智能視頻的應用
目前智能分析產品可分為兩大類：一是以背景模型建立為基礎，主要包括周界安防范圍在內的行為分析；二是以特征識別為基礎，包括車牌識別，人臉識別等，主要基于運動背景建模與目標識別技術，也就是在相對靜止的背景圖像中找到在活動的目標物體。
一般布防規則的設定是IVS技術最關鍵的部分，每一項規則都有特定的含義，可應用在不同的領域，現有智能分析應用主要有以下功能。
1．物品丟失、可疑物品滯留檢測
物品對象從已定義的監控區消失或滯留時間過長后，會立即觸發報警，在第一時間遏制犯罪的發生。
2．警戒線跨越報警
在需要保護的區域架設一道虛擬墻，當相關對象進入或離開這堵“墻”時，就會觸發報警。
3．場景變更報警
當攝像頭在正常工作狀態下出現了如人為移動了拍攝角度、拆除鏡頭、圖像聚焦不良，通過油漆或黑布涂抹或遮擋鏡頭時觸動的報警。
4．徘徊報警
針對某一重要區域內有可疑人物徘徊次數到達3、4、5次以上所觸發的報警。
5．煙霧灰度報警
主要應用于環境監測方面，如區域的排煙量達到一定的指標出現煙霧灰度后，觸發的報警。
6．火焰偵測
顯而易見，是指監控區域若有火源的出現所觸發的報警。火源分為火焰、火苗，通過計算火光的亮度區分。
7．車流量統計/車流量＋人數統計
用于重要的交通卡口，通常會建立一道虛擬墻，計算汽車或人通過此墻的數量，應用于各重要的出入口處，用于統計進出的人和車。
8．自動追蹤
自動追蹤是指自動追隨一個移動的目標。當一個自動跟蹤功能攝像機追蹤目標時，它會記錄追蹤路徑，方便用戶快速搜索事件的數據及視頻，在無人值守安全監測環境中非常有用。此外，當前目標逐漸離開攝像機的監控范圍時，它會自動跟蹤下一個運動目標。
9．ATM智能視頻分析算法
即是計算機圖像視覺分析技術，其通過將場景中背景和目標分離進而分析，并追蹤場景內出現的目標。用戶可以根據視頻分析功能，通過在不同的場景中預設不同的報警規則。一旦場景中出現了違反預定義規則的行為，系統便會自動發出報警，對于前置式的智能攝像機便會自動將報警圖像上傳到后端監控PC機，使用戶可以采取相關措施。
10．人臉識別
人臉識別功能，指自動識別人物的臉部特征，并通過與數據庫檔案進行比較來識別或驗證人物的身份。劃分為兩大類：“合作型”應用需要被監控者在攝像機前停留一段時間，通常與門禁系統配合使用。“非合作型”則可以在人群中識別出特定的個體。
11．人群聚集偵測
通過分析檢測區域內的前景目標密度和分布來判斷是否發生了聚集事件。聚集主要分兩種：一種是人的聚集，有可能突然聚集，也有可能逐步聚集。判斷到人聚集的時候，系統能觸發預先設置的相應操作。另一種是物體的聚集，如車輛聚集等情況，此類規則多應用于大型戶外廣場和商場等公共場所。
智能視頻的發展
在基礎的智能監控需求已經得到滿足的情況下，智能視頻新技術集中向著幾個方向發展：
第一，提升視覺感官體驗的技術，包括圖像防抖動、圖像增強等視頻預處理技術。
第二，提升分析準確率的技術，主要是雙目識別技術。
第三，改善系統應用性的技術，包括多球機聯動跟蹤等。
第四，面向事后分析的技術，包括圖像復原、圖像摘要檢索等技術。
以下分別就各項技術的實現、應用及前景做一些分析。
圖像防抖動技術
圖像抖動是在交通領域經常見到的問題，主要的成因是道路監控中高架安裝方式帶來的較高頻率小幅抖動，以及車載移動監控中由于攝像位置變化帶來的低頻大幅抖動。在模擬標清時代，主要會影響了大倍率下的圖像畫面，而在數字高清時代，在焦距達到20mm以上畫面就會明顯抖動，這對于監控內容的識別有明顯的影響。
