视频监控及其关键技术.docx
《视频监控及其关键技术.docx》由会员分享，可在线阅读，更多相关《视频监控及其关键技术.docx（12页珍藏版）》请在冰点文库上搜索。
视频监控及其关键技术
视频监控及其关键技术
14安防徐乐144402103
监控系统是由摄像、传输、控制、显示、记录登记5大部分组成。
摄像机通过同轴视频电缆将视频图像传输到控制主机，控制主机再将视频信号分配到各监视器及录像设备，同时可将需要传输的语音信号同步录入到录像机内。
通过控制主机，操作人员可发出指令，对云台的上、下、左、右的动作进行控制及对镜头进行调焦变倍的操作，并可通过控制主机实现在多路摄像机及云台之间的切换。
利用特殊的录像处理模式，可对图像进行录入、回放、处理等操作，使录像效果达到最佳。
监控是各行业重点部门或重要场所进行实时监控的物理基础，管理部门可通过它获得有效数据、图像或声音信息，对突发性异常事件的过程进行及时的监视和记忆，用以提供高效、及时地指挥和高度、布置警力、处理案件等。
随着当前计算机应用的迅速发展和推广，全世界掀起了一股强大的数字化浪潮，各种设备数字化已成为安全防护的首要目标。
数码监控报警的性能特点是：
监控画面实时显示，录像图象质量单路调节功能，每路录像速度可分别设置，快速检索，多种录像方式设定功能，自动备份，云台/镜头控制功能，网络传输等。
加装时间发生器，将时间显示叠加到图像中。
在线路较长时加装音视频放大器以确保音视频监控质量。
适用范围——银行、证券营业场所、企事业单位、机关、商业场所内外部环境、楼宇通道、停车场、高档社区家庭内外部环境、图书馆、医院、公园。
视频监控系统原理图
组成设备
视频监控系统产品包含光端机，光缆终端盒，云台，云台解码器，视频矩阵，硬盘录像机，监控摄像机[1] ,镜头,支架。
视频监控系统组成部分包括监控前端、管理中心、监控中心、PC客户端及无线网桥。
各组成部分的说明如下：
（1）监控前端：
用于采集被监控点的监控信息，并可以配备报警设备。
①普通摄像头+视频服务器。
普通摄像头可以是模拟摄像头，也可以是数字摄像头。
原始视频信号传到视频服务器，经视频服务器编码后，以TCP/IP协议通过网络传至其他设备。
②网络摄像头。
网络摄像头是融摄像、视频编码、Web服务于一体的高级摄像设备，内嵌了TCP/IP协议栈。
可以直接连接到网络。
（2）管理中心：
承担所有前端设备的管理、控制、报警处理、录像、录像回放、用户管理等工作。
各部分功能分别由专门的服务器各司其职。
（3）监控中心：
用于集中对所辖区域进行监控，包括电视墙、监控客户终端群组成。
系统中可以有一个或多个监控中心。
（4）PC客户端：
在监控中心之外，也可以由PC机接到网络上进行远程监控。
（5）无线网桥：
无线网桥用于接入无线数据网络，并访问互联网。
通过无线网桥，可以将IP网上的监控信息传至无线终端，也可以将无线终端的控制指令传给IP网上的视频监控管理系统。
常用的无线网络为CDMA网络。
PC机
工作特点：
数字化
视频监控的数字化首先应该是系统中信息流（包括视频、音频、控制等）从模拟状态转为数字状态，这将彻底打破“经典闭路电视系统是以摄像机成像技术为中心”的结构，根本上改变视频监控系统从信息采集、数据处理、传输、系统控制等的方式和结构形式。
信息流的数字化、编码压缩、开放式的协议，使智能网络视频监控系统与安防系统中的各个子系统间实现无缝连接，并在统一的操作平台上实现管理和控制，这就是系统集成的含义。
网络化
