影響智能化視頻監控分析應用的四大因素

　　智能視頻分析系統能夠對視頻區域內出現的運動(dòng)目標自動(dòng)識別出目標類(lèi)型并跟蹤，對目標進(jìn)行標記并畫(huà)出目標運動(dòng)軌跡，能夠同時(shí)監測同一場(chǎng)景里多個(gè)目標，可以根據防范目標的特點(diǎn)進(jìn)行靈活設置;改變了以往視頻“被動(dòng)”監控的狀態(tài)，不僅僅局限于提供視頻畫(huà)面，而且能主動(dòng)對視頻信息進(jìn)行智能分析，識別和區分物體，可自定義事件類(lèi)型，一旦發(fā)現異常情況

　　或者突發(fā)事件能及時(shí)的發(fā)出警報，其在安防領(lǐng)域的應用必然有助于克服了人力疲憊的局限性，從而更加有效地協(xié)助安全人員處理突發(fā)事件。

　　那是不是視頻分析系統就是萬(wàn)能的呢?其存在哪些方面的不足呢?在實(shí)際環(huán)境中，光照變化無(wú)常、目標運動(dòng)復雜性、遮擋、目標與背景顏色相似、雜亂背景等都會(huì )增加目標檢測與跟蹤算法設計的難度。我們可具體來(lái)看一下影響智能分析應用的幾個(gè)方面：

　　背景的復雜性

　　光照變化引起目標顏色與背景顏色的變化，可能造成虛假檢測與錯誤跟蹤。采用不同的色彩空間可以減輕光照變化對算法的影響，但無(wú)法完全消除其影響;場(chǎng)景中前景目標與背景的相互轉換，與行李的放下、拿起，車(chē)輛的啟動(dòng)與停止;目標與背景顏色相似時(shí)會(huì )影響目標檢測與跟蹤的效果;目標陰影與背景顏色存在差別通常被檢測為前景，這給運動(dòng)目標的分割與特征提取帶來(lái)困難。

　　目標特征的取舍

　　序列圖像中包含大量可用于目標跟蹤的特征信息，如目標的運動(dòng)、顏色、邊緣以及紋理等。但目標的特征信息一般會(huì )隨時(shí)變化的，選取合適的特征信息保證跟蹤的有效性比較困難。

　　遮擋問(wèn)題

　　遮擋是目標跟蹤中必須解決的難點(diǎn)問(wèn)題。運動(dòng)目標被部分或完全遮擋，又或是多個(gè)目標相互遮擋時(shí)，目標部分不可見(jiàn)會(huì )造成目標信息缺失，影響跟蹤的穩定性。為了減少遮擋帶來(lái)的歧義性問(wèn)題，必須正確處理遮擋時(shí)特征與目標間的對應關(guān)系。大多數系統一般是通過(guò)統計方法預測目標的位置、尺度等，都不能很好地處理較嚴重的遮擋問(wèn)題。

　　兼顧實(shí)時(shí)性與健壯性

　　序列圖像包含大量信息，要保證目標跟蹤的實(shí)時(shí)性要求，必須選擇計算量小的算法。健壯性是目標跟蹤的另一個(gè)重要性能，提高算法的健壯性就是要使算法對復雜背景、光照變化和遮擋等情況有較強的適應性，而這又要以復雜的運算為代價(jià)。