视频监控智能算法的几个关键问题

智能分析作为视频监控下 一个技能的竞赛焦点，在安防监控业界已然变成炙手可热的研究课题。如今不仅安防设备商/集成商对此功用蜂拥而至，许多IT范畴的集成商因为算法本钱研制的 本钱不高，所以也开端从其他范畴的智能辨认进入智能监控，或经过后端SDK供给效劳，或与摄像机设备商协作，而且通常在商品形状上有异于当时干流的摄像机 外形。

如此很多冗杂的摄像机商品及智能算法功用，不得不进行一些关键性技能的区别区分。以深度学习的人脸检查、人脸辨认、人群分析、车牌辨认、图画辨认等技能而言，一般的二维智能算法八成经过后端大数据库的比对完成查找匹配的功用，在简略的使用场景下，精确率都能到达85%以上，但在杂乱的使用场景，如拥堵的人群、遮挡物很多、移动速度过快等情况下，二维智能算法的缺陷表露无遗。

一般摄像机智能分析的缺陷及本源

在市面上，一般的智能摄像机存在三个缺陷：一是不带变焦的摄像机对远间隔的方针无法看清方针细节;二是带变焦的镜头尽管经过人工操作，能够看清 远处方针，但不能盯梢运动方针，一起因完全赖肉眼观察，容易疲惫，也需求很多人力投入，本钱昂扬;三是有些智能摄像机能辨认车牌及完成有限的报警功用，但 对装置视点、方针间隔有很高请求，不适合大面积使用，而且在对多个运动方针完成主动确定、主动盯梢、主动预警等方面的技能不行老练。

而关于形成摄像机智能分析功用存在这些缺陷，业界专业人士以为，当时大多数做智能视频分析的厂家都是在后台对前端摄像机收集的图画进行分析处 理，但因传输带宽及存储空间的瓶颈，前端传回后台的图画一般都经过紧缩处理，清晰度变差，这大大降低了视频分析的辨认率。如今，视频分析的很多商品都存在 这么那样的疑问，本源就在于视频源的低质量。

智能分析算法存在的艰难

当时，智能分析算法存在的最大艰难，首要来自于两方面：榜首，是对处理器芯片的实时处理才能请求很高，受制于处理器的有限资源，摄像机前端在实 时处理才能上较弱，这会大大约束商品功用的有效性;第二，是对前端设备的制约较多，如芯片的处理才能、芯片的散热方案较难完成等。如今大多数商用的智能分 析算法还存在误检/漏检率高，场景适应性差等疑问，实践使用作用有限。而学术界高精度的算规律存在硬件请求高，不适应于大面积商业化运用。

不一样摄像机能否主动辨认同一自己的办法

在视频监控的智能分析功用中，关于同一自己进入不一样摄像机之间能否被精确辨认出来，业界一直在研究，假如此功用能够完成，关于公安破案将带来极 大的帮助。对此算法，有业界人士以为，行人的跨摄像头盯梢，首要能够经过两种算法来完成，一是行人匹配算法，也即是使用某个特定行人的纹路特征和运动特 征;另一个是人脸辨认算法，也即是经过人脸检查算法和人脸匹配技能，来判别是不是有同一自己出如今不一样的摄像机里。

纵观整个安防商场，尽管视频监控智如今还在起步期间，许多摄像机内的智能分析功用也只是作为高附加值在项目招投标中略有表现，但随着算法精度的多样化和精度的提高，以及芯片及后端设备本钱的降低，能够预估对智能分析功用进行大规模的商业使用现已为期不远。

来源：机房监控机房环境监控机房监控系统http://www.create-china.com.cn