隨著近年來視頻監(jiān)控的迅速發(fā)展，攝像頭數(shù)量的快速增多，大量的視頻數(shù)據(jù)給實時監(jiān)視報警和視頻數(shù)據(jù)的有效使用帶來了挑戰(zhàn)。一個標準的視頻監(jiān)控系統(tǒng)經(jīng)常有幾十路甚至上千路視頻和相應的數(shù)字錄像數(shù)據(jù)。操作人員通過觀測每一路視頻從而發(fā)現(xiàn)報警事件變得非常困難。此外在事后分析報警事件時，需要操作人員及時找出相關錄像；而傳統(tǒng)視頻監(jiān)控缺乏對視頻的智能分析，錄像數(shù)據(jù)無法被有效地檢索，只能根據(jù)大致的的時間段來人工查找，導致視頻數(shù)據(jù)分析工作消耗大量的工作時間。解決以上問題的一個有效方法是對視頻進行自動智能分析。對視頻中出現(xiàn)的用戶感興趣的事件進行實時提取和記錄，從而達到及時報警并利用存儲的事件信息來有效地檢索視頻數(shù)據(jù)。
事件檢測與行為分析系統(tǒng)是一種*的智能視頻分析系統(tǒng)。能夠對視頻進行周界監(jiān)測與異常行為分析，可應用于各種公共場所包括機場、車站、港口、建筑物周圍、街道、小區(qū)、及其他場所，用于檢測、分類、跟蹤和記錄過往行人、車輛及其它可疑物體，能夠判斷是否有行人及車輛在禁區(qū)內(nèi)發(fā)生長時間徘徊、停留、逆行等行為，此外檢測人員奔跑、打斗等異常行為。
事件檢測與行為分析系統(tǒng)一般能同時監(jiān)測同一場景里多個目標的不同行為，可以根據(jù)防范目標的特點進行靈活設置，包括運動物體的種類和大??；系統(tǒng)能夠適應不同的環(huán)境變化，包括光照、四季、晝夜、晴雨等，并能夠很好地抗攝像頭抖動。
事件檢測與行為分析系統(tǒng)可實現(xiàn)以下主要功能:
非法闖入禁區(qū)： 能夠檢測是否有行人或車輛進入預定區(qū)域，用戶可靈活調(diào)節(jié)靈敏度。比較*的系統(tǒng)可以有效地檢測到不少于 10 個像素的目標；（如圖 1 ： 1、 2 ）
非法逆行： 當行人和車輛在區(qū)域內(nèi)逆向運動時，記錄并發(fā)出報警；（如圖 1 ： 3 ）
異常奔跑： 測試是否有可以人物在區(qū)域內(nèi)快速運動；（如圖 1 ：4 ）
打架： 檢測是否有打假斗毆事件；（如圖 1 ： 5 ）
動態(tài)圖像放大： 能控制云臺攝像機對移動目標進行放大抓拍，并生成高清晰度圖片。（如圖 1 ：6 ）
識別與分類： 對視頻中的行人、車輛及其它目標物進行分類；（如圖 1 ： 7 ）
敏感區(qū)域滯留： 檢測是否有可疑人物或車輛在的區(qū)域內(nèi)長時間徘徊或停留，當滯留時間超過預設值，系統(tǒng)將發(fā)出報警；（如圖 1 ： 8）
門禁尾隨監(jiān)測： 檢測是否有人尾隨通過門禁，發(fā)現(xiàn)即刻報警；（如圖 1 ：9）
聚眾： 檢測群體聚集、滯留（如圖 1 ：10 ）
物品： 當環(huán)境出現(xiàn)物品現(xiàn)象，即刻報警（如圖 1 ：11）
驟變： 當視頻圖像發(fā)生巨大變化 （ 如攝像頭被遮擋和大幅度移動 ） 時系統(tǒng)報警（如圖 1 ： 12、13）
