智能監(jiān)控技術(shù)應(yīng)用培養(yǎng)目標(biāo)

智能監(jiān)控(Intelligent Surveillance)是嵌入式視頻服務(wù)器中，集成了智能行為識別算法，能夠?qū)Ξ嬅鎴鼍爸械娜嘶蜍囕v的行為進(jìn)行識別、判斷，并在適當(dāng)?shù)臈l件下，產(chǎn)生報警提示用戶。

盡管在智能監(jiān)控領(lǐng)域已經(jīng)取得了一定的進(jìn)展，但是在以下幾個方面仍是今后研究的難點(diǎn)問題。

快速準(zhǔn)確的運(yùn)動分割是個相當(dāng)重要又是比較困難的一個問題。這是由于動態(tài)環(huán)境中捕捉的圖像受到多方面的影像，比如天氣的變化，光照條件的變化，背景的混亂干擾，運(yùn)動目標(biāo)的影子，物體之間或者物體與環(huán)境之間的遮擋，以及攝像機(jī)的運(yùn)動等。這些都給準(zhǔn)確有效的運(yùn)動分割帶來了困難，以運(yùn)動目標(biāo)的影子為例，他可能與被檢測目標(biāo)的相連，也可能與目標(biāo)分離，在前者情況下，影子扭曲了目標(biāo)的形狀，從而使得以后基于形狀和基于狀態(tài)空間模型的方法定義每個靜態(tài)姿勢作為一個狀態(tài)，這些狀態(tài)之間通過的識別方法不再可靠;在后者情況下，影子有可能被誤認(rèn)為為場景中一個完全錯誤的目標(biāo)。盡管目前圖像運(yùn)動分割主要利用背景減除方法，但如何建立對于任何具有自適應(yīng)性的復(fù)雜環(huán)境中動態(tài)變化的背景模型仍是相當(dāng)困難的問題。一個可喜的發(fā)展是，一些研究者們正利用時空統(tǒng)計的方法構(gòu)建自適應(yīng)的背景模型，這對于不受限環(huán)境中的運(yùn)動分割而言是個更好的選擇。

目前，大部分智能監(jiān)控系統(tǒng)都不能很好地解決目標(biāo)之間互遮擋和人體自遮擋問題，尤其是在擁擠狀態(tài)下，多人的檢測和跟蹤問題更是難處理。遮擋時，人體只有部分是可見的，而且這個過程一般是隨機(jī)的，簡單依賴于背景減除進(jìn)行運(yùn)動分割的技術(shù)此時將不再可靠，為了減少遮擋或深度所帶來的歧義性問題，必須開發(fā)更好的模型來處理遮擋時特征與身體各部分之間的準(zhǔn)確對應(yīng)問題。另外，一般系統(tǒng)也不能完成何時停止和重新開始身體部分的跟蹤，即遮擋前后的跟蹤初始化缺少自舉方法。當(dāng)然，可喜的進(jìn)步是利用統(tǒng)計方法從可獲得的圖像信息中進(jìn)行人體姿勢、位置等的預(yù)測;不過，對于解決遮擋問題最有實(shí)際意義的潛在方法應(yīng)該是基于多攝像機(jī)的跟蹤系統(tǒng)。

二維方法在早期智能監(jiān)控系統(tǒng)中證明是很成功的，尤其對于那些不需要精確的姿勢恢復(fù)或低圖像分辨率的應(yīng)用場合(如交通監(jiān)控中的行人跟蹤)。二維跟蹤有著簡單快速的優(yōu)點(diǎn)，主要的缺點(diǎn)是受攝像機(jī)角度的限制。而三維方法在不受限的復(fù)雜的人的運(yùn)動判斷(如人的徘徊、握手與跳舞等)、更加準(zhǔn)確的物理空間的表達(dá)、遮擋的準(zhǔn)確預(yù)測和處理等方面的優(yōu)點(diǎn)是用于行為識別;同時，三維恢復(fù)對于虛擬現(xiàn)實(shí)中的應(yīng)用也是必需的。目前基于視覺的三維跟蹤研究仍相當(dāng)有限，三維姿勢恢復(fù)的實(shí)例亦很少，且大部分系統(tǒng)由于要求魯棒性而引入了簡化的約束條件。三維跟蹤也導(dǎo)致了從圖像中人體模型的獲取、遮擋處理、人體參數(shù)化建模、攝像機(jī)的標(biāo)定等一系列難題。以建模為例，人體模型通常使用許多形狀參數(shù)所表達(dá)。然而，目前的模型很少利用了關(guān)節(jié)的角度約束和人體部分的動態(tài)特性;而且過去的一些工作幾乎都假設(shè)3 D模型依據(jù)先驗條件而提前被指定，實(shí)際上這些形狀參數(shù)應(yīng)當(dāng)從圖像中估計出來?？傊?，3 D建模與跟蹤在未來工作中應(yīng)值得更多的關(guān)注。

使用單一攝像機(jī)的三維人的跟蹤研究還很缺乏，身體姿勢和運(yùn)動在單一視角下由于遮擋或深度影響而容易產(chǎn)生歧義現(xiàn)象，因此使用多攝像機(jī)進(jìn)行三維姿勢跟蹤和恢復(fù)的優(yōu)點(diǎn)是很明顯的。同時，多攝像機(jī)的使用不僅可以擴(kuò)大監(jiān)視的有效范圍，而且可以提供多個不同的方向視角以用于解決遮擋問題。很明顯，未來的智能監(jiān)控系統(tǒng)將極大受益于多攝像機(jī)的使用。對于多攝像機(jī)跟蹤系統(tǒng)而言，我們需要確定在每個時刻使用哪一個攝像機(jī)或哪一幅圖像。也就是說，多攝像機(jī)之間的選擇和信息融合是一個比較重要的問題。

一般而言，魯棒性、準(zhǔn)確度、速度是智能監(jiān)控系統(tǒng)的三個基本要求。例如，系統(tǒng)的魯棒性對于監(jiān)控應(yīng)用特別重要，這是因為它們通常被要求是自動、連續(xù)地工作，因此這些系統(tǒng)對于如噪聲、光照、天氣等因素的影響不能太敏感;系統(tǒng)的準(zhǔn)確度對于控制應(yīng)用特別重要，例如基于行為或姿勢識別的接口控制場合;而系統(tǒng)的處理速度對于那些需要實(shí)時高速的監(jiān)控系統(tǒng)而言更是非常關(guān)鍵。因此，如何選擇有效的工作方案來提高系統(tǒng)性能、降低計算代價是個特別值得考慮的問題。同時，如何利用來自不同用戶、不同環(huán)境、不同實(shí)驗條件的大量數(shù)據(jù)測試系統(tǒng)的實(shí)時性、魯棒性亦相當(dāng)重要。