智能视频的应用
目前智能分析产品可分为两大类：一是以背景模型建立为基础，主要包括周界安防范围在内的行为分析；二是以特征识别为基础，包括车牌识别，人脸识别等，主要基于运动背景建模与目标识别技术，也就是在相对静止的背景图像中找到在活动的目标物体。
一般布防规则的设定是IVS技术最关键的部分，每一项规则都有特定的含义，可应用在不同的领域，现有智能分析应用主要有以下功能。
1．物品丢失、可疑物品滞留检测
物品对象从已定义的监控区消失或滞留时间过长后，会立即触发报警，在第一时间遏制犯罪的发生。
2．警戒线跨越报警
在需要保护的区域架设一道虚拟墙，当相关对象进入或离开这堵“墙”时，就会触发报警。
3．场景变更报警
当摄像头在正常工作状态下出现了如人为移动了拍摄角度、拆除镜头、图像聚焦不良，通过油漆或黑布涂抹或遮挡镜头时触动的报警。
4．徘徊报警
针对某一重要区域内有可疑人物徘徊次数到达3、4、5次以上所触发的报警。
5．烟雾灰度报警
主要应用于环境监测方面，如区域的排烟量达到一定的指标出现烟雾灰度后，触发的报警。
6．火焰侦测
显而易见，是指监控区域若有火源的出现所触发的报警。火源分为火焰、火苗，通过计算火光的亮度区分。
7．车流量统计/车流量＋人数统计
用于重要的交通卡口，通常会建立一道虚拟墙，计算汽车或人通过此墙的数量，应用于各重要的出入口处，用于统计进出的人和车。
8．自动追踪
自动追踪是指自动追随一个移动的目标。当一个自动跟踪功能摄像机追踪目标时，它会记录追踪路径，方便用户快速搜索事件的数据及视频，在无人值守安全监测环境中非常有用。此外，当前目标逐渐离开摄像机的监控范围时，它会自动跟踪下一个运动目标。
9．ATM智能视频分析算法
即是计算机图像视觉分析技术，其通过将场景中背景和目标分离进而分析，并追踪场景内出现的目标。用户可以根据视频分析功能，通过在不同的场景中预设不同的报警规则。一旦场景中出现了违反预定义规则的行为，系统便会自动发出报警，对于前置式的智能摄像机便会自动将报警图像上传到后端监控PC机，使用户可以采取相关措施。
10．人脸识别
人脸识别功能，指自动识别人物的脸部特征，并通过与数据库档案进行比较来识别或验证人物的身份。划分为两大类：“合作型”应用需要被监控者在摄像机前停留一段时间，通常与门禁系统配合使用。“非合作型”则可以在人群中识别出特定的个体。
11．人群聚集侦测
通过分析检测区域内的前景目标密度和分布来判断是否发生了聚集事件。聚集主要分两种：一种是人的聚集，有可能突然聚集，也有可能逐步聚集。判断到人聚集的时候，系统能触发预先设置的相应操作。另一种是物体的聚集，如车辆聚集等情况，此类规则多应用于大型户外广场和商场等公共场所。
智能视频的发展
在基础的智能监控需求已经得到满足的情况下，智能视频新技术集中向着几个方向发展：
第一，提升视觉感官体验的技术，包括图像防抖动、图像增强等视频预处理技术。
第二，提升分析准确率的技术，主要是双目识别技术。
第三，改善系统应用性的技术，包括多球机联动跟踪等。
第四，面向事后分析的技术，包括图像复原、图像摘要检索等技术。
以下分别就各项技术的实现、应用及前景做一些分析。
图像防抖动技术
图像抖动是在交通领域经常见到的问题，主要的成因是道路监控中高架安装方式带来的较高频率小幅抖动，以及车载移动监控中由于摄像位置变化带来的低频大幅抖动。在模拟标清时代，主要会影响了大倍率下的图像画面，而在数字高清时代，在焦距达到20mm以上画面就会明显抖动，这对于监控内容的识别有明显的影响。