视频监控的网络化将以这系统的结构将由集成式向集散式系统过渡，集散式系统采用多层分级的结构形式，具有微内核技术的事时多任务、多用户、分布式操作系统以实现抢先任务调度算法的快速响应，组成集散式视频监控系统的硬件和软件采用标准化、模块化和系统化设计，视频监控系统设备的配置具有通用性强、开放性好、系统组态灵活、控制功能完善、数据处理方便、人机界面友好以及系统安装、调试和维修简单化，系统安全，容错可靠等功能。
系统集成化
视频监控的网络化在某种程度上打破了布控区域和设备扩展的地域和数量界限。
系统网络化将使整个网络系统硬件和软件资源的共享以及任务和负载的共享，这就是系统集成的一个重要概念。
闭路监控系统能在人无法直接观察的场合，适时、图象、真实地反映被监视控制对象的画面。
闭路监控系统已成为广大用户，在现代化管理中监控的最为有效的观察工具。
在控制中心，只要一个工作人员的操作，就能够观察多个被控区域，以及远距离区域的监控功能。
视频监控关键技术
视频图像处理技术
视频图像处理技术源自计算机视觉技术。
计算机视觉技术是人工智能研究的分支之一，它能够在图像及图像描述之间建立映射关系，从而使计算机能够通过数字图像处理和分析来理解视频画面中的内容。
视频监控图像处理技术依赖于计算机视觉技术，运用图像处理算法，在不需要人为干预的情况下，通过对摄像机拍摄的视频图像序列进行自动分析，实现对场景中目标定位、识别和跟踪，并在此基础上理解和描述目标的行为。
根据行为特征分析并从图像中寻找满足预先设定的行为特征的事件，如：
目标跟踪、徘徊、遗留物、物品遗失、人数统计、人群密度、人员倒地等。
随着计算机视觉技术的不断发展和完善，未来视频监控图像处理技术将向着图像语义的第三层抽象语义方向发展。
按照图像语义的复杂程度可将图像语义分为三个层次：
第一层是特征语义层。
通过图像的底层视觉特征如颜色、纹理及形状等及其组合来提取相关语义描述；第二层是对象语义层。
通过识别和推理找出图像中的具体目标对象及其相互之间的关系，然后给出语义表达；第三层是抽象语义层。
通过图像包含的对象、场景的含义和目标进行高层推理，得到相关的语义描述。
这个层次的语义主要涉及图像的场景语义、行为语义和情感语义。
目前计算机视觉技术还不能达到对目标进行高效识别的水准，导致了描述对象层语义和抽象层语义比较困难，因此现在对于图像语义特征的研究集中在语义特征模型的第一层，即特征语义层。
视频监控图像处理技术采用的图像处理算法也主要集中在特征语义层，目前的视频监控图像处理技术主要是通过图像颜色、纹理等相关语义描述提取目标信息，该过程获得的语义信息较少，因此对复杂多变的场景适应能力较弱，同时很难识别和分析更多的行为和异常事件。
8Z
未来视频监控图像处理技术将向着抽象语义层发展，识别出更多图像信息，如图像中的场景（沙滩，天空等）、图像中对象的行为及活动（足球比赛，游泳比赛等）以及图像给人带来的主观感受（高兴，生气等），可以像人类视觉一样认知场景中的目标，并对目标进行分析处理，得到用户感兴趣的图像部分，由于该过程突破了“语义鸿沟”的限制，也即计算机获取的图像视觉信息与用户对图像理解的语义信息一致，因此对目标信息的提取准确，并且受外界因素影响较小，能够适应复杂多变的场景。
近年来，随着计算机、网络以及图像处理、传输技术的飞速发展，视频监控系统正向着高清化、智能化和网络化方向发展。
视频监控系统的高清化、智能化和网络化为视频监控图像处理技术的发展带来机遇的同时也带来了挑战。
7高清视频图像包含大量的图像信息，为视频监控图像处理技术向着抽象语义层的发展奠定了理论基础，同时由于高清视频的数据量大，导致视频监控图像处理技术的运算速率下降，视频的实时性降低。
为适应监控系统的发展趋势，视频监控图像处理技术可从两方面进行改进：
