‧ 緣何智慧影像分析技術不能大展拳腳？

來源:安防展覽網

智慧影像分析技術領域是人工智慧中的模式辨識，將智慧演算法嵌入到DSP中，通過分析和提練人員和車輛二類目標的各種行為模式，形成核心演算法。目前來看，雖然近年智慧影像技術迅速發展，而智慧影像分析本身演算法的局限，在理想環境下才可實現其全部功能，所以在實際應用中，只能初步實現較簡單的功能。但強勁的需求市場下，緣何智慧影像分析技術不能大展拳腳?未來智慧影像分析技術又將會有哪些突破?

　　

影像分析技術目前應用三類現狀

從技術角度來講，目前智慧分析技術主要還集中在兩大類：一類是採用畫面分割前景提取等方法對影像畫面中的目標進行提取檢測，通過各種不同的規則來區分不同的事件，從而實現不同判斷並產生相應的報警聯動等，例如：最早期的一些行為分析類功能(跨界、區域入侵、打架檢測、人員聚集等)、還有早期的交通事件檢測等，都屬於這類演算法技術的應用。

另一類是利用模式辨識技術，對畫面中特定的物體進行建模，並通過大量樣本進行訓練，從而達到對影像畫面中的特定物體進行檢測及相關應用。如車輛檢測、人臉檢測、人頭檢測(人流統計)等應用。

緣何智慧影像分析技術不能大展拳腳?

　　

從應用角度來講，目前智慧分析技術主要有四大類：第一類是即時報警類。第二類是資料統計類，第三類是屬性辨識類。第四類是影像處理類。

　　

從產品形態來講，目前市場上主要有兩大類產品形態，一類是前端智慧產品。一類是後端伺服器產品。這兩類產品各有優缺點，根據不同的應用和專案類型有不同的選擇。

　　

目前市場上可以看到很多智慧攝影機，即將一些影像分析演算法移植到網路攝影機中，在攝影機中實現對即時影像的分析和檢查，實現一些智慧分析的功能(例如目前有實現車輛檢測的車輛抓拍攝影機、實現區域入侵等功能的目標檢測報警的攝影機、有實現人類檢測抓拍的攝影機等等)，智慧攝影機自帶分析功能，系統架構簡單，同時目前的攝影機DSP處理能力已經完全能運行各種較為複雜的分析演算法，分析效果和後端產品基本相同。

　　

智慧影像分析被稱監控智慧化最為成熟技術體系

監控平台發展的這些年，已經很明顯貼近監控高清、集成性的趨勢，但智慧化的應用表現才剛剛起步，但前景不小。我們說的監控智慧化，很多業內人士都認為智慧影像分析就是監控的智慧化。從目前應用情況分析，智慧影像分析技術是監控智慧化技術最為成熟的技術體系。

　　

目前智慧分析技術已經廣泛應用於各種安防領域，根據其實現的方式進行區分，有業內人士將其概括為以下幾種類型的智慧分析。

　　

診斷類智慧分析：診斷類智慧分析主要是針對影像出現的雪花、滾屏、模糊、偏色、增益失衡、雲台失控、畫面凍結等常見的攝影機故障、視訊訊號干擾、影像品質下降進行準確分析、判斷和報警。診斷類智慧分析技術實現起來較為簡單，通常以後端管理平台的形式出現，在大型的監控專案，特別是城市級監控的日常運維中作用十分明顯。目前市面上一些基於DSP的智慧分析設備、DVR和DVS等都自帶該項協助工具。

　　

識別類智慧分析：該項技術偏向於對靜態場景的分析處理，通過圖像辨識、圖像比對及模式匹配等核心技術，實現對人、車、物等相關特徵資訊的提取與分析。在對車的辨識分析應用上主要是車牌辨識技術。該技術經過多年的發展與應用，目前已十分成熟。模糊車牌還原和識別技術的出現使得該項技術不再局限高清，開始向標清領域普及。

車牌辨識技術被廣泛應用於各停車場出入口、高速公路收費站等地，近些年更是發展迅速：配合交通電子卡口系統，車牌辨識技術被大量用於車輛交通違章的抓拍，有效降低了車輛交通違章數量，大大減少了交通事故的發生。

　　

行為類智慧分析：該項技術側重於對動態場景的分析處理。典型的功能有：車輛逆行及相關交通違章檢測、防區入侵偵測、圍牆翻越檢測、絆線穿越檢測、物品偷盜檢測、占道經營檢測和客流統計等。移動偵測(VMD)是該類智慧分析中的“早期智慧”，VMD依據影像畫面中區塊的運動變化來進行判別，缺點明顯：基於二維的分析，誤報太高，無法識別移動的區塊是干擾還是目標。

　　

而就目前監控智慧化中應用最成熟的智慧影像分析技術發展來看，它能在幾乎不需要人為干預的情況下，通過對攝影機拍錄的圖像序列進行自動分析，來對動態場景中的目標進行定位、識別和跟蹤，並在此基礎上分析和判斷目標的行為，做到既能完成日常管理又能在異常情況發生的時候及時做出反應，從而解決了傳統監控工作量大、效率低、反應速度慢等問題，其優勢顯而易見，也是推動整個安防智慧化最為關鍵的技術之一。

　　

智慧分析技術應用存在一些問題

早期影像分析應用產品出現在市場上，著實引起了一段騷動，而且很多特殊的應用場景和應用環境，的確能給客戶帶來很大的價值。如商場的人流統計技術，為商場的資料分析帶來了巨大的技術支撐。如車牌辨識技術，給治安交通管理帶來的價值是無法用資料來衡量的。但是，影像分析技術還沒有完全成熟，目前應該還屬於技術應用的初級階段，還存在很多問題，這些問題可能也是限制影像智慧分析應用快速發展的最主要的因素。

　　

有媒體針對中國100多家廠商及工程商的問卷調查顯示，2013年智慧攝影機市場規模較2012年市場規模人民幣18億元增長接近40%，2013年智慧攝影機市場規模達25億元左右。其中，智慧城市、交通行業、機場、軍事基地是智慧攝影機應用最多的行業，達到了30%以上，但是相對於成熟的影像監控系統而言，智慧影像的銷量總體呈現平穩的態勢。深圳市視威克總經理巫松亮表示，智慧影像分析技術只佔有總營業額的一小部分。

　　

那麼為什麼廣受用戶期待與市場好評的智慧影像分析技術不能在市場上大展拳腳，佔據監控市場的更大空間呢?

