李志研　徐雯暉

【摘 要】本文首先介紹了視頻監(jiān)控的技術(shù)背景以及視頻監(jiān)控技術(shù)存在的問題;并在專利檢索系統(tǒng)平臺S系統(tǒng)中檢索了與視頻監(jiān)控技術(shù)相關(guān)的中國專利文獻;隨后，對視頻監(jiān)控技術(shù)的中國專利申請進行了申請狀況分析;最后對視頻監(jiān)控技術(shù)發(fā)展過程中的若干重要專利進行技術(shù)分析。

【關(guān)鍵詞】視頻;監(jiān)控;圖像;檢測;追蹤

中圖分類號：TP391.4 文獻標(biāo)識碼： A文章編號： 2095-2457（2019）18-0031-002

DOI：10.19694/j.cnki.issn2095-2457.2019.18.015

0 概述

由于現(xiàn)代社會人口密集程度高，社會關(guān)系復(fù)雜，日常人們面對越來越多的突發(fā)和異常事件，幾乎所有公共場合都有部署監(jiān)控的需求，但是因為人工監(jiān)控固有的缺陷，人力越來越不足以分析和處理海量的視頻數(shù)據(jù)[1]。因此，視頻監(jiān)控必須實現(xiàn)智能化，代替人工監(jiān)控，用于解決實際問題。智能監(jiān)控系統(tǒng)一般是先利用攝像機拍攝，獲取視頻圖像數(shù)據(jù)信息，接著將數(shù)據(jù)信息傳送到監(jiān)控系統(tǒng)處理模塊，此時處理模塊會自動對目標(biāo)進行檢測、識別和目標(biāo)跟蹤，并通過對目標(biāo)行為的實時分析，尋找出視頻中存在的異常情況，如目標(biāo)運動混亂代表著打架斗毆等行為，發(fā)生這種情況就可以進行記錄并報警處理[2]。

在視頻監(jiān)控中，運動目標(biāo)的檢測和跟蹤是重要的部分。運動目標(biāo)檢測也是計算機視覺領(lǐng)域中的一個研究熱點，其目的是從待檢測的視頻序列中把運動目標(biāo)有效地從背景中提取出來，可理解為運動目標(biāo)與背景的分類問題。而運動目標(biāo)的有效分割對后期的目標(biāo)分類、目標(biāo)跟蹤和行為分析等處理都具有重要意義?，F(xiàn)有的運動目標(biāo)檢測和跟蹤算法并沒有適用于多種檢測前景和檢測目標(biāo)的，導(dǎo)致算法通用性不強，誤檢率較高，還需要人工進行進一步確認(rèn)[3]。

本文 主要基于專利檢索系統(tǒng)平臺S系統(tǒng)，分析視頻監(jiān)控技術(shù)的發(fā)展現(xiàn)狀，檢索數(shù)據(jù)庫為CNABS數(shù)據(jù)庫，采用視頻、監(jiān)控、檢測、追蹤等關(guān)鍵詞和G06K+、G06T+、H04N+等分類號進行限定，得到相關(guān)中文專利文獻2038篇，檢索日期為2019年4月29日。

1 專利申請總體情況

1.1 ?中國專利申請態(tài)勢分析

在2006年以前，智能監(jiān)控技術(shù)處于萌芽時期，2007-2010年處于緩慢增長時期，2011-2015年智能監(jiān)控技術(shù)處于穩(wěn)步增長階段，近5年申請量飛速增長，連續(xù)三年申請量在300篇每年以上，智能監(jiān)控技術(shù)目前在中國處于快速發(fā)展的時期。

1.2 中國重要申請人分析

在中國，國家電網(wǎng)公司、北京中星微電子有限公司、西安電子科技大學(xué)、杭州?？低晹?shù)字技術(shù)股份有限公司的視頻監(jiān)控技術(shù)的專利申請量居前4位，其次是中國科學(xué)院自動化研究所、南京郵電大學(xué)和浙江大學(xué)三所高校。國家電網(wǎng)公司的申請量主要集中于2012-2018年，其中，2017年高達17件;北京中星微電子有限公司的申請量主要集中在2006年-2011年，并于2008年到達申請高峰期;西安電子科技大學(xué)的申請量主要集中在2011年以后;而杭州?？低晹?shù)字技術(shù)股份有限公司和中國科學(xué)院自動化研究所的申請量年份跨度較大，他們對視頻監(jiān)控的研究具有連續(xù)性。