圖像防抖動的解決途徑主要有幾種：
采用軟件技術進行處理
采集完整的傳感器圖像，圖像處理緩沖。
為實現防抖，預留邊緣圖像，對中心圖像進行數字放大（圖像失真或模糊）。
使用預留邊緣圖像，對圖像進行補償，達到防抖效果（補償區域縮放，邊緣模糊）。
硬件軟件結合的方式
為彌補圖像數字放大帶來的圖像模糊問題，使用更大像素的圖像傳感器。
采用直接物理像素尺寸，對圖像抖動區域進行補償，避免圖像邊緣模糊。
圖像防抖動技術在前端球機產品中應用時，通常采用軟硬件結合的方式。技術關鍵點之一，是要克服圖像邊緣角落虛焦的現象。
圖像增強技術
當前監控系統面臨的重要問題，是受到各種干擾因素的影響，使得系統不能在全天候、全天時下運行，系統的可靠度低，LCC值不經濟。這些干擾因素主要包括如白天環境下的虛光、泛光、逆光，低照度環境，監控場景中強逆光的干擾，霧、灰霾等的大氣散射環境干擾，降雨、降雪、沙塵等氣象條件的影響。
圖像增強技術主要解決的問題，是通過算法對視頻源進行視覺改善處理，有效的改善畫質，提高圖像的清晰度，提高視覺可分辨性，使原本低質量的圖像能夠滿足監控需要，達到清晰可辨的程度。
圖像增強的技術實現途徑，是突出原有圖像中需要重點觀測的內容，抑制非重點觀測內容，通過對像素的灰度值運算處理生成一幅新的圖像，以改善視覺效果。圖像增強的關鍵技術問題有：
·對不同自適應不同時刻、不同程度的干擾因素。
·自適應不同的景深、視角、目標內容。
·有效分辨畫面內容，充分保留局部細節；畫面對比柔和，色彩過渡均衡，亮暗對比適中；色彩恒常性好，不受場景變化影響。
·正常環境下不影響畫質；未增強的畫面不失真。
圖像增強的產品形態，涵蓋了從前端、編碼端到后臺顯示端的處理。在產品定位上，可以分為兩個方向：普適性產品，重點是正常氣候下，不降質。惡劣氣候下有改善，但不是最好。作為標配集成到各個設備中。專業級產品，重點解決在惡劣的情況，達到最好的效果。如霧天專用、深海專用、低照度專用、軍事專用等等作為專用設備，應用整合于特種行業。
雙目立體視覺技術
雙目立體視覺技術的核心目的，是提高識別的準確率。由于立體視覺技術形成的視場中帶有物體的三維幾何信息，因此能夠有效的設定檢測規則，排除光線、影子等干擾因素，大幅提高智能分析的準確度。如果說高清技術通過提升可用像素來提高分析的準確率，是戰術性的舉措，那么雙目立體視覺技術對視頻分析準確率的影響則是戰略性的。
雙目立體視覺技術是基于視差原理，并利用成像設備從不同的位置獲取被測物體的兩幅圖像，通過計算圖像對應點間的位置偏差，來獲取物體三維幾何信息的方法。
采用雙相機或多相機，對視場內空間的自由運動體的三維位置坐標及姿態進行高精度的測量，確定運動目標的質心位置，并根據標定結果對運動目標進行高精度跟蹤。
立體視覺技術的跟蹤，由于能夠辨識目標的三維坐標、姿態、相對距離、與背景環境的空間距離，因此能適應復雜的跟蹤背景環境。
多球機聯動跟蹤
多球機聯動跟蹤技術，是以單球機智能跟蹤技術作為基礎的。從應用的層面上看，能夠將普通的跟蹤球機的單點式監控，提升為系統內對單個目標的無縫式接力跟蹤，配合電子地圖的使用，能夠容易的實現對高安全等級區域的無縫式跟蹤，并實現目標軌跡描繪、犯罪行為預警等高等級的安保需求。