事件檢測與行為分析系統(tǒng)
二． 事件檢測與行為分析系統(tǒng)產(chǎn)品形態(tài)與系統(tǒng)結構
事件檢測與行為分析系統(tǒng)融合視頻處理、圖像處理、模式識別以及人工智能等多個領域的*技術。目前主要的產(chǎn)品形式為后端中心處理方式和前端處理方式。
后端中心處理方式使用高性能智能視頻服務器進行視頻分析。智能分析服務器一般通過軟解碼方式，解壓數(shù)字視頻流，然后進行事件檢測與行為分析運算。中心處理器可整合到第三方視頻監(jiān)控平臺中，與主流視頻監(jiān)控平臺無縫銜接。事件分析結果和相關參數(shù)設置同樣通過智能視頻傳輸協(xié)議與視頻監(jiān)控平臺進行通訊。中心處理方式的系統(tǒng)每個服務器一般可以同時處理8路至16路視頻。整個系統(tǒng)的結構如圖2所示。
圖 3 事件檢測系統(tǒng)-前端處理系統(tǒng)拓撲圖
三． 事件檢測與行為分析系統(tǒng)技術原理與評測
3.1周界檢測
技術原理
前景物體檢測技術的主要應用。該技術以固定攝像頭監(jiān)控用戶所關心的區(qū)域，建立背景模型，過濾出前景物體并確定物體的運動路線?；谇熬拔矬w的運動路線實現(xiàn)對運動物體的行為判別。該技術的典型應用包括以下4類。
區(qū)域進出：用戶在監(jiān)控場景內(nèi)定義一個多邊形區(qū)域，當有物體進入、離開即觸發(fā)報警事件。
區(qū)域滯留：用戶在監(jiān)控場景內(nèi)定義一個多邊形區(qū)域，當有物體在區(qū)域內(nèi)滯留時間超過規(guī)定閾值即觸發(fā)報警事件。
絆線：用戶在監(jiān)控區(qū)域內(nèi)定義一條線段。當物體運動路線跨越該線段，即觸發(fā)報警事件。
有向絆線：用戶在監(jiān)控區(qū)域內(nèi)定義一條線段。當物體沿方向跨越該線段，即觸發(fā)報警事件。
應用前提
攝像頭需要固定，只在改變監(jiān)測場景時才移動攝像頭，否則無法建立穩(wěn)定的背景模型；適用于空曠場景，如邊防線，廠區(qū)周邊等環(huán)境，一方面可獲得較大的視野，另一方面該技術不適用于前景物體擁擠的情況，這時場景下不同物體的前景由于相互粘連無法區(qū)分，基于前景而得到的運動路線也同時失效。
在常規(guī)測試識別率、誤警率和漏報率外，應考察以下針對性測試的結果。
參考測試環(huán)境：
抖動：戶外攝像頭可能由于各類原因發(fā)生偶然或周期性的抖動，由于該技術一般要求相機固定，因此需要測試在輕微抖動環(huán)境下的技術指標，考察系統(tǒng)性能指標的穩(wěn)定性。
無關物體：測試環(huán)境中出現(xiàn)概率較高的如樹葉抖動，花草搖動，云影等干擾物體出現(xiàn)時的誤報情況。
天氣：該系統(tǒng)的一般定位是全天候工作的實時監(jiān)控系統(tǒng)，在下雨、霧、雪天氣下測試上述技術指標。
光照：戶外環(huán)境或室內(nèi)光照變化明顯的環(huán)境，應進行24小時測試，獲得上述三個技術指標判斷系統(tǒng)對光照變化的適應能力.