图像防抖动的解决途径主要有几种：
采用软件技术进行处理
采集完整的传感器图像，图像处理缓冲。
为实现防抖，预留边缘图像，对中心图像进行数字放大（图像失真或模糊）。
使用预留边缘图像，对图像进行补偿，达到防抖效果（补偿区域缩放，边缘模糊）。
硬件软件结合的方式
为弥补图像数字放大带来的图像模糊问题，使用更大像素的图像传感器。
采用直接物理像素尺寸，对图像抖动区域进行补偿，避免图像边缘模糊。
图像防抖动技术在前端球机产品中应用时，通常采用软硬件结合的方式。技术关键点之一，是要克服图像边缘角落虚焦的现象。
图像增强技术
当前监控系统面临的重要问题，是受到各种干扰因素的影响，使得系统不能在全天候、全天时下运行，系统的可靠度低，LCC值不经济。这些干扰因素主要包括如白天环境下的虚光、泛光、逆光，低照度环境，监控场景中强逆光的干扰，雾、灰霾等的大气散射环境干扰，降雨、降雪、沙尘等气象条件的影响。
图像增强技术主要解决的问题，是通过算法对视频源进行视觉改善处理，有效的改善画质，提高图像的清晰度，提高视觉可分辨性，使原本低质量的图像能够满足监控需要，达到清晰可辨的程度。
图像增强的技术实现途径，是突出原有图像中需要重点观测的内容，抑制非重点观测内容，通过对像素的灰度值运算处理生成一幅新的图像，以改善视觉效果。图像增强的关键技术问题有：
·对不同自适应不同时刻、不同程度的干扰因素。
·自适应不同的景深、视角、目标内容。
·有效分辨画面内容，充分保留局部细节；画面对比柔和，色彩过渡均衡，亮暗对比适中；色彩恒常性好，不受场景变化影响。
·正常环境下不影响画质；未增强的画面不失真。
图像增强的产品形态，涵盖了从前端、编码端到后台显示端的处理。在产品定位上，可以分为两个方向：普适性产品，重点是正常气候下，不降质。恶劣气候下有改善，但不是最好。作为标配集成到各个设备中。专业级产品，重点解决在恶劣的情况，达到最好的效果。如雾天专用、深海专用、低照度专用、军事专用等等作为专用设备，应用整合于特种行业。
双目立体视觉技术
双目立体视觉技术的核心目的，是提高识别的准确率。由于立体视觉技术形成的视场中带有物体的三维几何信息，因此能够有效的设定检测规则，排除光线、影子等干扰因素，大幅提高智能分析的准确度。如果说高清技术通过提升可用像素来提高分析的准确率，是战术性的举措，那么双目立体视觉技术对视频分析准确率的影响则是战略性的。
双目立体视觉技术是基于视差原理，并利用成像设备从不同的位置获取被测物体的两幅图像，通过计算图像对应点间的位置偏差，来获取物体三维几何信息的方法。
采用双相机或多相机，对视场内空间的自由运动体的三维位置坐标及姿态进行高精度的测量，确定运动目标的质心位置，并根据标定结果对运动目标进行高精度跟踪。
立体视觉技术的跟踪，由于能够辨识目标的三维坐标、姿态、相对距离、与背景环境的空间距离，因此能适应复杂的跟踪背景环境。
多球机联动跟踪
多球机联动跟踪技术，是以单球机智能跟踪技术作为基础的。从应用的层面上看，能够将普通的跟踪球机的单点式监控，提升为系统内对单个目标的无缝式接力跟踪，配合电子地图的使用，能够容易的实现对高安全等级区域的无缝式跟踪，并实现目标轨迹描绘、犯罪行为预警等高等级的安保需求。