第一、从图像算法层改进，可以选择适应能力更强同时效率更高的图像处理算法，以保证视频图像的实时性。
第二、从视频监控图像处理技术所依撑的硬件资源层改进，目前视频监控图像处理技术在监控系统中的应用主要包括采用基于PC的视频图像处理的后端应用，以及基于嵌入式的视频图像处理的前端应用。
基于PC的后端应用，其优势在于资源丰富，而且产品的更新速度很快，能够不断的适应市场的需求。
相比PC来说，嵌入式系统资源较少，但也具有其特殊的优势。
嵌入式是专用系统，体积小、稳定性高，因此大多数视频监控的前端采用基于嵌入式数字图像处理芯片的视频图像处理系统。
改进硬件资源也即提高数字图像处理器（DSP）的性能，以适应视频监控系统的发展趋势。
运动目标检测技术
基于统计背景模型的运动目标检测方法
问题
（1）背景获取：
需要在场景存在运动目标的情况下获得背景图像
（2）背景扰动：
背景中可以含有轻微扰动的对象，如树枝、树叶的摇动，扰动部分不应该被看做是前景运动目标
（3）外界光照变化：
一天中不同时间段光线、天气等的变化对检测结果的影响
（4）背景中固定对象的移动：
背景里的固定对象可能移动，如场景中的一辆车开走、一把椅子移走，对象移走后的区域在一段时间内可能被误认为是运动目标，但不应该永远被看做是前景运动目标
（5）背景的更新：
背景中固定对象的移动和外界光照条件的变化会使背景图像发生变化，需要及时对背景模型进行更新，以适应这种变化
（6）阴影的影响：
通常前景目标的阴影也被检测为运动目标的一部分，这样将影响对运动目标的进一步处理和分析
背景模型提取
前提假设在背景模型提取阶段，运动目标在场景区域中运动，不会长时间停留在某一位置
视频流中某一像素点只有在前景运动目标通过时，它的亮度值才发生大的变化，在一段时间内，亮度值主要集中在很小的一个区域中，可以用这个区域内的平均值作为该点的背景值。
具体实现过程：
在YUV颜色空间下，Y值的变化范围为0~255，将该范围划分成若干区间[0,T][T,2T]…[Nt,255],n=255/T，对于每个像素点，统计一段时间内每个区间内亮度值的出现的次数。
找出出现次数最多的那个区间，将该区间内所有值的平均值作为背景模型在该点的亮度值。
这种方法不受前景运动目标的影响。
运动目标检测
检测当前图像和背景图像中对应像素点的差异，如果差值大于一定阈值，则判定该像素为前景运动目标
后处理
噪声的影响，会使检测结果中出现一些本身背景的区域像素点被检测成运动区域，也可能是运动目标内的部分区域被漏检。
另外，背景的扰动，如树枝、树叶的轻微摇动，会使这部分也被误判断为运动目标，为了消除这些影响，首先对上一步的检测结果用形态学的方法进行处理，在找出经过形态学处理的后的连通域，计算每个连通域中的面积，对于面积小于一定值的区域，将其抛弃，不看做是前景运动目标。
视频监控存储技术
大数据时代数据存储量呈现爆炸式增长。
同时，随着IT网络技术的蓬勃发展和视频监控数字化、网络化、智能化的逐渐成熟，视频监控前端摄像机视频采集技术也在飞速发展，从早期的10万像素到今天的200万、500万像素，视频清晰度越来越高，视频画面中的信息量也越来越丰富。
高清时代，当传统的存储模式遇到今天的爆炸式信息发展时，作为安防视频管理系统信息的最终集散地，存储技术有怎样的发展，这些发展又将带来怎样的行业变革。
高清视频数据存储技术现状
从大环境来看，视频监控存储系统可以有多种实现方式，目前在用户应用端主流的实现方式有三种：
DVR、NVR和SAN。
至于近几年被热炒的“云存储”，我们可以看到，其噱头远大于应用，能够真正落到实地的应用少之又少。
而随着高清技术的普及和成本的降低，近期新建的监控系统几乎清一色地选择了“高清解决方案”。
