確性均達(dá)不到要求，且視頻監(jiān)控系統(tǒng)更多的是保存視頻錄像，沒有發(fā)揮監(jiān)控的時(shí)效性和主動(dòng)性。隨著視頻監(jiān)控系統(tǒng)的改進(jìn)和發(fā)展，國(guó)際上已進(jìn)入“第四代視頻監(jiān)控系統(tǒng)”，真正意義上的智能視頻監(jiān)控系統(tǒng)應(yīng)運(yùn)而生，相比傳統(tǒng)的視頻監(jiān)控，具有變被動(dòng)監(jiān)控為主動(dòng)監(jiān)控，使計(jì)算機(jī)代替人進(jìn)行監(jiān)控，充分體現(xiàn)其智能性。

智能視頻監(jiān)控是融入了計(jì)算機(jī)視覺、人工智能、模式識(shí)別、通信等諸多技術(shù)領(lǐng)域的綜合應(yīng)用，是涉及廣泛的系統(tǒng)性工程。本文探討當(dāng)前國(guó)外智能視頻監(jiān)控的研究熱點(diǎn)，總結(jié)歸納與其相關(guān)的研究領(lǐng)域，以期為國(guó)內(nèi)智能視頻監(jiān)控的研究與發(fā)展提供借鑒。

1 運(yùn)動(dòng)目標(biāo)檢測(cè)及其算法發(fā)展

運(yùn)動(dòng)目標(biāo)檢測(cè)作為智能視頻監(jiān)控圖像序列分析的基礎(chǔ)和第一步，就是監(jiān)控者對(duì)關(guān)注的運(yùn)動(dòng)目標(biāo)，從視頻圖像序列中把運(yùn)動(dòng)目標(biāo)從背景圖像中實(shí)時(shí)檢測(cè)并提取出來(lái)，利用顏色、角點(diǎn)、位置等特征進(jìn)行描述。由于光照、天氣等外在因素的影響，致使背景圖像會(huì)有一些動(dòng)態(tài)變化，從而使運(yùn)動(dòng)目標(biāo)檢測(cè)變成一項(xiàng)有難度的工作。從檢測(cè)分析方法來(lái)看，目前動(dòng)態(tài)背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)算法包括：光流法、相鄰幀間差分法、背景差分法。其中，最常用的運(yùn)動(dòng)檢測(cè)方法是背景差分法。

光流法是一種利用圖像序列的光流場(chǎng)實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測(cè)的方法，此算法計(jì)算量巨大、耗時(shí)，容易被光照變化、噪聲等因素影響計(jì)算精度，要求輔以專門硬件設(shè)備，保證實(shí)時(shí)檢測(cè)；相鄰幀間差分法是通過(guò)比較相鄰兩幀或幾幀圖像的像素時(shí)間差分，進(jìn)行判別閾值檢測(cè)和提取運(yùn)動(dòng)目標(biāo)，此算法優(yōu)點(diǎn)是自適應(yīng)性較好，但缺點(diǎn)是檢測(cè)目標(biāo)缺少完整性，容易產(chǎn)生空洞。采用變塊差分可以降低空洞出現(xiàn)程度，但是處理后的目標(biāo)對(duì)象具有鋸齒邊緣，并難以確定前景塊與背景塊的閾值，容易被噪聲干擾。

背景差分法是將當(dāng)前幀圖像與背景模型圖像作比較，通過(guò)比較差分后獲得運(yùn)動(dòng)區(qū)域的運(yùn)動(dòng)檢測(cè)方法。靜態(tài)背景模型的獲取是背景差分法的關(guān)鍵，并自適應(yīng)背景的變化。針對(duì)這種情況，

