|
智能視頻(IV，Intelligent Video)源自計算機視覺(CV，Computer Vision)技術(計算機視覺技術是人工智能研究的分支之一)，它是在圖像及圖像描述之間建立關系，從而使計算機能夠通過數字圖像處理和分析來理解視頻畫面中的內容，達到自動分析和抽取視頻源中關鍵信息的目的，也就是智能視頻分析技術(IVS)。 智能視頻(IV，Intelligent Video)源自計算機視覺(CV，Computer Vision)技術(計算機視覺技術是人工智能研究的分支之一)，它是在圖像及圖像描述之間建立關系，從而使計算機能夠通過數字圖像處理和分析來理解視頻畫面中的內容，達到自動分析和抽取視頻源中關鍵信息的目的，也就是智能視頻分析技術(IVS)。 監控系統中的故障問題診斷 自20世紀90年代智能視頻分析技術誕生以來，經過數十年的發展，這項起源于計算機視覺的技術伴隨著商業化的逐步應用正日益受到人們的普遍重視。一些國內外專業的視頻分析研究廠家都相繼推出了各種不同形態的產品，如智能視頻服務器、智能網絡攝像機、智能分析硬盤錄像機、智能視頻分析軟件等。作為視頻監控的高端應用，像周界檢測、行為分析、視頻故障診斷等功能業已在各重點行業中成功應用，并逐步顯現威力。拿平安城市監控系統來說，其一方面主要體現在一些重要的路段、社區、公共場所等，以通過視頻監控方式對出現的可疑目標進行監控報警。另一方面則集中在監控系統的后期運營管理過程中，以通過視頻分析技術檢測前端攝像頭常見故障與視頻圖像質量的低下，實現監控系統的有效維護。 視頻質量診斷系統作為安防領域的革新產品，是視頻分析技術在平安城市監控系統運營維護方面的典型應用，也是應用性相對普遍的一種產品。它主要應用在大型監控系統的控制中心，通過控制監控中心矩陣主機的視頻切換輸出或連接數字視頻流媒體管理服務器來獲取前端所有攝像機的視頻信號，對視頻圖像出現的雪花、滾屏、模糊、偏色、畫面凍結、增益失衡和云臺失控等常見攝像頭故障以及惡意遮擋和破壞監控設備的不法行為做出準確判斷并發出報警信息;在視頻監控設備日益增多的今天，其在監控系統中的應用，必然更加有利于幫助用戶快速掌控前端設備運行情況，輕松維護大型的安防系統。 視頻質量診斷核心技術 視頻質量診斷系統采用了視頻圖像分析的方法來檢測監控系統中存在的各種視頻常見故障。從現在普遍出現的攝像頭故障類型來看，影響視頻監控系統視頻質量的因素有很多，主要概括來說有以下幾點： ·攝像機的設置不當或器件老化失效，包含攝像機的分辨率、攝像機對光照的靈敏度、鏡頭聚焦調整、色彩校正等; ·大型監控網絡中視頻信號通過長距離電纜傳輸、多級矩陣切換以及多級網絡轉發，電源、控制器等多種干擾信號可能對視頻信號產生強烈的干擾，線路老化、接頭松動等現場環境的變化可能帶來視頻噪聲; ·大量使用PTZ球機，長期的運動變焦有可能讓部分球機發生方向錯誤、不可控等故障。 針對以上提到的種種視頻故障，可將故障類型分成視頻信號缺失、視頻清晰度異常、視頻亮度異常、視頻噪聲、視頻雪花、視頻偏色、畫面凍結、PTZ運動失控8種。這其中，視頻信號缺失、畫面凍結兩種故障可通過人工設計基于視頻圖像比對的方法得出結論  TZ運動失控則是由故障檢測系統發出運動指令，然后通過對視頻圖像的運動分析來檢測是否有故障;而對于其他的5種故障，很難通過人工設定規則的方法來檢測，這就需要通過機器學習的方法，讓機器來模擬人的視覺反應，檢測視頻是否存在故障。針對這5種不同類型視頻故障，設計5個不同的基于機器學習的檢測器，每個檢測器負責分析一段視頻是否存在某一種故障，以及這種故障的嚴重性。 而在實際運行的視頻監控系統中提取大量的視頻片斷，包括正常視頻以及存在各種故障的視頻，形成訓練樣本，并模擬人類視覺特性，針對不同故障類型提取了大量視頻圖像特征參數，用以訓練得到診斷不同故障的檢測器。在分析階段，獲取需要分析的一段固定長度的視頻，根據用戶設定的該路視頻的檢測項目，使用不同的故障檢測器，提取相應的視頻圖像特征，然后輸入到已訓練好的故障檢測模型中，即可獲取對該段視頻的故障評價結果。 基于優秀的底層算法，視頻質量診斷系統具備以下技術特點： ·高準確度：采用大量的實際視頻監控系統的視頻作為訓練樣本，各種故障檢測器均來源于實際系統，并經過大量實際系統的測試，因此檢測準確率高; ·良好的攝像機角度適應性：故障檢測器的訓練樣本來自多種不同場景，涵蓋了治安視頻監控系統中眾多常見的攝像頭監視角度，因此對各種攝像頭角度、焦距以及不同的攝像內容都有良好的適應性; ·獨特的抵抗球機運動的能力：在每一中類型的故障檢測器的設計和訓練過程中，都考慮到了攝像頭云臺運動以及鏡頭推近拉遠有可能帶來的視頻圖像特征的變化，在檢測過程中都首先進行攝像頭運動分析，一旦發現攝像頭處于PTZ運動過程中，則首先不再檢測PTZ運動是否異常，以防止檢測時發送運動指令影響當前的球機運動;其次，僅使用對攝像頭運動不敏感的特征來進行其他類型的故障分析，避免因運動原因造成誤報或漏報; ·出色的環境適應能力：算法模塊對于場景內由于車流、人流、季節、氣候產生的光線、陰影變化不敏感，因此，可以適用于多種不同的室外環境; ·強化學習能力：現有的視頻質量診斷系統與人類的故障識別能力仍有明顯的差距，因此應用場景的差異對于視頻質量診斷系統的性能是有影響的。像人類的視覺系統一樣，視頻質量診斷分析模塊也具備后天強化學習的能力，只要加入當地的新樣本重新訓練檢測器，算法的性能將進一步提高。 |
