智慧型圖像分析系統

智慧型圖像分析系統

智慧型圖像分析系統產生的原因很簡單:首先是當值班人員面對十、百、千的攝像機,無法真正的在風險產生時預防或干預,多數靠事後回放相關的圖像;其次為非安防套用,如商業上人流統計、防止扒竊等等。將風險的分析和識別轉交給計算機或者晶片,使值班人員從“死盯”監視器的工作中解脫出來,當計算機發現問題時候,產生報警,此時值班人員進行回響。一旦目標在場景中出現了違反預定義分析規則的行為,系統會觸發預設定的聯動規則,從而達到主動提醒的功能。

基本介紹

  • 中文名:智慧型圖像分析系統
  • 外文名:Intelligent image analysis system
  • 分類:計算機
  • 套用:智慧型識別 行為分析
  • 算法:運動檢測算法 車牌識別算法
  • 功能:將圖像中的目標和背景分離來分析
  • 優勢:不用死盯監控器
簡介,原因,分類,核心算法,運動檢測算法,車牌識別算法,發展形態,產品形態,套用形態,

簡介

智慧型圖像分析系統是由位於前端或後端圖像分析伺服器,對監控攝像機所拍攝的視頻圖像進行分析,能將影像中的目標從任何背景中分離出來,加以辨認、分析與追蹤。

原因

智慧型圖像分析系統產生的原因很簡單:首先是當值班人員面對十、百、千的攝像機,無法真正的在風險產生時預防或干預,多數靠事後回放相關的圖像;其次為非安防套用,如商業上人流統計、防止扒竊等等。將風險的分析和識別轉交給計算機或者晶片,使值班人員從“死盯”監視器的工作中解脫出來,當計算機發現問題時候,產生報警,此時值班人員進行回響。一旦目標在場景中出現了違反預定義分析規則的行為,系統會觸發預設定的聯動規則,從而達到主動提醒的功能。

分類

照智慧型分析算法實現的方式進行區分,可以概括為以下幾種類型的智慧型分析:
識別類分析:該項技術偏向於對靜態場景的分析處理,通過圖像識別、圖像比對及模式匹配等核心技術,實現對人、車、物等相關特徵信息的提取與分析。如人臉識別技術、車牌識別技術及照片比對技術等。
行為類分析:該項技術側重於對動態場景的分析處理,典型的功能有車輛逆行及相關交通違章檢測、防區入侵檢測、圍牆翻越檢測、絆線穿越檢測、物品偷盜檢測、客流統計等。
圖像檢索類分析:該技術能按照所定義的規則或要求,對歷史存儲視頻數據進行快速比對,把符合規則或要求的視頻濃縮、集中或剪下到一起,這樣就能快速檢索到目標視頻。
圖像處理類分析:主要是對圖像整體進行分析判斷及最佳化處理以達到更好的效果或者將不清楚的內容通過算法計算處理達到看得清的效果。如目前的視頻增強技術(去噪、去霧、銳化、加亮等)、視頻復原技術(去模糊、畸變矯正等)。
診斷類分析:該項分析主要是針對視頻圖像出現的雪花、滾屏、模糊、偏色、增益失衡、雲台PTZ失控、畫面凍結等常見的攝像頭故障進行準確分析、判斷和報警,如視頻質量診斷技術。

核心算法

運動檢測算法

幀差法
相鄰或間隔較近的兩幀圖像中按照對應位置直接進行像素值相減,從而獲得差分圖像。在差分圖像中,若對應位置處像素值很小,則可認為其靜止;如果對應位置的像素值較大,則可認為此處為運動部分。幀差法相對簡單,對於動態環境具有較強的自適應性,魯棒性較好。但是易產生空洞現象,如果空洞過大則會影響輪廓完整性,將很難提取出準確的運動目標區域。套用幀差法時要求背景絕對靜止或基本無變化,噪聲較小,目標運動速度不為零,目標區域內亮度變化較為明顯。對於存在抖動、噪聲等情況下的檢測效果不佳,對於動態背景下的目標跟蹤,則必須採用其他的方法先對全局運動做出補償,如塊匹配法、坐標變換法等。
背景差分法
混合高斯模型法(Gaussian Mixture Model,GMM)也稱為統計背景模型法。該算法的思想是:對於緩慢變化的背景,可以用常態分配來表征像素灰度值的變化,每一種背景像素的值都可以通過多個高斯分布的加權和來描述。最早提出的是三分布 GMM,每個像素點用三個高斯分布來分別表征背景、前景的陰影、前景這三種不同的模式,但實際情況很複雜,對背景、前景等模式都限定只用一個高斯分布來描述是不夠的。因而之後又出現了固定分布數K的混合高斯分布模型(Fixed-K Gaussian Mixture Model)以及後面發展而來的基於自適應分布數K的混合高斯分布模型(Adaptive-K Gaussian Mixture Model,AKGMM)。
二值化
一幅圖像包括目標物體、背景還有噪聲,要想從多值的數字圖像中直接提取出目標物體,最常用的方法就是設定一個閾值T,用T將圖像的數據分成兩部分:大於T的像素群和小於T的像素群。這是研究灰度變換的最特殊的方法,稱為圖像的二值化。圖像的二值化,就是將圖像上的像素點的灰度值設定為0或255,也就是將整個圖像呈現出明顯的只有黑和白的視覺效果。
中值濾波
中值濾波法是一種非線性平滑技術,它將每一像素點的灰度值設定為該點某鄰域視窗內的所有像素點灰度值的中值。中值濾波是基於排序統計理論的一種能有效抑制噪聲的非線性信號處理技術,中值濾波的基本原理是把數字圖像或數字序列中一點的值用該點的一個鄰域中各點值的中值代替,讓周圍的像素值接近的真實值,從而消除孤立的噪聲點。
膨脹腐蝕
膨脹和腐蝕是兩種基本的形態學運算。腐蝕就是使用算法,將圖像的邊緣腐蝕掉,作用就是將目標的邊緣的“毛刺”剔除掉,即將物體與周圍背景點分離。膨脹就是使用算法,將圖像的邊緣擴大些,作用就是將目標的邊緣或者是內部的坑填掉,即將物體與周圍背景點結合。

