视觉，是人类感知客观世界的主要信号来源。在信号处理理论与计算机出现以后，人们试图用摄像机获取环境图像并转换成数字信号，用计算机实现对视觉信息处理的全过程。这种使计算机能够通过一幅或幅图像认识周围环境信息的研究目标，正是机器视觉。
       作为机器视觉的代表应用，以摄像机为核心的视频监控系统，目前已经广泛应用与安保、交通、楼宇、工业等各个行业领域。想要了解机器视觉究竟为视频监控带来了哪些改变，我们可以从机器视觉的几大应用领域来进一步分析。
       目标识别
       目标识别技术和稳定的追踪方法是机器视觉发展的关键因素之一。它在很多领域都得到大量的应用，例如身份确认的指纹识别、人脸识别、虹膜识别以及在智能交通管理、机动车检测、停车场管理等场合的车牌识别等。
       一个目标识别系统应该具有在复杂背景以及各种天气情况下检测、分类、识别目标的能力，这样才能有针对性地对目标进行持续的跟踪。　

       近些年来，目标识别技术已由理论探索、实验室仿真逐渐走向实际应用，其技术方法也从经典的统计模式识别，向着基于知识、模型、多传感器信息融合以及人工神经网络的识别方法演进。
       目标追踪
       运动目标跟踪是确定同一物体在图像序列不同帧中位置的过程。其主要工作方式就是选择好的目标特征和采用适当的搜索方法，根据匹配原理，把现有的跟踪方法分为基于模型、区域、特征以及活动轮廓的跟踪。
       基于模型的跟踪
       基于模型的跟踪是通过一定的先验知识对所跟踪目标建立模型，然后通过匹配跟踪模板，并实时更新模型。传统的运动物体表达方法有如下三种：
       1. 线图法：目标运动的实质是主框架的运动，因此该表达方法将物体的各个部分以直线来近似。
       2. 二维轮廓：该表达方法的使用与物体在图像的投影有关。
       3. 立体模型：利用广义椭圆柱、球等三维模型来描述物体的结构细节。该方法往往需要在联系的图像帧间匹配三维模型来获取物体运动的定量描述，因此需要计算更多的参数，匹配过程的计算量更大。
       基于特征的跟踪
       把预先提取的运动区域作为匹配的目标模板，设定一个匹配度量，然后在下一帧图像中匹配搜索目标图像，把度量取极值得位置判定为最佳匹配点，这种方式便是机遇区域的跟踪。
       由于提取了较完整的目标模板，该方式相对于其他跟踪算法能够得到更丰富的图像信息，因此广泛应用于跟踪较小的目标或对比度较差的目标。
       基于活动轮廓的跟踪
       利用一条封闭的参数化曲线来表达运动目标轮廓，在由图像构造的特征场中通过极小化以曲线函数为参数的能量进行动态迭代，使得该轮廓能够自动连续更新。相对于区域跟踪方法，该方式计算量小，如果开始能够合理分开每个运动目标并实现轮廓初始化，那么即使有部分遮挡，也能连续的进行跟踪。
       视觉分析
       视觉分析技术，就是通过目标识别、目标追踪方式之后，进一步获取目标的出现时间、运动轨迹、颜色等诸多信息，通过对各个目标的上述信息的分析，找到视频中存在的危险、违规行为或者可疑目标，并对这些行为和目标进行实时报警、提前预警、存储以及事后检索。
       在视觉分析的应用领域中，最为重要的便是智能视频监控和智能视频检索技术。两者的应用技术相近，主要区别在于：智能视频监控是对当时采集的视频进行实时处理，当发现危险事件或者可疑分子时进行实时报警;而智能视频检索技术，处理的是已经发生过的存储视频，其通过对视频进行快速分析，找到其中存在的危险事件、可疑分子，以及每个感兴趣目标的信息，然后，使用者可以对关心的事件进行选择或者对关心的目标属性进行定义，系统能够快速查找到用户关心的事件或目标。
       一般而言，智能视频监控包含的功能包括周界检测、越线检测、徘徊逗留检测、遗失检测、遗留检测、快速移动检测、打架检测、尾随检测、人群聚集、火灾烟雾检测、PTZ目标跟踪、视频故障分析、视频存储和回放等功能。
       对于不同的用户而言，对上述功能的需求会有所偏重。在上述技术中，其中，周界检测、越线检测、徘徊逗留检测、遗失检测、遗留检测、快速移动检测、打架检测、尾随检测采用的方法，主要都是先采用背景建模(BackgroundModel)、前景提取(ForegroundExtraction)提取得到运动目标，然后，采用目标匹配跟踪技术得到目标的轨迹，并得到目标的运动方向、所处位置，以及各目标间相互关系，最后依据设定规则得到上述异常行为。
       其中，对于复杂背景，大流量区域的遗留物和遗失物检测方法，可以采用特殊的基于时间序列区域运动分析的方法进行，而不必进行上述目标检测跟踪技术得到。
       而智能视频检索，首先需要利用智能视频监控的检测技术来检测异常事件，进一步，智能视频检索还需要在运动目标检测跟踪的基础上，得到人车等目标的诸如人脸、颜色、速度以及数量等信息。这样，进行智能视频检索的时候，一方面可以检索异常事件，此外还可以通过目标的出现结束时间、颜色、速度、数量，以及人脸信息等进行检索。
       此外，系统还可以给出一个事件和目标的时空分布图，便于用户查找自己感兴趣的时段和事件。对于现在动则成千上万的监控终端而言，想从这些海量数据中查找到自己关心的事件和目标，必须借助智能视频检索技术。
       结语
       视频监控技术是机器视觉领域一个新兴的应用方向和备受关注的前沿课题，也是计算机科学、机器视觉、图像工程、模式识别和人工智能等多学科技术的结晶。
       可以想象，当机器视觉与图像处理技术加入之后，打破了原有的限制，得以设计出一个实时视频监控系统。该系统在实现视频监控同时，通过运用机器视觉技术，增加了视频变化检测和自动录像功能，系统能够自动识别场景变化，检测出运动目标并锁定，同时发出警告和启动存储装置。这样不仅可以节省大量存储空间，提高监控存储效率，减少不必要的回放，而且数据更加具有针对性。

Returns List