其中，“平安城市”作为视频监控项目建设的领军项目，具有风向标的作用，其对于高清存储解决方案的青睐，侧面反映了高清技术在监控存储中越来越重要的地位。
目前高清视频监控系统的存储设备应用模式呈现四种技术现状：
单一设备存储模式、Scale-Up形式的容量扩容、传统RAID存储以及对性能的关注大于容量。
单一设备存储模式：
目前，在“平安城市”等中大型视频监控项目中，主流的存储模式是SAN架构（IP-SAN和FC-SAN两种），而在中小型视频监控项目中，NVR的存储模式是主流。
无论是哪种情况，存储设备都是通过单一设备的存储模式来提供服务的。
虽然近期有很多厂商在宣传和推广“云存储”解决方案，但从实际应用来看，能够落地的“云”少之又少，云存储解决方案的遇冷一方面说明“云存储”技术还不够成熟，用户对使用“云存储”还存在一定的“戒心”;另一方面也说明目前的SAN架构的存储模式仍能满足用户对存储的应用需求。
形式的容量扩容：
对于动辄数PB的“平安城市”类大型监控项目，存储的扩容模式仍然采用增加扩展柜、选用大容量硬盘和纵向堆叠存储设备的方式。
传统RAID算法：
虽然近几年视频监控系统应用需求和整体技术突飞猛进，从模拟视频，到1080P，甚至更高清晰度的数字视频，仅用了数年的时间，但是存储核心的RAID算法却没有针对视频监控应用做出相应调整，仍然是传统RAID算法行天下。
对性能的关注大于容量：
在高清视频存储系统的应用中，设备的性能是用户较为关心的问题，但从实际的应用来看，性能往往能够轻松满足相应容量的应用需求，并不是存储设备的瓶颈。
例如在“平安城市”项目中，视频存储一般需要满足30天的存储需求，一台24盘位的存储设备做一个RAID组+1块热备盘，若选择3TB硬盘，单台设备可提供近60TB存储空间，仅能满足43路4Mbps的视频存储，即并发170Mbps的码流，这样的写入压力对于配置了千兆iSCSI端口的存储设备而言，压力并不大。
高清存储的核心技术分析
从上面的分析来看，目前的存储设备的性能和应用模式是可以满足现阶段高清视频监控系统的需求的。
高清存储的核心技术更偏向于稳定性，例如大码流并发读写的稳定性与设备自身面对应用的稳定性。
大码流并发读写的稳定性：
同样是100Mbps的并发读写压力，100路1Mbps码流、50路2Mbps码流和25路4Mbps码流的写入压力是不同的。
高清视频应用要求存储系统对更大数据块、更大码流的应用环境进行优化，这种优化一方面是存储设备自身的优化，另一方面，还要求存储厂商要具有较强的软件研发能力，能够针对不同的平台厂商对视频发送的不同模式进行对接性优化。
设备自身面对应用的稳定性：
在路数不变的前提下，高清视频要求更多的存储空间，对单台设备而言，意味着应用调优，而对整个存储系统而言，则考验着存储系统的整体运维能力，也是对存储厂商的集中管理软件易用性、大项目实施能力、大项目售后服务能力的综合考验。
高清时代存储面临的挑战高清时代已经全面到来，而且随着未来技术的发展，视频的清晰度还会更上一层楼（当然，这并不意味着存储容量的激增，毕竟压缩算法也在升级），这种情况对存储厂商而言，机遇与挑战并存。
机遇自不待言，挑战却是全方面的，如存储系统稳定性、面向高清应用的开发能力、面向视频应用的RAID算法、大规模磁盘阵列管理软件、整合开发能力以及成本控制和供货能力。
其中，软件开发能力、成本控制及供货能力需要引起关注。
软件开发能力主要是指存储厂商面向监控平台厂商的软件开发能力。
众所周知，全国有众多视频监控平台厂商，而过去几年建设的“平安城市”等视频监控项目采用了多个平台厂商的软件系统，这就要求存储厂商具有强大的软件研发对接实力：