Staufer和Grimson提出一種基于混合高斯模型的運(yùn)動(dòng)目標(biāo)檢測(cè)算法。該算法對(duì)復(fù)雜場(chǎng)景下的背景模型分布進(jìn)行描述，對(duì)處理背景的擾動(dòng)、突變等具有很好作用，在智能視頻監(jiān)控中運(yùn)用取得較好效果，但是其算法比較復(fù)雜，實(shí)際中不但要考慮到算法的魯棒性，還要考慮算法的復(fù)雜度、實(shí)時(shí)性、可靠性等各方面的因素。滿足上述開發(fā)要求，Yang等提出一種自適應(yīng)的基于混合高斯模型的運(yùn)動(dòng)目標(biāo)檢測(cè)算法，通過(guò)實(shí)驗(yàn)證明此算法可以準(zhǔn)確與快速對(duì)背景建模，并有很好的魯棒性。

背景圖像配準(zhǔn)方面，Agrawal 等基于尺度不變特征變換( Scale Invariant Feature Transform，SIFT )和加速魯棒特征（Speed-Up Robust Feature，SURF）算法效果的分析與總結(jié)，提出了中心環(huán)繞極值特征( Center Surround Extremas, CenSurE)，它具有坐標(biāo)精確、計(jì)算快速、旋轉(zhuǎn)穩(wěn)定、良好適應(yīng)性的優(yōu)點(diǎn)。Zhang等提出一種結(jié)合中心環(huán)繞極值特征和時(shí)空信息的運(yùn)動(dòng)目標(biāo)檢測(cè)算法，用于提高動(dòng)態(tài)場(chǎng)景中運(yùn)動(dòng)目標(biāo)檢測(cè)的速度和目標(biāo)的完整性。

2 目標(biāo)跟蹤及其算法發(fā)展

目標(biāo)跟蹤是智能視頻監(jiān)控的核心技術(shù)之一，是在提取運(yùn)動(dòng)目標(biāo)之后的關(guān)鍵步驟，它不僅提供對(duì)被監(jiān)視者的運(yùn)動(dòng)軌跡，也提供了對(duì)監(jiān)控場(chǎng)景中運(yùn)動(dòng)目標(biāo)的場(chǎng)景分析和運(yùn)動(dòng)分析的可靠的數(shù)據(jù)來(lái)源，同時(shí)目標(biāo)的跟蹤信息也為其正確檢測(cè)及識(shí)別提供了依據(jù)。目前，國(guó)外已經(jīng)有許多研究人員對(duì)目標(biāo)跟蹤做了大量的研究，提出許多算法，現(xiàn)有的算法包括點(diǎn)跟蹤、核跟蹤和輪廓跟蹤。

點(diǎn)跟蹤方法是利用目標(biāo)的自身特征點(diǎn)代表目標(biāo)，通過(guò)相鄰兩幀特征點(diǎn)匹配的方法跟蹤目標(biāo)。事實(shí)上，伴隨目標(biāo)與背景的運(yùn)動(dòng)與變化，特征點(diǎn)可能消失或者強(qiáng)烈變化致使跟蹤不成功。如何在部分遮擋、縮放、旋轉(zhuǎn)等因素影響下選取特征點(diǎn)是亟待解決的問(wèn)題。Xu等提出一種全局特征點(diǎn)匹配與局部點(diǎn)特征匹配相結(jié)合的目標(biāo)跟蹤算法，有效解決多運(yùn)動(dòng)目標(biāo)遮擋問(wèn)題。Zhao等提出一種基于均值漂移與尺度不變特征裝換（SIFT）的目標(biāo)跟蹤算法，較好解決了縮放與旋轉(zhuǎn)問(wèn)題。

核跟蹤方法通常用基本幾何形狀表達(dá)目標(biāo)。該方法首要是確定目標(biāo)模板，然后利用圖像和模板進(jìn)行判斷匹配與跟蹤。其中非常典型的是Mean Shift算法，Zhang等改進(jìn)Mean Shift算法，跟蹤目標(biāo)與候選目標(biāo)采用多維直方圖代表，通過(guò)自適應(yīng)跟蹤方法解決跟蹤中局部最優(yōu)解問(wèn)題。Yang等分析Mean Shift算法不足，結(jié)合Harris特征角點(diǎn)與Surf算法改進(jìn)其不足，解決了幀速過(guò)快與背景復(fù)雜對(duì)跟蹤效果的不良影響。

