学术咨询服务正当时学报期刊咨询网是专业的学术咨询服务平台！
发布时间：2019-03-19 17:02所属平台：学报论文发表咨询网浏览： 次
摘要：随着云计算、大数据和人工智能等在安防视频监控技术中的应用，简单的视频录像、存储和实时查看等一些基础性的功能已经无法满足用户的需要，在数字化、网络的基础上，智能化的视频监控技术可对数据进行自动分析和深度挖掘，根据需要提取有用信息，从而
摘要：随着云计算、大数据和人工智能等在安防视频监控技术中的应用，简单的视频录像、存储和实时查看等一些基础性的功能已经无法满足用户的需要，在数字化、网络的基础上，智能化的视频监控技术可对数据进行自动分析和深度挖掘，根据需要提取有用信息，从而实现更多的功能。本文主要论述了智能化视频分析技术的实现和应用，同时也指出了其发展的不足和今后发展的方向。
关键词：视频分析,大数据,智能应用
在安防大数据时代，视频监控在运行过程中会产生大量的数据，但大部分数据属于冗余信息，智能分析技术就是在海量的数据中可以快速的找出重要信息，智能化在安防系统的建设中显得尤为重要。视频监控在高清化、网络化之后，智能化是发展的主要方向，未来的安防视频监控技术将以视频为核心，结合人工智能技术，实现传统安防应用向深度智能应用的发展，而深度学习算法是实现更深层次智能的关键。
1深度学习算法分析
在安防大数据时代，视频监控数据量井喷式增长，面对海量的数据，停留在浅层次分析识别阶段的传统智能算法已经不能满足需求，深度学习算法能进行更深层次的数据价值挖掘，深度学习算法在视频监控智能化中的优势如下：
(1)深度学习算法的应用范围更广泛，在不同的环境特征中，深度学习算法可以提取更丰富、更适合的特征参数，同时具有更强的抗环境干扰能力。
(2)深度学习算法的准确率更高，可以提取更多、更微小和详细的特征，使得识别分类对象的准确率更高，从而让让智能化有了更好的提升。
(3)深度学习算法可识别的种类更加丰富，通过对足够多的样本进行训练，深度学习算法更适用于复杂、抽象的人的行为和特征的分析，能够实现比较精准的目标识别。
2智能视频分析技术的实现
智能化视频分析首先要运用大数据技术对数据进行分类，在安防监控中，数据信息类型很多，从数据结构类型来看，数据主要分为结构化数据、非结构化数据和半结构化数据等。其中，监控视频录像、摘要录像、车辆卡口图像、人脸抓拍图像等视频录像和图像记录属于非机构化数据。半结构化数据如人的指纹记录信息、人脸的建模数据等。
结构化数据主要包括报警记录，运维数据记录、以及各种相关的信息数据库等。安防智能化对数据的分析和处理方法主要有两类：
一类则是对结构化、半结构化的数据分析处理，主要工具有Spark、Hadoop大数据处理框架，以及Mahout、R数据挖掘工具，此类处理和分析工具和计算机在处理大数据方面的架构类似。
另一类是对视频图像等非结构化信息的处理和分析工具，包括视频编辑和转码、视频智能分析工具等。通过这两类工具可以对结构化和半结构化的数据实现快速准确的数据挖掘和分析。目前，视频监控系统智能化的实现方式主要有前端智能和后端智能两大类。前端智能不需要连接后端服务器，将智能分析的模块安装到前端设备内，通过智能分析模块实时分析视频数据，对监控信息实时性反应有较高的要求的情况更适用于前端智能。
后端智能是对监控设备采集的信息进行挖掘和分析放在后端服务器，这样可以同时对多路数据进行处理，具有更强大的处理能力。相对于前端智能，后端智能更适用于对数据分析计算能力较高要求的场景，选用前端智能还是后端智能的应该根据应用场景的不同来决定。目前来看，单纯的前端智能和后端智能都存在弊端，前端智能不能进行大量数据的处理，后端智能处理数据量过大，更多数据属于冗余信息，因此，采用前端智能与后端智能相结合的方式更能满足需求。
3智能视频分析技术的应用
随着技术的发展及相关产品的开发，视频监控智能化的应用正在逐渐发展，在常见的应用场景中，如可进行人脸识别的视频监控系统帮助各地公安系统抓获了不少逃犯。在车辆视频识别系统中可对车辆进行更精细的识别，输入一辆车的照片，可根据车漆颜色、车内饰物等特征进行精细搜索。又如某单位想查找一个5天前进入单位的穿红色衣服的女性，可以直接通过相关特征查找，获得所有相关的人体图片信息，也可以显示人员运动轨迹，为事后查询提供证据等。
目前来看，智能视频分析技术主要应用于智能交通、平安城市、司法监管等领域。智能视频分析技术主要用来实现区域检测、物品遗留、人脸识别、人数统计、车辆特征识别等功能。
智能视频分析技术的应用主要侧重于以下几个方面：图形图像分析(视频摘要分析技术、视频质量诊断技术)、人体分析(提取人体特征技术、识别人脸技术)、行为分析(行为异常分析、跟踪目标检测)、车辆分析(车牌识别、车辆特征提取)等。通过多种智能分析算法，能够对各种原始视频数据进行智能处理，帮助用户从海量的视频数据中分析、筛选出关键信息，同时可以提供多种查看检索方式，以达到快速查找、快速定位目标的目的。
4视频监控智能化技术发展的方向和难题
视频解析、模糊数据处理和场景适应性是视频监控智能化发展的三个主要方向。视频解析主要是如何从海量的视频数据中提取出重要的信息，实现视频数据的智能检索。模糊信息处理是对前端设备采集的比较模糊的视频数据进行分析和处理。场景适应性主要表现在各种环境下能够输出质量较高的视频分析结果。
视频监控智能化的发展主要受芯片技术和深度学习算法技术发展的限制，在实践应用中，这些问题一直困扰着智能化的普及，主要表现在识别准确率不高、设备环境适应性较差和识别种类不多等。相关算法的进一步优化和核心处理器性能的提升是解决问题的关键，而提升处理器的性能也会带来功耗的上升、成本的增加，给智能化设备的普及带来困难。在优化相关算法的前提下，提高核心处理芯片性能，发展小型化、低功耗的智能化视频产品是视频监控智能化发展的方向。
参考文献：
[1]黄凯奇,任伟强,谭铁牛.图像物体分类与检测算法综述[J].计算机学报.2014.
[2]吴群,王田,王汉武等.现代智能视频监控研究综述[J].计算机应用研究.2016.
[3]梁光胜,曾华荣.基于ARM的智能视频监控人脸检测系统的设计[J].计算机应用.2017.
[4]徐定宇，数字视频监控系统的智能化建设与实现研究[J].信息与电脑(理论版),2017.
推荐期刊：《计算机学报》是中国计算机领域权威性学术刊物，始创于1978年，刊期为月刊，每期160面。其宗旨是报道中国计算机科学技术领域最高水平的科研成果。它由中国计算机学会与中国科学院计算技术研究所主办、科学出版社出版，以中文编辑形式与读者见面，同时以英文摘要形式向国际各大检索系统提供基本内容介绍。
转载请注明来源。原文地址：http://www.xuebaoqk.com/xblw/4090.html
《智能视频分析技术及应用》