视频安防监控系统图像质量现场检测方法研究

视频安防监控系统图像质量现场检测方
法研究
摘要：近年来在计算机技术不断发展的带动下，各类网络商务平台逐渐走进大众视野，并且成为现阶段的主流市场。

与此同时，随之繁衍出的基于云计算技术等子平台的产业链也在不断完善，云计算平台可以说是所有线上销售类软件的基础后台，主要提供各种海量计算、快速分配、动态调度等服务，其技术平台在日常工作中具有一定的重要性。

所以为了能不间断地获取云计算平台的实时运行状况，就需要一套完整的自动化运维监控系统来对数据实现检测，以便及时发现并处理出现的漏洞及故障问题。

目前，国内外的研究现状局限性较大、目标范围过广，没有达到理想的研究效果。

关键词：视频安防监控系统；图像质量；现场检测方法
引言
随着视频监控的广泛使用，视频侦查在案件侦破中发挥的作用越来越明显，但是，由于不同人的注意力水平和理解能力存在差异，同一图像证据，不同的人做出的判断和获得的信息有可能存在很大差别。

如何通过监控及时发现违法人员的不法行为并阻止其造成更大损失成为智能视频监控领域专家们的研究热点。

1安防智能监控管理系统的构成
弱电安防智能监控系统的组成可以利用分布式架构方法，实现对所有子系统的集中化管理与控制，能快速提升其应急反应能力，同时可以在问题发生时，第一时间进行警报，提高事件处理的及时性。

尤其对高端办公楼及科研楼来说，楼内有大量物品和重要材料，更需要弱电安防监控系统的保护，以此提高人身财产安全。

一般来讲，在弱电安防系统安装的过程中，它是由前端部分、传输部分、控制部分、电视墙显示组成的，能够有效完成安防监控系统的安全防护工作。

其前端部分能够实现拍摄模拟视频，控制云台及防护罩，可以以垂直和水平的方式
调整拍摄角度，其内部的解码器能通过微机接口对云台、镜头进行控制。

传输部分由同轴电缆组成，它能实时传输前端摄像机摄录的图像，并确保在控制中心将图像进行清晰还原。

控制部分是监控系统的核心部分，能够以数字化的方式采集模拟视频监视信号，其录像检索的便利性、运算处理能力及通道的可靠性，能对整个系统的性能产生影响，且控制部分能实现录像记录和报警的联动。

电视墙显示部分既具有传统电视墙的基本监控功能，使夜间值守人员的工作强度降低，并提升安全防卫的可靠性。

2智能视频分析系统的特点
在视频监控系统中，智能视频分析技术是一种先进、高效、实用的图像处理技术，它能将被监控对象所采集的信息（如视频图像）进行综合和处理与应用，自动分析出图像中是否存在非法入侵行为人员。

通过一系列算法对采集到的各类数据进行筛选、分类和综合分析处理，从而发现异常活动或行为人员。

与传统的监控系统相比，智能视频分析系统具有智能化程度高、性能稳定、可靠性强等特点。

从结构的角度来看，现有的监测系统大都是以中央电脑为核心，以各个层次的智能控制前端为基础，形成了一个监测网络。

前端能够独立地对特定的区域进行监测，或者实现特定的控制功能。

从功能的角度来看，随着系统功能的不断完善，它不但具有原有的控制和管理功能，同时具有更为丰富、直观的多媒体服务功能，具体功能如下：（１）影像的加工包含实时解压、视频资料存储、传输、历史录像的回放、报警兴趣区的设置、警报实时分析和管理。

（２）设备管理包含相机的光圈聚焦控制、图像亮度、对比度、色度、饱和度调节、压缩质量、帧速率控制、云台旋转控制、附加装置控制（如继电器）等报警联动设定。

（３）查询与管理包含监视区域进行了录像查询、历史报警查询、软件系统基本信息设置、系统日志、操作用户管理、系统校时管理等。

智能视频分析系统与传统监控系统相比具有如下优点：（１）可以实现对异常情况自动监测。

（２）智能化程度高。

（３）具备视频图像智能处理功能。

（４）具备报警事件实时跟踪功能。

（５）具备对报警事件进行事后处理能力，对整个报警事件进行追踪及报警事件回溯。

3目标检测相关研究
目前，目标检测发展已有20余年，作为计算机视觉领域中重要的一项研究
课题，主要研究内容为将图像或视频中目标物体与其他无关信息进行区分，即判
断是否存在目标物体，若存在则输出目标坐标位置。

经过数十年发展已经分为两
种类型：基于手工标注特征的传统目标检测方法、基于深度学习的目标检测方法。

其一，传统目标检测利用滑动窗口提取候选区特征并进行分类，存在着时间复杂
度过高、手工设计特征局限等问题，随着神经网络算法研究与推广，传统检测算
法逐渐退出。

其二，基于深度学习的目标检测方法相较于传统方法，具有结构灵活、检测精度高、速度快等特点。

近年来关于人脸特征目标检测多采用深度学习
方法，根据应用场景及响应时间需求有着不同选择。

有学者针对复杂施工环境下
小目标安全帽佩戴检测，提出了基于无锚框机制的安全帽检测器，也有学者选用
的是FasterR-CNN改进算法在增加锚点条件下完成安全帽佩戴检测。

