智能監(jiān)控箱CN210537133U

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(shí)別算法，能夠?qū)Ξ?huà)面場(chǎng)景中的人或車(chē)輛的行為進(jìn)行識(shí)別、判斷，并在適當(dāng)?shù)臈l件下，產(chǎn)生報(bào)警提示用戶(hù)。

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(gè)方面仍是今后研究的難點(diǎn)問(wèn)題。

快速準(zhǔn)確的運(yùn)動(dòng)分割是個(gè)相當(dāng)重要又是比較困難的一個(gè)問(wèn)題。這是由于動(dòng)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(dòng)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(dòng)等。這些都給準(zhǔn)確有效的運(yùn)動(dòng)分割帶來(lái)了困難，以運(yùn)動(dòng)目標(biāo)的影子為例，他可能與被檢測(cè)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(gè)靜態(tài)姿勢(shì)作為一個(gè)狀態(tài)，這些狀態(tài)之間通過(guò)的識(shí)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(chǎng)景中一個(gè)完全錯(cuò)誤的目標(biāo)。盡管目前圖像運(yùn)動(dòng)分割主要利用背景減除方法，但如何建立對(duì)于任何具有自適應(yīng)性的復(fù)雜環(huán)境中動(dòng)態(tài)變化的背景模型仍是相當(dāng)困難的問(wèn)題。一個(gè)可喜的發(fā)展是，一些研究者們正利用時(shí)空統(tǒng)計(jì)的方法構(gòu)建自適應(yīng)的背景模型，這對(duì)于不受限環(huán)境中的運(yùn)動(dòng)分割而言是個(gè)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(wèn)題，尤其是在擁擠狀態(tài)下，多人的檢測(cè)和跟蹤問(wèn)題更是難處理。遮擋時(shí)，人體只有部分是可見(jiàn)的，而且這個(gè)過(guò)程一般是隨機(jī)的，簡(jiǎn)單依賴(lài)于背景減除進(jìn)行運(yùn)動(dòng)分割的技術(shù)此時(shí)將不再可靠，為了減少遮擋或深度所帶來(lái)的歧義性問(wèn)題，必須開(kāi)發(fā)更好的模型來(lái)處理遮擋時(shí)特征與身體各部分之間的準(zhǔn)確對(duì)應(yīng)問(wèn)題。另外，一般系統(tǒng)也不能完成何時(shí)停止和重新開(kāi)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(jì)方法從可獲得的圖像信息中進(jìn)行人體姿勢(shì)、位置等的預(yù)測(cè);不過(guò)，對(duì)于解決遮擋問(wèn)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(duì)于那些不需要精確的姿勢(shì)恢復(fù)或低圖像分辨率的應(yīng)用場(chǎng)合(如交通監(jiān)控中的行人跟蹤)。二維跟蹤有著簡(jiǎn)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(dòng)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(cè)和處理等方面的優(yōu)點(diǎn)是用于行為識(shí)別;同時(shí)，三維恢復(fù)對(duì)于虛擬現(xiàn)實(shí)中的應(yīng)用也是必需的。目前基于視覺(jué)的三維跟蹤研究仍相當(dāng)有限，三維姿勢(shì)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(jiǎn)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(dòng)態(tài)特性;而且過(guò)去的一些工作幾乎都假設(shè)3 D模型依據(jù)先驗(yàn)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(jì)出來(lái)。總之，3 D建模與跟蹤在未來(lái)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(shì)和運(yùn)動(dòng)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(shì)跟蹤和恢復(fù)的優(yōu)點(diǎn)是很明顯的。同時(shí)，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(gè)不同的方向視角以用于解決遮擋問(wèn)題。很明顯，未來(lái)的智能監(jiān)控系統(tǒng)將極大受益于多攝像機(jī)的使用。對(duì)于多攝像機(jī)跟蹤系統(tǒng)而言，我們需要確定在每個(gè)時(shí)刻使用哪一個(gè)攝像機(jī)或哪一幅圖像。也就是說(shuō)，多攝像機(jī)之間的選擇和信息融合是一個(gè)比較重要的問(wèn)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(gè)基本要求。例如，系統(tǒng)的魯棒性對(duì)于監(jiān)控應(yīng)用特別重要，這是因?yàn)樗鼈兺ǔ１灰笫亲詣?dòng)、連續(xù)地工作，因此這些系統(tǒng)對(duì)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(duì)于控制應(yīng)用特別重要，例如基于行為或姿勢(shì)識(shí)別的接口控制場(chǎng)合;而系統(tǒng)的處理速度對(duì)于那些需要實(shí)時(shí)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(lái)提高系統(tǒng)性能、降低計(jì)算代價(jià)是個(gè)特別值得考慮的問(wèn)題。同時(shí)，如何利用來(lái)自不同用戶(hù)、不同環(huán)境、不同實(shí)驗(yàn)條件的大量數(shù)據(jù)測(cè)試系統(tǒng)的實(shí)時(shí)性、魯棒性亦相當(dāng)重要。