參考指標： 識別率>80%, 誤警率<20%
3.2 動態(tài)跟蹤
技術原理
該技術的目的是實現(xiàn)對于目標物體的近距離持續(xù)跟蹤。目標物體的在全景攝像頭的場景內(nèi)完成，在非空曠場景一般由操作人員，對于邊防線等空曠場景可由計算機自行選擇。跟蹤過程可分為鎖定目標和持續(xù)跟蹤兩個階段，跟蹤攝像頭和全景攝像頭在物理上可以是同一個，主要取決于具體應用的需求和產(chǎn)品自身的水準。
在鎖定目標階段有兩種技術實現(xiàn)，一種是基于特征模式分析的跟蹤，例如以RGB圖像進行模版匹配，由于攝像頭逐漸拉近，物體的位置和大小同時發(fā)生變化，這時的鎖定速度越高，則物體從視野中丟失的風險也越大，對于目標的速度大小及方差沒有先驗的情況下，一旦目標丟失重新鎖定的代價很大，而相比之下鎖定速度慢的代價則要小的多，特別對于軍政機關方面的敏感應用，應首先確保不丟失目標，其次考慮鎖定耗時。另一種是通過標定場景三維信息實現(xiàn)，鎖定的速度可以有明顯的提高，但標定過程比較繁復，且全景攝像頭一旦改變角度，一般需用標定，維護的代價較大。
由于動態(tài)跟蹤的應用帶有較明顯的敵我對抗性，在持續(xù)跟蹤階段，技術上必須對于目標物體改變運動方向、運動速度、暫時被遮蔽甚至故意躲入障礙物有一定的適應能力。另一方面跟蹤攝像頭自身的動態(tài)性能也直接影響跟蹤的穩(wěn)定性，這里的動態(tài)性能主要包括攝像頭機械運動控制部分的時間常數(shù)、信令傳輸?shù)难舆t以及控制協(xié)議解析機制的合理性。
應用前提
避免在擁擠場景下使用該技術，場景擁擠程度越高，該技術的實用性也隨之下降。特別是采用多個跟蹤攝像頭接力的系統(tǒng)，在國內(nèi)的應用場景下，其系統(tǒng)整體的跟蹤穩(wěn)定性尤其需要通過實際測試加以驗證。
攝像頭安裝盡量避免產(chǎn)生目標物體與周圍運動物體持續(xù)嚴重遮擋的情況。
評價方法
除常規(guī)測試外，應根據(jù)應用需求選擇以下針對性測試：
鎖定測試：單獨測試鎖定目標這個階段的成功率。
靜止測試：目標長時間靜止，考察系統(tǒng)自身穩(wěn)定性。
變速測試：在持續(xù)跟蹤階段，目標突然停住、改變方向或改變速度。
遮蔽測試：目標周期性被行道樹或電線桿遮蔽，或目標蓄意躲入障礙物。
疑似目標測試：目標與其他運動物體相遇，或在目標被暫時遮蔽時，周圍出現(xiàn)其他運動物體。
3.3 逆行檢測
技術原理
該技術用于出入口檢測逆向進出的人或物體。主要的技術特點在于根據(jù)物體運動模式來探測物體的逆行，在擁擠場景下仍然適用。
應用前提
攝像頭安裝角度盡量減輕人或物體之間的遮擋。建議俯視角度在45度~90度之間，攝像頭視線應基本與人流方向一致，水平偏角在正負30%之內(nèi)。
評價方法
除（基本部分）敘述的測試方式外，可附加下列針對性測試：
擁擠場景針對性測試:? 以人行出入口為例，假設出入口水平方向可容納N個人，可令2N~4N的人以較自然的方式結隊通過，同時安排一人從相反方向進入，主要檢測系統(tǒng)的漏報率。
短暫／局部行為針對性測試: 安排一人在檢測區(qū)域內(nèi)以身體的部分（如手臂、上身等）作相反方向的運動，或作短暫的后退動作（可根據(jù)應用需要），主要檢測系統(tǒng)的誤報率。
參考指標： 識別率>80%, 誤報率<20%
3.4 行人異常行為
技術原理
該技術用于檢測監(jiān)控區(qū)域內(nèi)疑似搶劫或*后逃竄的高危行為。技術實現(xiàn)主要有兩種。一類實現(xiàn)仍然基于前景物體檢測，根據(jù)前景物體的運動路線來估計其速度，超過一定的數(shù)值就報警。這種速度估值的精度較低，而且無法克服攝像機近大遠小的問題；同時，無法區(qū)分行人和自行車上的人，實用性不高。第二類實現(xiàn)采用特征運動模式分析技術，用模式識別的方法對于場景各部分可能出現(xiàn)的運動模式和運動速度進行學習，不但可以偵測出異常加速，對于罪犯逃竄時翻越欄桿、矮墻等平時出現(xiàn)機率很低的行為，也能夠識別。
應用前提
場景中運動人員以步行為主，攝像機俯視角度不低于30度，俯視角度較小時，應提高架設高度避免人之間的嚴重遮擋。
