監控智能分析發展現狀

　　智能分析技術的發展現狀

　　智能分析功能的實現主要在監控系統的前端和平臺兩個部位。最初的智能分析通過平臺的智能分析模塊實現，而且只能夠對單路視頻進行處理分析;隨著需求的提升，結合視頻監控平臺對前端點位統一控制管理的優勢，智能分析效率得到提升，單一設備可實現同時對多路視頻的智能分析;近年來，人們對智能分析的需求更加強烈，不僅在大型平安城市、金融等系統性安防建設中應用普遍，一些中小型項目對智能分析的需求也逐漸增多，隨著前端攝像機芯片處理能力的提升，智能分析算法被逐漸移植到前端的攝像機中，不依托與視頻監控平臺的智能分析設備市場前景廣闊。

　　從技術角度來講，目前國內智能分析技術可以分為兩大類：一類是通過前景提取等方法對畫面中的物體的移動進行檢測，通過設定規則來區分不同的行為，如拌線、物品遺留、周界等;另一類是利用模式識別技術對畫面中所需要監控的物體進行針對性的建模，從而達到對視頻中的特定物體進行檢測及相關應用，如車輛檢測、人流統計、人臉檢測等應用。

　　智能識別類視頻分析技術應用案例

　　波士頓馬拉松爆炸案提高了人們對人臉識別技術的認識。根據眾多報道，盡管攝像頭中捕捉到了犯罪嫌疑人的影像，但這些系統卻無法確認犯罪嫌疑人。然而，在密歇根州立大學進行的一項人臉識別系統試驗中，nec先進的neoface人臉識別技術使用與警方同樣的事件現場照片，幾乎瞬間完成了犯罪嫌疑人的‘同一性’匹配比對。

　　作為生物識別技術的先驅之一，nec致力于生物識別技術的研究與開發。除了指紋識別系統和便攜式dna分析儀外，nec的neoface面部識別系統，以很高的精準度分別于2009年、2010年獲得了由美國國家標準局與技術研究院(nist)頒發的《2009廠商評測計劃獎》和《2010生物識別技術標桿測試獎》。

　　智能分析技術集成化應用案例

　　資料顯示，2012年智能攝像機市場規模約為18億元，2013年該市場依然發展迅猛，市場規模達到25億元左右，漲幅接近40%。其中，平安城市、交通行業、機場、軍事基地是智能攝像機應用最多的行業，達到了30%以上。

　　智能視頻分析技術主要實現了單拌線檢測、區域檢測、物品遺留檢測、丟失檢測、逆行檢測、人員聚集檢測、雙拌線檢測、人員徘徊檢測、人臉檢測、人數統計檢測、違停車輛檢測、煙火識別檢測等十五種分析功能;通過獨立自主研發的算法成功實現了由前端到后端的設備智能化，并通過與其他系統設備廠商廣泛合作在系統集成領域做出一定貢獻。

　　智能分析技術應用中的實際問題

　　目前智能分析技術在實際應用中還存在以下問題：

　　1、分析準確率受環境影響大

　　系統針對復雜異常行為建模困難，目標與背景接近會導致目標特征信息提取困難;運動目標被遮擋會造成目標信息缺失;目標移動速度過快或算法過于復雜導致跟蹤的有效性較低，上述因素易造成誤報、漏報、跟蹤困難等結果。

　　2、海量數據分析速度較慢

　　針對后端平臺的智能分析而言，前端采集設備回傳大量的視頻、圖片等信息，都需要在平臺服務器上疊加算法進行分析，由于服務器本身處理性能的限制，無法并行處理大量數據，因此，雖然智能分析服務器的應用為公安、交警等需要大量檢索視頻的情況節省了人力與時間，但整體的效率仍有提高的空間。

　　智能分析技術的前景

　　視頻分析技術的應用，不止停留在原來能‘看’(監控)的程度;還能‘懂’得監控場景中目標物體的行為;能夠‘想’目標物體是什么，行為意味著什么;更可以把想的結果“說”出來。我覺得最具變革意義在于從以前的‘被動監控’向‘事前控制、主動預警、事中追蹤、事后分析’轉變。

　　以當前的應用來看，智能分析雖然有了長足的進步，但應用效果仍有待提高，智能視頻分析技術在依托于物聯網大背景下，將會隨著安防監控大平臺發展，向更加集成化、智能化的方向發展。