视频智能分析为何叫好不叫座？
近年来，随着视频监控的大力推广，其已覆盖到了人们生活和工作的各个角落。而科技的进步又让日常监控由“人盯防”向人机协作的视频智能化方向不断发展。智能视频监控是利用计算机视觉技术对视频信号进行分析、理解和处理，在操作人员给出相应规则的前提下，智能分析计算机通过对序列图像自动分析，对监控场景中的目标进行定位、识别和跟踪，并在此基础上分析和判断目标的行为，即在异常情况发生时能及时发出警报或提供告警事件信息，有效地协助安防人员处理危机。
一、视频智能分析技术类型
视频智能分析从用途上大可分为两大类，即预防以及查询与定位。
二、预防成智能分析之要务
预防即在事件发生时能够第一时间发现，从而能及时地处理，防止不利事件的持续扩展。此类包含了以区域入侵功能为代表的行为类分析和视频诊断。该项技术侧重于对动态场景的分析处理，不需人员紧盯大量屏幕，能做到24小时不间断监控，能灵活地制定监控策略，可根据用户指定的区域、时间、物体大小、运动方向、行为特征等制定不同的报警规则，有针对性地进行预防和报警。例如：只对进入警戒区的人员或车辆进行报警，对其他非进入警戒区的正常通行的人员、车辆只监控但不报警，从而做到在威胁发生之时，甚至之前进行报警，实现“预警”功能。
用同样的视频诊断功能，也可对网络内的各路视频进行诊断，给出视频的品质评价，其主要包含以下内容：噪声、雪花、黑帧、亮度失衡和颜色失真、清晰度、镜头遮挡、镜头抖动、画面冻结及云台控制等。通过定时地扫描网络内的摄像头，及时发现故障，及时发出故障维修告示，缩短故障持续时间，加快维修的反应速度，保证系统高可靠的运转，防止出现设备故障而人却不知的现象。
三、查询与定位
其主要功能在于能够快速查询定位视频资源中想要得到的定向信息。此类技术也是目前市面上推广的视频结构化语义分析技术。该项技术偏向于对静态场景的分析处理，通过图像识别、图像比对及模式匹配等核心技术，实现对人、车、物等相关特征信息的提取与分析。对各种格式的原始视频内容进行视频处理，可通过多种查看方式(文本、轨迹、视频摘要等)，达到提高视频查看速度和效率的目的。通过视频图像预处理、常规处理和高级处理等技术手段进行高效的图像处理，提供丰富的基于视频内容的检索方式(文本、图片与规则等)，以达到快速查找、定位视频资源中所需目标信息的目的。
四、视频智能分析的局限性
尽管视频智能分析功能强大，但其准确性依然不能令人满意，其只是提高监控人员工作效率的工具，而并不能成为完全替代人工的计算机高级智能。据分析影响其准确性的原因主要有以下几点：
（一）环境因素
例如疾风骤雨所造成的背景混乱，光线变化所造成的目标和背景颜色的变化，以及由于白天和夜晚不同条件所造成的目标和背景清晰度的变化都是造成分析发生误差的因素，而这些因素的不可控也导致了智能分析本身的稳定性不够，这种现象的解决还有待分析算法和分析技术的进一步优化，仍需从业者的持续努力。
（二）硬件困扰
硬件包括前端摄像机和后端服务器。就基于像素比对的智能分析来说，图像的清晰度直接影响到比对的结果，而越清晰的摄像机图像像素点越多，运算比对也让服务器压力更大。例如智能分析中的车牌识别，不同清晰度的摄像机得到的视频资源，分析准确率相差很大，同时后端服务器的比对效率也会有明显的不同，使用标清时单台服务器的分析能力可能是20路，准确率为90%，而使用200万高清时，处理能力可能是5路，但准确率却可达到98%。该问题需在前端的更新换代和“云计算”技术得到高效推广的情况下才能够得以较好的解决。
目前的智能分析，归根结底还是在人为控制下的计算机对目标的规则行为进行判别，很多尚未被定义的规则行为计算机就无法进行判断，例如在人群聚集分析上，智能分析可分析出某个区域内在某时间段内人员数量达到了预计值，但这些人员是偶尔路过还是蓄意聚集等都无法进行分析。这也充分体现出了计算机智能分析的实质，其仍无法从根本上代替人的工作。
五、结语
智能视频分析技术，在国际上已经有近10年的发展与应用，目前在国内也已被持续研发和广泛应用，特别在一些不太复杂的应用其效果还是比较好的。其未来的发展还要从“前端”和“后端”两个角度来共同努力。这里的所谓前端即产品的最终用户，后端即指产品的提供商。前端用户需要真正理解该“智能”，理性地看待“智能”，能够将“智能”这个工作更好地切合实际应用，达到高效利用。而后端供应商，还应持续优化产品形态，让生产出来的智能产品能够更好地适应各种的实际环境，提高智能应用的准确性，真正达到高效智能。分析容易，智能不易，且用且珍惜。
是不是应该发到CCTV板块去这里是BA板块
页:
[1]