智能图像分析系统产生的原因很简单：首先是当值班人员面对十、百、千的摄像机，无法真正的在风险产生时预防或干预，多数靠事后回放相关的图像；其次为非安防应用，如商业上人流统计、防止扒窃等等。将风险的分析和识别转交给计算机或者芯片，使值班人员从“死盯”监视器的工作中解脱出来，当计算机发现问题时候，产生报警，此时值班人员进行响应。一旦目标在场景中出现了违反预定义分析规则的行为，系统会触发预设置的联动规则，从而达到主动提醒的功能。

中文名

智能图像分析系统

外文名

Intelligent image analysis system

分    类

计算机应    用

智能识别 行为分析

算    法

运动检测算法 车牌识别算法

功    能

将图像中的目标和背景分离来分析

优    势

不用死盯监控器

智能图像分析系统简介

编辑

语音

智能图像分析系统是由位于前端或后端图像分析服务器，对监控摄像机所拍摄的视频图像进行分析，能将影像中的目标从任何背景中分离出来，加以辨认、分析与追踪[1]

。

智能图像分析系统原因

编辑

语音

智能图像分析系统产生的原因很简单：首先是当值班人员面对十、百、千的摄像机，无法真正的在风险产生时预防或干预，多数靠事后回放相关的图像；其次为非安防应用，如商业上人流统计、防止扒窃等等。将风险的分析和识别转交给计算机或者芯片，使值班人员从“死盯”监视器的工作中解脱出来，当计算机发现问题时候，产生报警，此时值班人员进行响应。一旦目标在场景中出现了违反预定义分析规则的行为，系统会触发预设置的联动规则，从而达到主动提醒的功能。

智能图像分析系统分类

编辑

语音

照智能分析算法实现的方式进行区分，可以概括为以下几种类型的智能分析：

识别类分析：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。如人脸识别技术、车牌识别技术及照片比对技术等。

行为类分析：该项技术侧重于对动态场景的分析处理，典型的功能有车辆逆行及相关交通违章检测、防区入侵检测、围墙翻越检测、绊线穿越检测、物品偷盗检测、客流统计等。

图像检索类分析：该技术能按照所定义的规则或要求，对历史存储视频数据进行快速比对，把符合规则或要求的视频浓缩、集中或剪切到一起，这样就能快速检索到目标视频。

图像处理类分析：主要是对图像整体进行分析判断及优化处理以达到更好的效果或者将不清楚的内容通过算法计算处理达到看得清的效果。如目前的视频增强技术(去噪、去雾、锐化、加亮等)、视频复原技术(去模糊、畸变矫正等)。

诊断类分析：该项分析主要是针对视频图像出现的雪花、滚屏、模糊、偏色、增益失衡、云台PTZ失控、画面冻结等常见的摄像头故障进行准确分析、判断和报警，如视频质量诊断技术。

智能图像分析系统核心算法

编辑

语音

智能图像分析系统运动检测算法

帧差法

相邻或间隔较近的两帧图像中按照对应位置直接进行像素值相减，从而获得差分图像。在差分图像中，若对应位置处像素值很小，则可认为其静止;如果对应位置的像素值较大，则可认为此处为运动部分。帧差法相对简单，对于动态环境具有较强的自适应性，鲁棒性较好。但是易产生空洞现象，如果空洞过大则会影响轮廓完整性，将很难提取出准确的运动目标区域。应用帧差法时要求背景绝对静止或基本无变化，噪声较小，目标运动速度不为零，目标区域内亮度变化较为明显。对于存在抖动、噪声等情况下的检测效果不佳，对于动态背景下的目标跟踪，则必须采用其他的方法先对全局运动做出补偿，如块匹配法、坐标变换法等。

混合高斯模型法(Gaussian Mixture Model，GMM)也称为统计背景模型法。该算法的思想是：对于缓慢变化的背景，可以用正态分布来表征像素灰度值的变化，每一种背景像素的值都可以通过多个高斯分布的加权和来描述。最早提出的是三分布 GMM，每个像素点用三个高斯分布来分别表征背景、前景的阴影、前景这三种不同的模式，但实际情况很复杂，对背景、前景等模式都限定只用一个高斯分布来描述是不够的。因而之后又出现了固定分布数K的混合高斯分布模型(Fixed-K Gaussian Mixture Model)以及后面发展而来的基于自适应分布数K的混合高斯分布模型(Adaptive-K Gaussian Mixture Model，AKGMM)。

二值化

一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，最常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：大于T的像素群和小于T的像素群。这是研究灰度变换的最特殊的方法，称为图像的二值化。图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。