 (一)、檢測準確率達不到理想效果。視頻分析技術的準確率基本達不到非常理想的效果，特別是即時報警類的應用，誤報率和漏報率都是客戶最關心的問題，如果誤報太高，客戶也受不了，如果漏報，客戶更加受不了。特別是一些要求比較高的應用，只要有漏的，實際作用就不大了。

(二)、受環境干擾大。視頻分析技術最大的一個問題就是受環境和影像品質的干擾太大，光線、雜物、惡劣天氣、晃動、飛蟲等的干擾，就會使應用系統效果非常差，甚至失效，無法進行正常工作。

(三)、安裝調試複雜。智慧分析應用產品幾乎都需要按每一個應用場景進行不同的參數調試，而且會涉及到非常多的專業的參數調試。非專業人員根本無法調試出理想效果。

　　

問題面前需求強勁未來發展有何新趨勢?

一、智慧碼流技術

智慧碼流，是系統根據圖像辨識後，根據畫面運動主體的運動速度，將正常錄製的影像進行碼流調整，進行最後的影像儲存。對於運動慢的運動主體，碼流記錄甚至可以低至8幀/秒(fps)以下，對於正常速度運動的主體，碼流設定正常的25fps，對於敏感圖像的運動物體的影像碼流可設定在30fps以上。對於高速的運動主體，在高速攝影機的配合下，碼流可高達1000fps以上。智慧碼流技術，可以減少非敏感圖像佔用影像儲存資源，從而對敏感圖像提供了充裕的記載能力。

　　

二、動態區域自我調整的智慧監控技術

以某車庫影像監控畫面為例，畫面上的敏感資訊為運動的車輛和人。不敏感畫面是背景(地面和屋頂)。但在實際的影像記錄中，背景(地面和屋頂)佔據了50%以上的儲存空間。通過圖像識別技術，可以判定固定背景與運動物體圖像，因而，具備了只在記載畫面的中有運動的技術可能。動態區域智慧監控，就是只記載除背景以外的運動物體，從而大大減少了影像儲存空間的需求，相同的儲存空間，可保留的影像時間長度可以成倍提高。

攝影系統，通過圖像辨識技術，可以智慧學習，判斷哪些圖像是背景，即便是由雲台控制的攝影機，通過設定的時間內的自動學習，也可以自動判定錄製影像中的新背景，從而實現對運動物體圖像的智慧監控。

　　

三、非敏感區域的低碼流記載技術

影像上方的25%到30%的區域，通常是天空或建築的頂部圖像，基本屬於敏感要素不太可能出現的區域。如某些典型監控圖像中的紅色馬賽克部分的圖像，基本不會含有人們關心的視頻內容，因此可以把影像的非敏感區域的忽略，或者用低碼流另外記錄，只需在重播的時候與高碼流的影像做一個同步。

值得說明的是，非敏感區域在不同應用場景，各有不同，有的也許在影像圖像的下方，有的監控場景，非敏感區域是不規則的，可以在影像監控系統安置好後，根據實際情況再進行應用層面的人工設定。

　　

四、人臉/車輛辨識(或其他敏感移動物體)驅動高清攝錄技術

在特殊的場景下，比如大樓的進口處、電梯等地方，人臉是敏感圖像。在車庫內、社區的進出口處，車輛及其號牌是敏感圖像。若全部用高清的影像固然可以滿足監控需求，但影像儲存，特別是長時間的保存，就會需要海量的儲存空間；若根據圖像辨識技術，判斷出現設定的敏感圖像的時候，才驅動攝影機啟動高清記錄，對於一般的非敏感圖像，則啟動標清甚至低碼率的影像流來記錄。這樣高清與標清相結合的監控記錄，即保證了記錄敏感圖像的品質，同時又較大程度上減少了影像儲存量。

　　

五、序列幀影像檔分佈儲存技術

把影像在一秒內產生的幀為標識成序列幀，同時編制儲存與播放序列，把不同序列的幀劃分為數個檔儲存;單個幀序列檔可以單獨播放，效果等同於低碼流記錄的影像效果。

所有幀序列可以合成完全影像一起播放時，則是高清(或標清)的影像效果。當需要回收儲存空間的時候，可按儲存策略規劃，先將一部分序列幀影像檔所占的區域覆蓋。另一部份則保存下來，從而更有效的利用儲存空間。

　　

例如按原儲存能力可以保留1個月的影像資料，經過影像幀檔的分佈儲存後，可以保留數個月的有選擇的序列幀影像的檔資料。對已保留了中長期的序列幀影像檔進行部分覆蓋，實現淡入淡出式的影像逐漸丟棄，長期保留的影像資料不是一下完全消失，而是慢慢的消失、丟棄。從而最大限度地延長監控影像保留的時間。

　　

總體來看，限制智慧分析技術應用的最大因素就是準確率問題。所以智慧分析技術應用的發展趨勢肯定是朝著提高準確率的方向前進的。同時另一方面，大家也會尋找一些不關心準確率，而更多關注效率的一些應用方向。