多球機聯動跟蹤技術的實現，需要首先具備多目標識別與跟蹤技術。在應用中，通常設定一臺球機作為發起點，對廣域范圍內目標進行的智能行為分析，并將同時監控的多個目標按照既定的策略進行排序，并按照先后順序，指揮智能跟蹤球機逐個跟蹤監控目標。與單目標跟蹤相比，多目標跟蹤技術的關鍵點是數據關聯問題，即建立一個統一的坐標系，使得發起球機可以將目標的坐標信息傳遞給跟蹤球機，實現聯動跟蹤。
多目標跟蹤的過程可以劃分為以下幾部分：
數據關聯：在觀測數據和目標之間建立起對應關系。常見的方法有最近鄰算法、聯合概率數據關聯濾波器、多假設跟蹤算法。
狀態估計：通常將多目標跟蹤問題轉化成對多個單目標的跟蹤過程，并建立相應的狀態空間模型。為每個目標分配一個單目標跟蹤器，相互獨立地跟蹤每個目標，通過設計一些特殊的方法來處理目標之間的交互和遮擋問題。
坐標傳遞：在關聯的球機之間建立統一的坐標系
在多目標監控場景中，提取目標的位置和運動軌跡信息，發送給下一個球機，下一個球機根據目標的位置和運動軌跡信息跟蹤鎖定目標。
另外，多目標跟蹤技術在實際的應用中，還需要重點優化和改進以下方面：提升算法的效率，以實現同時能夠跟蹤盡量多的目標；需要改進算法的抗干擾性能，以減輕光線變化、影子、目標間遮擋等常見的干擾因素；需要能夠對每個目標排定警戒優先級，以使球機在跟蹤時能夠及時切換到威脅等級更高的目標。
面向事后應用的智能技術
面對監控系統中海量的錄像數據，如何有效、高效的應用，減輕人工查看回放帶來的時效性差、成本高、疲勞問題，并在不同分辨率、不同清晰度的錄像中準確的辨別出需要獲取的信息，行業提供了視頻復原、視頻摘要、視頻結構化檢索等技術手段。
視頻復原
解決對模糊錄像的有效辨別問題。通過綜合應用超分辨率、銳化濾波、去模糊濾波、輪廓增強、降噪濾波、變形校正、色彩調整、時空分析、視頻標注、多視頻比對、視頻穩定化等智能算法，對對焦不準、運動模糊、噪聲干擾等原因導致的模糊視頻進行處理，使之清晰可辨。
視頻摘要
將視頻摘要形成視頻片斷，不同時刻的目標"穿越時空"同時展現播放，使24小時的視頻被制作成一個簡短到幾分鐘摘要視頻成為現實。視頻摘要不僅濃縮的是事件的精華，也是活動事件的全部，沒有價值的視頻將被剔除。通過多分格快照技術，可以在幾秒中看完所有的活動目標成為可能，回溯原始視頻功能，瞬間鎖定目標在原始視頻中的位置。這些智能視頻分析功能的實現和應用將大大提高海量視頻監控錄像分析的效率。
視頻分類檢測
傳統的視頻搜索功能主要是以物理條件的設定為主要搜索條件的，比如時間，日期等。而智能視頻檢索功能能夠通過認為設定的智能條件進行快速的視頻搜索。比如：特定場景的變化條件、嫌疑物體（人、車、其他特征物體）的出現等為搜索條件，進行特定視頻條件的智能搜索，結合其他智能視頻功能，可以使大量的無序信息在短時間內形成有價值的證據鏈。如圖7,輸入"紅色車"檢索條件，可比對得到相似度高的目標列表。
視頻分類檢索技術未來的發展，應當是向著結構化錄像存儲的方向，分步驟實現以下的技術目標：
結構化數據的可檢索：卡口、電警采集的車牌信息，獨立的小系統。
非結構化數據的可檢索：監控攝像機采集的視頻信息，顏色、行為、人臉、車型等。
視頻采集時數據結構化處理：在智能球機、IPC編碼時自動生成視頻數據庫，而不是簡單的錄像文件。
結構化錄像存儲是未來的方向，但還需要解決以下以下關鍵的技術問題：視覺信息、高層語義信息數據描述技術、分類規范和信息索引技術、存儲組織和高效搜索技術、提高智能分析技術的準確度、智能技術的硬件產品化、異地查詢和交換技術等。