中值滤波

中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。

膨胀腐蚀

膨胀和腐蚀是两种基本的形态学运算。腐蚀就是使用算法，将图像的边缘腐蚀掉，作用就是将目标的边缘的“毛刺”剔除掉，即将物体与周围背景点分离。膨胀就是使用算法，将图像的边缘扩大些，作用就是将目标的边缘或者是内部的坑填掉，即将物体与周围背景点结合。

智能图像分析系统车牌识别算法

车牌定位算法

对经过预处理后的二值车牌图像进行一阶水平差分得到跳变点图，分别统计水平和垂直方向上的跳变点个数(投影)，通过设置标签和区域连通，粗定位车牌的上下和左右边界；选取一定区域的车牌图像进行色彩空间转换，判断车牌底色；对大于一定倾斜角的车牌进行水平矫正，使字符在同一水平线上；对矫正后的灰度图像进行Sobel水平算子和垂直算子进行边缘检测并二值化，采用类似粗定位的方法对车牌进行细定位。

车牌切分算法

算法是基于二值图像进行的，由于车牌颜色的不同，二值化车牌后得到黑底白字、白底黑字两种情况，这里将二值化后的车牌统一规定为黑底白字。由于二值图像会丢失掉很多信息以及汉字的结构等原因，可能会造成字符粘连模糊或断裂的缺陷，增加切分的难度。考虑到算法的实时性和适用性，采用投影法作为主要的分割法，根据车牌的先验知识(字符串的长宽比、字符间隙、字符的长宽比及笔划宽度)，配以对粘连字符、断裂字符和车牌边框干扰的特殊处理来完成字符分割。

智能图像分析系统发展形态

编辑

语音

智能图像分析系统产品形态

从智能图像分析系统的产品形态来说，分为两类：

一类是由智能算法+DSP来实现，常见于安装在前端的智能分析摄像机与智能分析图像服务器。目前，采用此种方式的系统较多，其是将具智能分析功能的软硬件前置在视频采集端。在常规图像监控系统中，图像占用了大量的存储空间和传输带宽，如何来解决这些问题是首要面临的难关。大量无用视频信息被存储、传输，既浪费了存储空间又占用了带宽，采用智能分析的目的是为了缓解图像存储所需要的空间和传输所需的带宽压力，或者对于一些不重要的图像采用低码流方式进行压缩和传输。这样，更有助于提升监控系统的应用价值。算法处理由前端来实现，后端的服务压力非常小，由此可以在一个系统中配置大量的智能分析机器。

另一类是采用后端PC服务器加智能分析软件的运行模式。采用此种方式因为由后端PC服务器来进行处理，从处理的性能上来说，要优于前端智能分析图像的处理，由于算法对硬件资源占用很大，在同时处理多个分析时，系统的处理能力不足就表现出来了。因为后端PC服务器有强大的分析处理能力(与前端DSP+软件方式相比)，所以PC服务器处理方式通常被应于非常重要的智能分析场合。

智能图像分析系统应用形态

从智能图像分析系统的主要应用来看，有两个大的发展方向：其一是以车牌识别、人脸识别为核心代表的智能识别技术，主要应用于电子警察、机杨、海关。另一个是以周界防范、人数统计、自动追踪、逆行、禁停等规则为代表的行为分析技术，主要应用于围墙周界警戒区、商场、交通、景点流量统计，道路禁停禁放、违章逆行、场景跟踪等方面。主要应用有：

1、双机自动跟踪：智能分析图像加普通快球方式。可应用于城市报警应急预案。突发事件的物体跟踪。

2、人流量统计：统计框选区域进出人员的数量，应用于超市商场顾客流量的分析统计，帮助商家制定相应的销售策略。应用于景点、地铁口，提供流量数据供人员管制应用。

3、穿越警戒区：通过设置虚拟围篱，对周界进行侦测。当发现可疑人员或者物体穿越围篱，即触发报警，并将报警信号上传至监控管理中心。同时可将报警画面通过网络上传至远程监看用户。应用于交通马路人行横道或斑马线、厂区重点区域围墙、学校、看守所围墙等。

4、丢失分析：通过在监控画面上画出一块放置重要物品的区域作为警戒区域，只要此物品离开了警戒区域，那么将立即触发报警规则。应用于重点保护区域如博物馆，展览厅，拍卖会，金银店等。

5、方向分析：在实际监控中，人们可能会关心人流的方向和车流的运动方向，通过方向的识别可以判断目标是否为不合法走动或行驶，如果出现逆向行为，目标将会被自动锁定，并同时报警。应用于单向行驶的道路;重要出入口等。

6、智能跟踪：对可疑人或物体进行目标锁定，对目标的运动轨迹进行记录，同时摄像机将跟随目标转动并报警。应用于高档小区，人员禁入区域，机密区域，重要保护区域等。并可作为案发后，对案件回放过程的轨迹进行分析，达到迅速破案的作用。

参考资料