一方面能够针对监控平台的视频数据传输模式进行存储系统的优化，另一方面也要求存储厂商能够和监控平台厂商一起面向用户的应用需求做定制化的二次软件开发。
成本控制和供货能力是众多厂商所忽视的，然而随着高清应用和视频点数的增加，存储设备的需求量也随之激增。
动辄数PB的存储容量要求存储厂商能够合理控制存储设备的成本，同时保证大规模存储设备的供货、安装、调试以及上线。
高清时代，存储同样面临着容量和带宽问题的困扰前文计算过目前SAN架构的应用模式下，存储性能是大于存储容量需求的，但这并不意味着存储厂商就无需为容量和带宽投入精力，相反，作为专业的存储厂商必须要做到两点：
存储技术的前瞻性以及用户应用的前瞻性。
目前监控系统还处在建设阶段，监控系统的用途主要是“看”，存储的视频数据绝大多数为无用数据，有用数据也只有在需要查看时才有可能被调出来。
但随着“大数据”时代的到来以及“智慧城市”建设的全面展开，以往被认为是无用的数据也可以变得有用，视频监控系统将会对社会治安、城市管理发挥更大的作用。
高清时代，存储技术的前瞻性和用户应用的前瞻性的交叉点问题即存储容量和带宽问题，解决之道就是“云存储”。
虽然“云存储”近几年已经被多次热炒，但真正落地的却是少之又少。
个人认为，云存储的成熟要求天时地利人和：
用户应用需求的升级、云存储技术的真正成熟以及国家政策的扶持和标准的制定，三者缺一不可。
同时，降低能源消耗及使用成本也成为棘手的问题。
节能减排已经成为本世纪全球性的热门话题。
对于数据中心机房而言，每年的电能消耗数字惊人，这也催生了存储系统的节能需求。
节能减排应该从以下几方面入手：
1.硬盘节能：
硬盘是存储设备的主要耗电部件，硬盘节能技术的创新对整个存储系统的节能提升意义重大;2.存储产品自身节能：
这要求存储产品厂商在产品设计中更多地考虑节能性，如选用高能效电源、主板、CPU，采用无线缆设计降低设备发热等;3.应用性节能：
结合用户的实际应用需求，选择合适的存储设备休眠策略，优化存储设备部署，达到存储系统节能的效果。
高清存储的未来趋势
目前，在高清存储领域的新技术有：
RAID算法、快速重建、各行业应用的定制化能力;同时，新应用方向为：
大规模“平安城市”项目建设。
个人认为，视频监控系统的未来趋势绝不会走向无限高清化，而应该是围绕解决实际问题多样化发展。
如在智能交通领域要求监控系统高清、无延迟、高帧率;在城市视频监控要求系统合理应对各种天气、灯光等外界环境;而在某些应用领域要求面向低照度的视频监控……因此未来的监控系统将会是多种视频格式的综合应用。
多样化的应用更好地匹配了用户环境对数据的需求，也给未来的数据分析、数据挖掘提供了更好的原始数据。
在此基础上，有理由认为高清存储的未来趋势是面向应用的视频数据挖掘，但是这个过程会是曲折而漫长的，需要监控系统的软硬件设备厂商突破相应的技术瓶颈。
此外，“云存储”也将为高清存储带来很大影响。
我们看到，云存储解决了统一存储空间、负载均衡、故障切换、无限扩容等方面的问题，匹配了未来高清监控系统对存储的应用要求，已成为未来存储发展的必然趋势。
与此同时，也应该看到，无论从技术层面还是成本层面，目前的云存储形态还远未真正成熟。
未来面向高清监控的云存储应该兼具“公有云”和“私有云”两种形态。
“公有云”提供视频监控服务，面向家庭、商户等中小型用户;“私有云”更多是以公安、交通等重点行业自建的数据中心为主要应用。
无论是“公有云”还是“私有云”都是对现有存储架构的划时代革新，能够真正使用户体验到“云”的便利性。
高清时代的存储行业变革高清时代，对存储行业的相关软硬件和系统提供商而言，机遇和挑战并存。