輪廓跟蹤是通過(guò)順序?qū)ふ疫吘夵c(diǎn)進(jìn)行跟蹤邊界，具有降低計(jì)算復(fù)雜度的優(yōu)點(diǎn)，但跟蹤初始化是其難點(diǎn)。Wu等提出基于協(xié)方差匹配的輪廓跟蹤變分法，使輪廓與模板外側(cè)區(qū)域間的協(xié)方差最大化，內(nèi)部圖像區(qū)域與給定模板的協(xié)方差最小化，經(jīng)圖像序列的實(shí)驗(yàn)證明此方法有較好效果。An等提出一個(gè)均值漂移snake算法，可以準(zhǔn)確提取的目標(biāo)輪廓，并收集有用的反饋信息。此方法跟蹤精度高，能夠有效解決復(fù)雜背景下的快速移動(dòng)問(wèn)題。

3 目標(biāo)識(shí)別及其算法發(fā)展

目標(biāo)識(shí)別是當(dāng)前計(jì)算機(jī)視覺領(lǐng)域中廣為關(guān)注的研究熱點(diǎn)，其思想內(nèi)涵是對(duì)監(jiān)控視頻應(yīng)用場(chǎng)景中主要對(duì)象進(jìn)行識(shí)別和分類，是場(chǎng)景理解的重要組成部分。其中，人臉識(shí)別、運(yùn)動(dòng)目標(biāo)檢測(cè)、行為識(shí)別、圖像理解與認(rèn)知功能等為目標(biāo)識(shí)別的主要研究?jī)?nèi)容，而各自相關(guān)算法的改進(jìn)發(fā)展更是研究的重點(diǎn)和難點(diǎn)。

在人臉識(shí)別方面，Li等針對(duì)遮擋的人臉識(shí)別問(wèn)題，提出采樣稀疏表示與信息輔助判別的算法，與經(jīng)典的SRC算法相比，耗時(shí)較少；在運(yùn)動(dòng)目標(biāo)識(shí)別方面，Zhang等提出一種基于圖嵌入降維算法的運(yùn)動(dòng)目標(biāo)識(shí)別方法，實(shí)現(xiàn)自適應(yīng)混合高斯模型和輪廓圖像提取的捕捉和統(tǒng)一 ，與過(guò)去的方法相比就有顯著效果；行為識(shí)別方面，Li等基于隱馬爾可夫模型（HMM）改進(jìn)粒子群優(yōu)化算法（PSO），提出HMM-PSO算法，并對(duì)事件的概率序列（EPS）進(jìn)行分析，通過(guò)一系列事件計(jì)算來(lái)描述人類行為的獨(dú)特特點(diǎn)。對(duì)EPS分析表明，該方法具有較高的識(shí)別率；在圖像理解與認(rèn)知功能方面，Huang等提出一般目標(biāo)識(shí)別和圖像理解的模型GORIUM，該模型的核心思想是發(fā)現(xiàn)重復(fù)的視覺目標(biāo)可以選擇性注意模型以及以一種無(wú)監(jiān)督形式對(duì)大圖像集的兩兩局部不變特征進(jìn)行匹配；Liu等基于人類的視覺處理的認(rèn)知功能，提出一個(gè)基于目標(biāo)識(shí)別的分布式計(jì)算認(rèn)知模型，其性能優(yōu)于計(jì)算機(jī)科學(xué)的研究中五個(gè)有代表性的三維物體識(shí)別算法。

4 結(jié)語(yǔ)

