吳思坤 山東省廣饒第一中學(xué)59級(jí)6班

近年來，大規(guī)模分布式攝像頭數(shù)量的迅速增長(zhǎng)，攝像頭網(wǎng)絡(luò)的監(jiān)控范圍迅速增大。攝像頭網(wǎng)絡(luò)每天都產(chǎn)生規(guī)模龐大的視覺數(shù)據(jù)。這些數(shù)據(jù)無疑是一筆巨大的寶藏，如果能夠?qū)ζ渲械男畔⒓右约庸?、利用，挖掘其價(jià)值，能夠極大地方便人類的生產(chǎn)生活。然而，由于數(shù)據(jù)規(guī)模龐大，依靠人力進(jìn)行手動(dòng)處理數(shù)據(jù)，不但人力成本昂貴，而且不夠精確。具體來講，在監(jiān)控任務(wù)中，如果給工作人員分配多個(gè)攝像頭，很難保證同時(shí)進(jìn)行高質(zhì)量監(jiān)視。即便每人只負(fù)責(zé)單個(gè)攝像頭，也很難從始至終保持精力集中。此外，相比于其他因素，人工識(shí)別的基準(zhǔn)性能主要取決于操作人員的經(jīng)驗(yàn)和能力。這種專業(yè)技能很難快速交接給其他的操作人員，且由于人與人之間的差異，很難獲得穩(wěn)定的性能。隨著攝像頭網(wǎng)絡(luò)覆蓋面越來越廣，人工識(shí)別的可行性問題越來越明顯。因此在計(jì)算機(jī)視覺領(lǐng)域，學(xué)者對(duì)攝像頭網(wǎng)絡(luò)數(shù)據(jù)處理的興趣越來越濃厚。本文將針對(duì)近年來計(jì)算機(jī)視覺技術(shù)在攝像頭網(wǎng)絡(luò)中的應(yīng)用展開分析。

1 字符識(shí)別

隨著私家車數(shù)量與日俱增，車主駕駛水平參差不齊，超速行駛、闖紅燈等違章行為時(shí)有發(fā)生，交通監(jiān)管的壓力也越來越大。依靠人工識(shí)別違章車輛，其性能和效率都無法得到保障，需要依靠計(jì)算機(jī)視覺技術(shù)實(shí)現(xiàn)自動(dòng)化?，F(xiàn)有的車牌檢測(cè)系統(tǒng)已擁有較為成熟的技術(shù)，識(shí)別準(zhǔn)確率已經(jīng)接近甚至超過人眼。光學(xué)字符識(shí)別技術(shù)是車牌檢測(cè)系統(tǒng)的核心技術(shù)，該技術(shù)的實(shí)現(xiàn)過程分為以下步驟:首先，從拍攝的車輛圖片中識(shí)別并分割出車牌；然后，查找車牌中的字符輪廓，根據(jù)輪廓逐一分割字符，生成若干包含字符的矩形圖像；接下來利用分類器逐一識(shí)別每個(gè)矩形圖像中所包含的字符；最后將所有字符的識(shí)別結(jié)果組合在一起得到車牌號(hào)。車牌檢測(cè)系統(tǒng)提高了交通法規(guī)的執(zhí)行效率和執(zhí)行力度，對(duì)公共交通安全提供了有力保障。

2 人群計(jì)數(shù)

2014年12月31日晚，在上海外灘跨年活動(dòng)上發(fā)生的嚴(yán)重踩踏事故，導(dǎo)致36人死亡49人受傷。事件發(fā)生的直接原因是人群密度過大?；顒?dòng)期間大量游客涌入觀景臺(tái)，增大了事故發(fā)生的隱患及事故發(fā)生時(shí)游客疏散的難度。這一事件發(fā)生后，相關(guān)部門加強(qiáng)了對(duì)人流密度的監(jiān)控，某些熱點(diǎn)景區(qū)已投入使用基于視頻監(jiān)控的人群計(jì)數(shù)技術(shù)。人群計(jì)數(shù)技術(shù)大致分為三類:基于行人檢測(cè)的模型、基于軌跡聚類的模型、基于特征的回歸模型。其中，基于行人檢測(cè)的模型通過識(shí)別視野中所有的行人個(gè)體，統(tǒng)計(jì)后得到人數(shù)?；谲壽E聚類的模型針對(duì)視頻序列，首先識(shí)別行人軌跡，再通過聚類估計(jì)人數(shù)。基于特征的回歸模型針對(duì)行人密集、難以識(shí)別行人個(gè)體的場(chǎng)景，通過提取整體圖像的特征直接估計(jì)得到人數(shù)。人群計(jì)數(shù)在擁堵預(yù)警、公共交通優(yōu)化方面具有重要價(jià)值。