車牌識別算法

車牌定位算法
對經過預處理後的二值車牌圖像進行一階水平差分得到跳變點圖,分別統計水平和垂直方向上的跳變點個數(投影),通過設定標籤和區域連通,粗定位車牌的上下和左右邊界;選取一定區域的車牌圖像進行色彩空間轉換,判斷車牌底色;對大於一定傾斜角的車牌進行水平矯正,使字元在同一水平線上;對矯正後的灰度圖像進行Sobel水平運算元和垂直運算元進行邊緣檢測並二值化,採用類似粗定位的方法對車牌進行細定位。
車牌切分算法
算法是基於二值圖像進行的,由於車牌顏色的不同,二值化車牌後得到黑底白字、白底黑字兩種情況,這裡將二值化後的車牌統一規定為黑底白字。由於二值圖像會丟失掉很多信息以及漢字的結構等原因,可能會造成字元粘連模糊或斷裂的缺陷,增加切分的難度。考慮到算法的實時性和適用性,採用投影法作為主要的分割法,根據車牌的先驗知識(字元串的長寬比、字元間隙、字元的長寬比及筆劃寬度),配以對粘連字元、斷裂字元和車牌框線干擾的特殊處理來完成字元分割。

發展形態

產品形態

從智慧型圖像分析系統的產品形態來說,分為兩類:
一類是由智慧型算法+DSP來實現,常見於安裝在前端的智慧型分析攝像機與智慧型分析圖像伺服器。目前,採用此種方式的系統較多,其是將具智慧型分析功能的軟硬體前置在視頻採集端。在常規圖像監控系統中,圖像占用了大量的存儲空間和傳輸頻寬,如何來解決這些問題是首要面臨的難關。大量無用視頻信息被存儲、傳輸,既浪費了存儲空間又占用了頻寬,採用智慧型分析的目的是為了緩解圖像存儲所需要的空間和傳輸所需的頻寬壓力,或者對於一些不重要的圖像採用低碼流方式進行壓縮和傳輸。這樣,更有助於提升監控系統的套用價值。算法處理由前端來實現,後端的服務壓力非常小,由此可以在一個系統中配置大量的智慧型分析機器。
另一類是採用後端PC伺服器加智慧型分析軟體的運行模式。採用此種方式因為由後端PC伺服器來進行處理,從處理的性能上來說,要優於前端智慧型分析圖像的處理,由於算法對硬體資源占用很大,在同時處理多個分析時,系統的處理能力不足就表現出來了。因為後端PC伺服器有強大的分析處理能力(與前端DSP+軟體方式相比),所以PC伺服器處理方式通常被應於非常重要的智慧型分析場合。

套用形態

從智慧型圖像分析系統的主要套用來看,有兩個大的發展方向:其一是以車牌識別、人臉識別為核心代表的智慧型識別技術,主要套用於電子警察、機楊、海關。另一個是以周界防範、人數統計、自動追蹤、逆行、禁停等規則為代表的行為分析技術,主要套用於圍牆周界警戒區、商場、交通、景點流量統計,道路禁停禁放、違章逆行、場景跟蹤等方面。主要套用有:
1、雙機自動跟蹤:智慧型分析圖像加普通快球方式。可套用於城市報警應急預案。突發事件的物體跟蹤。
2、人流量統計:統計框選區域進出人員的數量,套用於超市商場顧客流量的分析統計,幫助商家制定相應的銷售策略。套用於景點、捷運口,提供流量數據供人員管制套用。
3、穿越警戒區:通過設定虛擬圍籬,對周界進行偵測。當發現可疑人員或者物體穿越圍籬,即觸發報警,並將報警信號上傳至監控管理中心。同時可將報警畫面通過網路上傳至遠程監看用戶。套用於交通馬路人行橫道或斑馬線、廠區重點區域圍牆、學校、看守所圍牆等。
4、丟失分析:通過在監控畫面上畫出一塊放置重要物品的區域作為警戒區域,只要此物品離開了警戒區域,那么將立即觸發報警規則。套用於重點保護區域如博物館,展覽廳,拍賣會,金銀店等。
5、方向分析:在實際監控中,人們可能會關心人流的方向和車流的運動方向,通過方向的識別可以判斷目標是否為不合法走動或行駛,如果出現逆向行為,目標將會被自動鎖定,並同時報警。套用於單向行駛的道路;重要出入口等。
6、智慧型跟蹤:對可疑人或物體進行目標鎖定,對目標的運動軌跡進行記錄,同時攝像機將跟隨目標轉動並報警。套用於高檔小區,人員禁入區域,機密區域,重要保護區域等。並可作為案發後,對案件回放過程的軌跡進行分析,達到迅速破案的作用。

相關詞條

熱門詞條

聯絡我們