1.3 中國各省市專利申請量分析

在中國，北京、江蘇和廣東三個省市的申請量排名前三，浙江、上海和安徽緊隨其后，而北京市和江蘇省近幾年申請量處于平穩(wěn)的狀態(tài)，廣東省在近兩年申請量明顯超過北京市，浙江省近兩年申請量逐年遞減，安徽省近兩年的申請量也有大幅度上漲，這與各個省市支持發(fā)展的企業(yè)和高校的分布有較大關(guān)系。

2 專利技術(shù)分析

在我國視頻監(jiān)控的發(fā)展過程中，視頻監(jiān)控的發(fā)展方向主要包括了運動目標(biāo)檢測、目標(biāo)追蹤、視頻分析等多個方向。運動目標(biāo)檢測的方法主要包括：光流法、背景差分法、幀差分法。

為了對視頻中的運動目標(biāo)檢測和追蹤，需要對視頻圖像進行分析來獲得運動目標(biāo)的區(qū)域以進行后續(xù)的追蹤。在對運動目標(biāo)檢測時，視頻拍攝到的目標(biāo)可能會存在遮擋，影響運動目標(biāo)的檢測效率，很多申請人采用對前景目標(biāo)區(qū)域進行檢測和模型匹配的方法判斷是否存在運動目標(biāo)。例如，申請人為北京中星微電子有限公司的申請?zhí)枮镃N200810118996的專利申請（申請日期20080827，公開號為CN 101339664 A）通過方法包括：采集跟蹤目標(biāo)的視頻圖像;在未建立跟蹤目標(biāo)的目標(biāo)模型時，對所述視頻圖像進行分析，獲取所述視頻圖像中跟蹤目標(biāo)的完整目標(biāo)對應(yīng)的區(qū)域，根據(jù)所獲取的完整目標(biāo)對應(yīng)的區(qū)域，建立跟蹤目標(biāo)的目標(biāo)模型;在已建立跟蹤目標(biāo)的目標(biāo)模型后，對所述視頻圖像進行分析，獲取當(dāng)前圖像中跟蹤目標(biāo)的目標(biāo)區(qū)域可能存在的位置，將所述目標(biāo)區(qū)域可能存在的位置作為候選目標(biāo)區(qū)域;基于興趣點檢測和局部圖像特征提取技術(shù)按照金字塔匹配算法，分別將每個候選目標(biāo)區(qū)域的特征與所述目標(biāo)模型進行匹配，將匹配結(jié)果最大的候選目標(biāo)區(qū)域作為跟蹤目標(biāo)的當(dāng)前目標(biāo)區(qū)域。眾所周知，在存在遮擋的情況下，候選目標(biāo)區(qū)域中的興趣點通常小于或等于完整目標(biāo)對應(yīng)的區(qū)域中的興趣點，但本發(fā)明中基于興趣點檢測和金字塔匹配算法的跟蹤匹配，不會因為匹配對象間的興趣點不同而匹配失敗，因此解決了存在遮擋情況的人臉跟蹤問題，提高了目標(biāo)跟蹤的成功率。

在進行運動目標(biāo)檢測時，由于視頻拍攝時候的光照和背景會產(chǎn)生變化，因此在此種情況下運動目標(biāo)檢測會存在一定困難，背景差分法是本領(lǐng)域常見的運動目標(biāo)檢測的方法。例如，申請人為中南大學(xué)的申請?zhí)枮镃N 201110052980的專利申請（申請日期20110304，公開號為CN 102096931A）請求保護一種基于分層背景建模的運動目標(biāo)實時檢測方法，為每一個像素點創(chuàng)建一個背景字典，所有像素點的背景字典構(gòu)成一個完整的背景模型，當(dāng)前輸入像素點在背景字典中找到匹配即為背景點，否則為前景點，最后并采用候選背景模型來更新主背景模型。具體實現(xiàn)步驟為：首先利用前若干幀初始圖像，建立背景模型，其次利用當(dāng)前輸入圖像與背景模型做差，檢測運動目標(biāo)區(qū)域，然后對運動目標(biāo)區(qū)域進行形態(tài)學(xué)濾波后，輸出運動目標(biāo)，最后再對背景模型進行實時更新，以供下一幀目標(biāo)檢測用。本發(fā)明方法為每一個像素點創(chuàng)建一個背景字典，所有像素點的背景字典構(gòu)成一個完整的背景模型，有效地解決了背景差法中背景構(gòu)造更新的困難。根據(jù)當(dāng)前輸入像素點在背景字典中找到匹配即為背景點，否則為前景點，并采用候選背景模型來更新主背景模型，有效克服幀間差分法提取目標(biāo)不精細(xì)和混合高斯背景建模方法對場景中光照變化敏感的缺點。在不同復(fù)雜環(huán)境下的實驗結(jié)果表明本發(fā)明方法能夠快速、精確地對監(jiān)控場景中運動目標(biāo)進行檢測，對光照變化、背景擾動不敏感，對運動目標(biāo)轉(zhuǎn)化為背景的情況可以很好地處理，具有很好的魯棒性和實時性。

