|
- UID
- 1029342
- 性别
- 男
|
摘要：智能视频(IV，Intelligent Video)源自计算机视觉(CV，Computer Vision)技术(计算机视觉技术是人工智能研究的分支之一)，它是在图像及图像描述之间建立关系，从而使计算机能够通过数字图像处理和分析来理解视频画面中的内容，达到自动分析和抽取视频源中关键信息的目的，也就是智能视频分析技术(IVS)。 智能视频(IV，Intelligent Video)源自计算机视觉(CV，Computer Vision)技术(计算机视觉技术是人工智能研究的分支之一)，它是在图像及图像描述之间建立关系，从而使计算机能够通过数字图像处理和分析来理解视频画面中的内容，达到自动分析和抽取视频源中关键信息的目的，也就是智能视频分析技术(IVS)。
监控系统中的故障问题诊断
自20世纪90年代智能视频分析技术诞生以来，经过数十年的发展，这项起源于计算机视觉的技术伴随着商业化的逐步应用正日益受到人们的普遍重视。一些国内外专业的视频分析研究厂家都相继推出了各种不同形态的产品，如智能视频服务器、智能网络摄像机、智能分析硬盘录像机、智能视频分析软件等。作为视频监控的高端应用，像周界检测、行为分析、视频故障诊断等功能业已在各重点行业中成功应用，并逐步显现威力。拿平安城市监控系统来说，其一方面主要体现在一些重要的路段、社区、公共场所等，以通过视频监控方式对出现的可疑目标进行监控报警。另一方面则集中在监控系统的后期运营管理过程中，以通过视频分析技术检测前端摄像头常见故障与视频图像质量的低下，实现监控系统的有效维护。
视频质量诊断系统作为安防领域的革新产品，是视频分析技术在平安城市监控系统运营维护方面的典型应用，也是应用性相对普遍的一种产品。它主要应用在大型监控系统的控制中心，通过控制监控中心矩阵主机的视频切换输出或连接数字视频流媒体管理服务器来获取前端所有摄像机的视频信号，对视频图像出现的雪花、滚屏、模糊、偏色、画面冻结、增益失衡和云台失控等常见摄像头故障以及恶意遮挡和破坏监控设备的不法行为做出准确判断并发出报警信息;在视频监控设备日益增多的今天，其在监控系统中的应用，必然更加有利于帮助用户快速掌控前端设备运行情况，轻松维护大型的安防系统。
视频质量诊断核心技术
视频质量诊断系统采用了视频图像分析的方法来检测监控系统中存在的各种视频常见故障。从现在普遍出现的摄像头故障类型来看，影响视频监控系统视频质量的因素有很多，主要概括来说有以下几点：
·摄像机的设置不当或器件老化失效，包含摄像机的分辨率、摄像机对光照的灵敏度、镜头聚焦调整、色彩校正等;
·大型监控网络中视频信号通过长距离电缆传输、多级矩阵切换以及多级网络转发，电源、控制器等多种干扰信号可能对视频信号产生强烈的干扰，线路老化、接头松动等现场环境的变化可能带来视频噪声;
·大量使用PTZ球机，长期的运动变焦有可能让部分球机发生方向错误、不可控等故障。
针对以上提到的种种视频故障，可将故障类型分成视频信号缺失、视频清晰度异常、视频亮度异常、视频噪声、视频雪花、视频偏色、画面冻结、PTZ运动失控8种。这其中，视频信号缺失、画面冻结两种故障可通过人工设计基于视频图像比对的方法得出结论 TZ运动失控则是由故障检测系统发出运动指令，然后通过对视频图像的运动分析来检测是否有故障;而对于其他的5种故障，很难通过人工设定规则的方法来检测，这就需要通过机器学习的方法，让机器来模拟人的视觉反应，检测视频是否存在故障。
针对这5种不同类型视频故障，设计5个不同的基于机器学习的检测器，每个检测器负责分析一段视频是否存在某一种故障，以及这种故障的严重性。
而在实际运行的视频监控系统中提取大量的视频片断，包括正常视频以及存在各种故障的视频，形成训练样本，并模拟人类视觉特性，针对不同故障类型提取了大量视频图像特征参数，用以训练得到诊断不同故障的检测器。在分析阶段，获取需要分析的一段固定长度的视频，根据用户设定的该路视频的检测项目，使用不同的故障检测器，提取相应的视频图像特征，然后输入到已训练好的故障检测模型中，即可获取对该段视频的故障评价结果。
基于优秀的底层算法，视频质量诊断系统具备以下技术特点：
·高准确度：采用大量的实际视频监控系统的视频作为训练样本，各种故障检测器均来源于实际系统，并经过大量实际系统的测试，因此检测准确率高;
·良好的摄像机角度适应性：故障检测器的训练样本来自多种不同场景，涵盖了治安视频监控系统中众多常见的摄像头监视角度，因此对各种摄像头角度、焦距以及不同的摄像内容都有良好的适应性;
·独特的抵抗球机运动的能力：在每一中类型的故障检测器的设计和训练过程中，都考虑到了摄像头云台运动以及镜头推近拉远有可能带来的视频图像特征的变化，在检测过程中都首先进行摄像头运动分析，一旦发现摄像头处于PTZ运动过程中，则首先不再检测PTZ运动是否异常，以防止检测时发送运动指令影响当前的球机运动;其次，仅使用对摄像头运动不敏感的特征来进行其他类型的故障分析，避免因运动原因造成误报或漏报;
·出色的环境适应能力：算法模块对于场景内由于车流、人流、季节、气候产生的光线、阴影变化不敏感，因此，可以适用于多种不同的室外环境;
·强化学习能力：现有的视频质量诊断系统与人类的故障识别能力仍有明显的差距，因此应用场景的差异对于视频质量诊断系统的性能是有影响的。像人类的视觉系统一样，视频质量诊断分析模块也具备后天强化学习的能力，只要加入当地的新样本重新训练检测器，算法的性能将进一步提高。 |
|