高清全面推进意味着项目建设的遍地开花，对存储软硬件产品的需求呈几何增长，这是机遇。
挑战则来自多方面：
一方面是技术革新，高清时代对存储系统有更多、更高的要求，在技术变革的时代，产品布局不够优秀、好产品的技术方向把握不准确，就很容易在技术更新换代时期遭到淘汰，历史上很多巨头型企业的迅速没落已经证明了这一点。
另一方面，需求的增长也意味着更多的巨头型企业进入这个原本不被注意的应用领域，带来了更加激烈的行业竞争格局。
专业存储设备厂商必须清楚自身优势，并在将其优势发挥到极致的同时，思考产品、业务的适度外延。
智能技术
智能分析作为视频监控下一个技术的竞争焦点，在安防监控业内已然成为炙手可热的研究课题。
现在不仅安防设备商/集成商对此功能蜂拥而至，很多IT领域的集成商由于算法成本研发的成本不高，所以也开始从其他领域的智能识别涉足智能监控，或通过后端SDK提供服务，或与摄像机设备商合作，并且往往在产品形态上有异于当前主流的摄像机外形。
如此众多繁杂的摄像机产品及智能算法功能，不得不进行一些关键性技术的区分辨别。
以深度学习的人脸检测、人脸识别、人群分析、车牌识别、图像识别等技术而言，普通的二维智能算法多半通过后端大数据库的比对实现查找匹配的功能，在简单的应用场景下，准确率都能达到85%以上，但在复杂的应用场景，如拥挤的人群、遮挡物众多、移动速度过快等状况下，二维智能算法的缺陷表露无遗。
普通摄像机智能分析的缺点及根源
在市面上，普通的智能摄像机存在三个缺点：
一是不带变焦的摄像机对远距离的目标无法看清目标细节;二是带变焦的镜头虽然通过人工操作，可以看清远处目标，但不能跟踪运动目标，同时因完全靠肉眼观察，容易疲劳，也需要大量人力投入，成本高昂;三是部分智能摄像机能识别车牌及实现有限的报警功能，但对安装角度、目标距离有很高要求，不适合大面积应用，并且在对多个运动目标实现自动锁定、自动跟踪、自动预警等方面的技术不够成熟。
而对于造成摄像机智能分析功能存在这些缺点，业内专业人士认为，当前大多数做智能视频分析的厂家都是在后台对前端摄像机采集的图像进行分析处理，但因传输带宽及存储空间的瓶颈，前端传回后台的图像一般都经过压缩处理，清晰度变差，这大大降低了视频分析的识别率。
目前，视频分析的众多产品都存在这样那样的问题，根源就在于视频源的低质量。
智能分析算法存在的困难
当前，智能分析算法存在的最大困难，主要来自于两方面：
第一，是对处理器芯片的实时处理能力要求很高，受制于处理器的有限资源，摄像机前端在实时处理能力上较弱，这会大大限制产品功能的有效性;第二，是对前端设备的制约较多，如芯片的处理能力、芯片的散热方案较难实现等。
目前大多数商用的智能分析算法还存在误检/漏检率高，场景适应性差等问题，实际应用效果有限。
而学术界高精度的算法则存在硬件要求高，不适应于大面积商业化运用。
不同摄像机能否自动识别同一个人的方法
在视频监控的智能分析功能中，对于同一个人进入不同摄像机之间能否被准确辨认出来，业界一直在研究，如果此功能能够实现，对于公安破案将带来极大的帮助。
对此算法，有业内人士认为，行人的跨摄像头跟踪，主要可以通过两种算法来实现，一是行人匹配算法，也就是利用某个特定行人的纹理特征和运动特征;另一个是人脸识别算法，也就是通过人脸检测算法和人脸匹配技术，来判断是否有同一个人出现在不同的摄像机里。
纵观整个安防市场，虽然视频监控智现在还在起步阶段，很多摄像机内的智能分析功能也只是作为高附加值在项目招投标中略有体现，但随着算法精度的多元化和精度的提升，以及芯片及后端设备成本的下降，可以预估对智能分析功能进行大规模的商业应用已经为期不远。
+K'j）y*p8O-E
升级会员 