本文針對(duì)當(dāng)前國(guó)外智能視頻監(jiān)控的研究熱點(diǎn)，即：運(yùn)動(dòng)目標(biāo)檢測(cè)、目標(biāo)跟蹤、目標(biāo)識(shí)別及其各自算法進(jìn)行研究，并分析各自熱點(diǎn)的常用算法和最新進(jìn)展，將對(duì)今后國(guó)內(nèi)智能視頻監(jiān)控的發(fā)展具有重要借鑒意義。

[1] Yang Xin，Liu Jia，F(xiàn)ei Shumin，Zhou Dake. Adaptive moving target detection algorithm based on Gaussian mixture model[J].Journal of Southeast University（English Edition），2013，04：379-383.

[2] Zhang Hong ying，Hu Zheng. Moving object detection in combination of CenSurE and spatial-temporal information[J].Optics and Precision Engineering，2013，09：2452-2463.

[3] XU Xiao-xiao，WANG Zhi-ling，WU Liang，CHEN Zonghai. Vision tracking algorithm under occlusion of multiple objects[J].Control and Decision，2010，02：291-294+298.

[4] ZHAO Qinjun，ZHANG Yong，ZHAO Dongbiao.A scale and rotation adaptive algorithm for object tracking [J]. Journal of Central South University （Science and Technology），2013，06：2354-2360.

[5] Zhang M L，Chen T，Yang Q，et al.Target tracking using self-adapting mean shift algorithm[C]// International Conference on Optoelectronics and Image Processing. Haiko，China：IEEE Computer Society，2010：489-492

[6] YANG Hui，LIU Jun,RUAN Song.Study on video tracking based on Mean shift algorithm[J].COMPUTER ENGINEERING AND DESIGN，2013，06：2062-2066.

[7] Wu Y W，Ma B，Li P.A variational method for contour tracking via covariance matching.Sci China Inf Sci，2012，55：2635-2645.

[8] An Guocheng，Yang Hao，Wu Zhenyang.A NOVEL FAST MOVING OBJECT CONTOUR TRACKING ALGORITHM[J]. Journal of Electronics（China），2009，01：94-100.

[9] LI YueLong，MENG Li，F(xiàn)ENG JuFu，WU JiGang. Downsampling sparse representation and discriminant information aided occluded face recognition[J].Science China（Information Sciences），2014，03：139-146.

[10] Yi ZHANG，Jie YANG，Kun LIU.General moving objects recognition method based on graph embedding dimension reduction algorithm[J].Journal of Zhejiang University（Science A:An International Applied Physics & Engineering Journal），2009，07：976-984.

[11] Hanju Li，Yang Yi，Xiaoxing Li，Zixin Guo. Human activity recognition based on HMM by improved PSO and event probability sequence[J].Journal of Systems Engineering and Electronics，2013，03：545-554.

[12] Huang T J，Tian Y H，Li J， et al. Salient region detection and segmentation for general object recognition and image understanding[J].Science China（Information Sciences），2011，12：2481-2490.

[13] LIU YongJin，F(xiàn)U QiuFang，LIU Ye，F(xiàn)U XiaoLan. A distributed computational cognitive model for object recognition[J]. Science China（Information Sciences），2013，09：5-17.

Hotspots research of foreign intelligent video surveillance

Liu Jingjing,Cai Xiping
（School of Physics and Technology, Heilongjiang University,Harbin,150080,China）

As the intelligent video surveillance is widely used in the field of security monitoring,its related technologies have been paid much attention by experts and researchers both at home and abroad. Intelligent video surveillance is a comprehensive technology,involving multiple fields of science knowledge. The current foreign research hotspots of intelligent video monitoring is introduced,the related research fields is summarized,hoped for the domestic research and development of intelligent video surveillance.

intelligent video surveillance;research hotspots;moving target detection;target tracking; target recognition

TP277

劉京京(1989-)，女，碩士，主要研究方向：光電信息技術(shù)

蔡喜平(1967-)，男，博士，教授，主要研究方向：光電信息技術(shù)