多球机联动跟踪技术的实现，需要首先具备多目标识别与跟踪技术。在应用中，通常设定一台球机作为发起点，对广域范围内目标进行的智能行为分析，并将同时监控的多个目标按照既定的策略进行排序，并按照先后顺序，指挥智能跟踪球机逐个跟踪监控目标。与单目标跟踪相比，多目标跟踪技术的关键点是数据关联问题，即建立一个统一的坐标系，使得发起球机可以将目标的坐标信息传递给跟踪球机，实现联动跟踪。
多目标跟踪的过程可以划分为以下几部分：
数据关联：在观测数据和目标之间建立起对应关系。常见的方法有最近邻算法、联合概率数据关联滤波器、多假设跟踪算法。
状态估计：通常将多目标跟踪问题转化成对多个单目标的跟踪过程，并建立相应的状态空间模型。为每个目标分配一个单目标跟踪器，相互独立地跟踪每个目标，通过设计一些特殊的方法来处理目标之间的交互和遮挡问题。
坐标传递：在关联的球机之间建立统一的坐标系
在多目标监控场景中，提取目标的位置和运动轨迹信息，发送给下一个球机，下一个球机根据目标的位置和运动轨迹信息跟踪锁定目标。
另外，多目标跟踪技术在实际的应用中，还需要重点优化和改进以下方面：提升算法的效率，以实现同时能够跟踪尽量多的目标；需要改进算法的抗干扰性能，以减轻光线变化、影子、目标间遮挡等常见的干扰因素；需要能够对每个目标排定警戒优先级，以使球机在跟踪时能够及时切换到威胁等级更高的目标。
面向事后应用的智能技术
面对监控系统中海量的录像数据，如何有效、高效的应用，减轻人工查看回放带来的时效性差、成本高、疲劳问题，并在不同分辨率、不同清晰度的录像中准确的辨别出需要获取的信息，行业提供了视频复原、视频摘要、视频结构化检索等技术手段。
视频复原
解决对模糊录像的有效辨别问题。通过综合应用超分辨率、锐化滤波、去模糊滤波、轮廓增强、降噪滤波、变形校正、色彩调整、时空分析、视频标注、多视频比对、视频稳定化等智能算法，对对焦不准、运动模糊、噪声干扰等原因导致的模糊视频进行处理，使之清晰可辨。
视频摘要
将视频摘要形成视频片断，不同时刻的目标"穿越时空"同时展现播放，使24小时的视频被制作成一个简短到几分钟摘要视频成为现实。视频摘要不仅浓缩的是事件的精华，也是活动事件的全部，没有价值的视频将被剔除。通过多分格快照技术，可以在几秒中看完所有的活动目标成为可能，回溯原始视频功能，瞬间锁定目标在原始视频中的位置。这些智能视频分析功能的实现和应用将大大提高海量视频监控录像分析的效率。
视频分类检测
传统的视频搜索功能主要是以物理条件的设定为主要搜索条件的，比如时间，日期等。而智能视频检索功能能够通过认为设定的智能条件进行快速的视频搜索。比如：特定场景的变化条件、嫌疑物体（人、车、其他特征物体）的出现等为搜索条件，进行特定视频条件的智能搜索，结合其他智能视频功能，可以使大量的无序信息在短时间内形成有价值的证据链。如图7,输入"红色车"检索条件，可比对得到相似度高的目标列表。
视频分类检索技术未来的发展，应当是向着结构化录像存储的方向，分步骤实现以下的技术目标：
结构化数据的可检索：卡口、电警采集的车牌信息，独立的小系统。
非结构化数据的可检索：监控摄像机采集的视频信息，颜色、行为、人脸、车型等。
视频采集时数据结构化处理：在智能球机、IPC编码时自动生成视频数据库，而不是简单的录像文件。
结构化录像存储是未来的方向，但还需要解决以下以下关键的技术问题：视觉信息、高层语义信息数据描述技术、分类规范和信息索引技术、存储组织和高效搜索技术、提高智能分析技术的准确度、智能技术的硬件产品化、异地查询和交换技术等。