3 行人再識(shí)別

在機(jī)場(chǎng)、商場(chǎng)此類大型分布式空間，一旦發(fā)生盜竊、搶劫等事件，肇事者在多個(gè)攝像頭視野中交叉出現(xiàn)，給目標(biāo)跟蹤任務(wù)帶來巨大挑戰(zhàn)。在這一背景下，行人再識(shí)別技術(shù)應(yīng)運(yùn)而生。行人再識(shí)別的主要任務(wù)是分布式多攝像頭網(wǎng)絡(luò)中的“目標(biāo)關(guān)聯(lián)”，其主要目的是跟蹤在不重疊的監(jiān)控視野下的行人。行人再識(shí)別要解決的是在一個(gè)人在不同時(shí)間和物理位置出現(xiàn)時(shí)，對(duì)其進(jìn)行識(shí)別和關(guān)聯(lián)的問題，具有重要的研究?jī)r(jià)值。近年來，行人再識(shí)別問題在學(xué)術(shù)研究和工業(yè)實(shí)驗(yàn)中越來越受關(guān)注。目前的行人再識(shí)別技術(shù)主要分為以下步驟:首先，對(duì)攝像頭視野中的行人進(jìn)行檢測(cè)和分割；然后，對(duì)分割出來的行人圖像提取特征；接下來，利用度量學(xué)習(xí)方法，計(jì)算不同攝像頭視野下行人之間在高維空間的距離；最后，按照距離從近到遠(yuǎn)對(duì)候選目標(biāo)進(jìn)行排序，得到最相似的若干目標(biāo)。由于根據(jù)行人的視覺外貌計(jì)算的視覺特征不夠有判別力，特別是在圖像像素低、視野條件不穩(wěn)定、衣著變化甚至更加極端的條件下有著固有的局限性，要實(shí)現(xiàn)自動(dòng)化行人再識(shí)別仍然面臨巨大挑戰(zhàn)。

4 異常行為檢測(cè)

在候車廳、營(yíng)業(yè)廳等人流量大、人員復(fù)雜的場(chǎng)所，或夜間的ATM機(jī)附近較容易發(fā)生犯罪行為的場(chǎng)景，發(fā)生斗毆、扒竊、搶劫等擾亂公共秩序行為的頻率較高。為保障公共安全，可以利用監(jiān)控視頻數(shù)據(jù)對(duì)人體行為進(jìn)行智能分析，一旦發(fā)現(xiàn)異常及時(shí)發(fā)出報(bào)警信號(hào)。異常行為檢測(cè)方法可分為兩類:一類是基于運(yùn)動(dòng)軌跡，跟蹤和分析人體行為，判斷其是否為異常行為；另一類是基于人體特征，分析人體各部位的形態(tài)和運(yùn)動(dòng)趨勢(shì)，從而進(jìn)行判斷。目前，異常行為檢測(cè)技術(shù)尚不成熟，存在一定的虛警、漏警現(xiàn)象，準(zhǔn)確率有待提高。盡管如此，這一技術(shù)的應(yīng)用可以大大減少人工翻看監(jiān)控視頻的工作量，提高數(shù)據(jù)分析效率。

基于監(jiān)控視頻的計(jì)算機(jī)視覺技術(shù)在交通優(yōu)化、智能安防、刑偵追蹤等領(lǐng)域具有重要的研究?jī)r(jià)值。近年來，隨著深度學(xué)習(xí)、人工智能等研究領(lǐng)域的興起，計(jì)算機(jī)視覺技術(shù)的發(fā)展突飛猛進(jìn)，一部分學(xué)術(shù)成果已經(jīng)轉(zhuǎn)化為成熟的技術(shù)，應(yīng)用在人們生活的方方面面，為人們提供著更加便捷、舒適、安全的環(huán)境。展望未來，在數(shù)據(jù)飛速增長(zhǎng)的時(shí)代，挑戰(zhàn)與機(jī)遇并存，相信計(jì)算機(jī)視覺技術(shù)會(huì)給我們帶來更多的驚喜。