隨著監(jiān)控在實際生活中應(yīng)用越來越廣泛，基于視頻的多目標(biāo)檢測和跟蹤技術(shù)成為了研究的重點，很多公司和高校針對多目標(biāo)檢測和跟蹤進行了深度的研究。例如，申請人為上海交通大學(xué)的申請?zhí)枮镃N 201410016404的專利申請（申請日期20140114，公開號為CN 103699908A）請求保護基于聯(lián)合推理的視頻多目標(biāo)跟蹤方法，首先讀入視頻文件的一幀圖像并對其進行圖像柵格化處理，然后采用在線檢測器以及作為跟蹤器的KLT跟蹤算法標(biāo)定目標(biāo)的候選位置，分別篩選后綜合結(jié)果，其次將得出的候選位置結(jié)果進行量化評分，最后利用聯(lián)合函數(shù)來描述目標(biāo)跟蹤情況并將基于聯(lián)合函數(shù)的最優(yōu)解作為目標(biāo)在這一幀的位置，即實現(xiàn)目標(biāo)跟蹤。上述技術(shù)方案能夠解決多目標(biāo)跟蹤下跟蹤技術(shù)中對于檢測跟蹤算法結(jié)合的處理方法以及多目標(biāo)相互關(guān)系的處理，利用聯(lián)合函數(shù)來描述多目標(biāo)之間關(guān)系，不僅解決了檢測與跟蹤的結(jié)果融合問題，同時也從全局考慮，綜合了每個目標(biāo)之間的關(guān)系，得出了全局最優(yōu)解。

而隨著信息融合的不斷發(fā)展，特別是視頻摘要和視頻檢索的發(fā)展，異常狀態(tài)檢測成為了視頻檢測的重要部分，比如，摔倒、入侵、異常行為等異常狀態(tài)都成為了安防的重要組成，為此，申請人為北京正安維視科技股份有限公司的申請?zhí)枮镃N 2016101166696的專利申請（申請日期20160301，公開號為CN 105608479A）請求保護一種結(jié)合深度數(shù)據(jù)的異常行為檢測方法及系統(tǒng)，首先，采集目標(biāo)區(qū)域的監(jiān)控視頻圖像，建立基于監(jiān)控視頻圖像的場景背景模型，提取二維圖像的運動目標(biāo)前景，進行連通域分析和目標(biāo)分割;根據(jù)監(jiān)控視頻圖像獲取原始視角的深度背景圖，從深度背景圖中提取三維圖像的運動目標(biāo)前景，分別在原始視角及投影變換后俯視視角進行目標(biāo)前景的兩次分割;提取有效的人員目標(biāo)信息;根據(jù)提取得到的人員目標(biāo)信息，實現(xiàn)對人員目標(biāo)的跟蹤和行為分析，并根據(jù)預(yù)設(shè)的異常行為規(guī)則判斷人員目標(biāo)的行為是否異常，如果是則啟動報警。本發(fā)明對異常事件和異常行為進行自動識別，提高了異常事件檢測的精確度，可以在無人值守的情況下做出及時的反應(yīng)。

3 結(jié)論與建議

視頻分析是應(yīng)用較為廣泛的技術(shù)，其步驟比較簡單，就是目標(biāo)檢測、目標(biāo)追蹤以及異常檢測，其中異常檢測是以目標(biāo)檢測和目標(biāo)追蹤為前提的，目標(biāo)檢測和目標(biāo)追蹤算法層出不窮，要通過更為精準(zhǔn)和更具有魯棒性的檢測算法才能夠為后續(xù)的追蹤或判斷提供更好的基礎(chǔ)，因此視頻分析的發(fā)展主要包括視頻應(yīng)用場景的變換和對應(yīng)的檢測算法的不斷更新，在不同的應(yīng)用場景下，視頻檢測算法越發(fā)的準(zhǔn)確，也能夠滿足更多的應(yīng)用場景的需要。

【參考文獻】

[1]吳晶.面向運動目標(biāo)檢測的背景差分算法改進與實現(xiàn)[D].北京郵電大學(xué)，2012.

[2]姜丹.基于視頻監(jiān)控的目標(biāo)檢測與跟蹤算法研究[D].西安理工大學(xué)，2018.

[3]陳媛.基于視頻監(jiān)控的運動目標(biāo)檢測算法研究[J].圖形圖像，2018，03（上）：24-27.