第1页共8页编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第1页共8页智能视频技术的环境适应性分析日期：2010年5月13日11:57近年来，视频监控技术越来越多地应用在安防领域，随着监控数据量的不断增长，使得监控人员需要花掉大量的时间对数据进行人工过滤，从中选择有用的视频信息，而繁重、重复的工作常常使他们力不从心。监控人员迫切需要有一种工作起来更轻松，更易于操作和管理的产品来替代原有系统。于是，智能视频技术应运而生，进入人们的生活。智能视频技术（IVTIntelligentVideoTechnology）属于计算机视觉（CVComputerVision）与人工智能（AIArtificialIntelligence）领域研究的一个分支，融合了图像处理技术、计算机视觉技术、计算机图形学、人工智能及图形分析等多项技术，其发展目标在于监视场景与事件描述之间建立一种映射关系。传统的视频分析技术大都是移动侦测，移动侦测技术仅判断某个区域是否发生了变化，变化超过一定的阈值就报警，因此它所表达的结果并非是理想化的，存在很大的局限性，有着许多难以突破的地方。而智能视频技术则是一种上升到“识别及分类”层级的技术，回答的是“检测到的是什么？”的问题，具有检测精度高、虚警少的特点，可过滤各种干扰因素，具有很强的适应能力，下面就智能视频技术的适应性进行分析。图像噪声图像噪声的来源是多种多样的，在实际视频监控应用环境中，摄像机成像噪声、线路噪声、电磁干扰环境和视频压缩的量化效应都会在图像上产生各种不同噪声表现，影响智能视频处理技术对目标检测的灵敏度。任何实际产生的监控图像都有不同程度的噪声，噪声水平较高时，会对智能视频处理技术产生比较严重的影响，用户会看到较多的虚报或漏报现象。通过降低噪声水平，可有效降低智能图像处理设备产生的虚警和漏警。从噪声的表现形式上看，由摄像机高增益引入的点噪声，可通过较为合适的图像预处理过程屏蔽掉；但如场不同步和强电磁干扰导致的画面滚动噪声，以及视频压缩的量化作用产生的噪声，则需要智能视频处理技术做到自适应调节灵敏度，并且使用时域空域等多种方法屏蔽掉大部分噪声干扰。画面抖动在实际监控环境中，常因刮大风、大型车辆通过等因素，导致摄像机抖动，造成监控图像不稳定，由此带来虚警问题。这类问题可以利用智能视频分析技术来解决。智能视频分析技术可通过对连续的图像进行不间断地预处理，并与事先设定的稳定区域模板做比较，通过识别前后帧画面中的多个固定物体，把后帧画面摆放到正确的坐标，并针对稳定后的连续图像进行运动目标的检测。利用智能视频分析技术解决画面抖动的问题对目标变化的适应性低对比度目标检测对比度是指在一幅图像中，明暗区域最亮的白和最暗的黑之间不同亮度层级的测量。差异范围越大表示对比度越大，差异范围越小表示对比度越小。低对比度是指被检测的目标与背景的颜色、灰度很接近，很难将目标和背景分离出来，这种现象往往会引起监控系统产生漏报、误报，使一些有价值的信息丢失。而视频分析技术是这样处理的，只要灰度值有差异，电脑肯定可以计算出这个灰度差值，并将背景和目标在有灰度梯度的边缘分离出来，将目标框定。另外，只要能检测出一个目标的几个部分，那么通过腐蚀膨胀的图形学处理，大致可以将目标还原，这样也可以将背景和目标分离。不过，在实际应用环境中，有时会出现噪声区域与背景的灰度差值大于目标与背景的灰度差值的情况，这对智能视频技术来说，是很棘手的问题。即使有对比度自适应能力，也很难在高噪声环境下解决低对比度识别问题。因此，我们应尽量通过降低图像噪声，并提高算法检测灵敏度等手段来检测低对比度目标。第2页共8页第1页共8页编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第2页共8页远距离、慢速度、小目标检测在实际环境中会有距离远、体积小、速度慢的目标沿着摄像机轴线方向移动，由远及近的目标不但尺寸小，而且引起的图像变化也小，很容易被慢慢地融入背景，此时就会有漏报现象。对于上述慢速度和由远及近的小目标，智能视频处理技术通过对目标一段时间位移的累加来确定目标是否相对背景发生了位置变化...