除此之外，
还有学者利用YOLOv3进行人脸检测，在对安全帽潜在区域进行图像增强并利用
传统分类器进行判断，YOLO算法优势在于实时性，对于实时目标检测无疑有着更
大的优势。

对于其他人脸特征，如胡须、帽子等特征，有学者提出基于卷积神经
网络的检测方式，并在图片输入前进行人脸关键点标记及放射变换，消除扭曲旋
转影响从而提升了测试效果。

4视频安防监控系统图像质量现场检测方法
4.1基于距离的方法
基于距离的方法是利用距离度量函数或模型来评判输入数据与正常行为数据
之间的距离. 最典型的方法为利用支持向量机来拟合正常数据的判别边界, 此
类方法易受噪声、离群点等的干扰.利用多种低层特征如直方图、密集轨迹等的
量化数据来训练支持向量机的包络面, 将决策空间之外的数据判为异常数据.学
习目标的外观和运动信息并进行加权融合, 利用K均值聚类将正常数据划分为
多个正常行为类别簇, 对每一个聚类中心, 其余簇均为伪异常, 并以此为基
础训练多个支持向量机; 若测试数据不在任一簇中, 则为异常数据.利用孪生
网络训练距离度量函数, 通过测试数据与参照数据之间的距离来得到最终的异
常得分, 该方法需要预先存储大量的参照数据
4.2视频中攀爬及逆行异常行为检测
异常行为检测是智能视频监控的重要分支，实现异常行为检测有助于减少在
监测时投入的人力、物力，攀爬检测和逆行行为检测都是基于异常行为检测的设
计初衷，分别对视频中存在运动目标活动于警戒高度区域内和行人逆行行为进行
检测和预警。

针对视频监控中攀爬的检测是基于运动目标检测，对运动目标的活
动范围作出高度限制，当运动目标的运动范围超过视频监控中设定的预警高度时
则发出警报;针对逆行的检测是通过光流法进行聚类，初步判断出视频中是否存
在逆行行为，再利用目标追踪得到目标运动的轨迹及方向，根据运动轨迹进一步
精确判断逆行行为是否真实发生。

在视频分析中提取运动前景的优劣直接关系计
算机视觉利用低层特征检测异常行为性能的好坏，目前常用的检测方法分为3大类:帧间差分法、光流法及背景减除法。

4.3基于重构模型的方法
基于重构模型的方法是利用重构数据与原始数据之间的误差来表示原始数据
的异常程度. 重构模型在正常行为数据约束下进行训练以学习正常行为数据的
内在特征, 若测试数据属于正常行为数据, 则重构模型可以以较小的重建误差
来重构输入数据; 而对于异常行为数据, 重构模型不能很好地对数据进行重
建, 因而重建误差大, 异常得分高. 此类模型不能学习正常行为数据和异常
行为数据之间的边界, 受训练数据分布影响较大. 目前使用最广泛的重构生成
模型当属生成对抗网络和自编码网络. 生成对抗网络通过生成器和对抗器的联
合训练实现对输入数据的重构或预测.利用生成对抗网络来预测未来帧, 根据预
测的未来帧与真实帧之间的差异来检测异常.从网络输入角度来看, 针对RGB图、光流图、时空特征分别训练生成对抗网络, 用多个网络的生成误差加权和来衡
量异常程度. 以“编码-解码-编码”为思路, 针对测试数据在生成器编码空间
和隐空间之间的差距来判断异常.
4.4系统集成测试
集成化系统测试包含的项目较多，每台智能设备、各环节报警装置、传感器
和定位软件等，第一时间了解安全隐患，以便采取更具指向性的手段提升系统综
合应用性能。

初始化后的系统联合GPS板块输出的定位数据，给出是否要启停预
设阈值的安防系统，智能门禁系统也将跟随上一个指令做出相应的动作，合法化
验证识别到的信息，更好地控制门的启停动作。

同时，还要通过触发器完成动态
化采集的数据，包含了烟雾指数、温度值、湿度水平等，经过核心板自动化运算
后直接得出直观、可参考的摄氏温度与相对湿度，对超标的环境参数也会即可发
出报警信息。

4.5智能视频监控及分析技术在综合安防系统中的应用
随着视频监控技术的不断发展，智能监控技术已经广泛应用于社会治安综合
治理系统，以智能视频监控及分析技术为核心的安防系统可以提供对图像及视频
的采集、存储、处理及应用，从而提高综合安防系统的管理效率以及安全性。

我
国的监控网络已经覆盖了整个城市，甚至农村地区也有相应的智能视频系统网络，随着智能视频监控技术在社会各个领域的广泛应用，智能化程度越来越高、安全
级别越来越高，对安防产品也提出了更高要求。

同时，伴随着计算机和通信技术
的发展，安防监控应用领域也在不断扩展。

如银行系统中利用视频图像获取银行
内部信息；电力系统实时采集变电站设备运行状态；医疗行业中利用远程医疗系
统监测病人健康状况等。

此外，随着城市规模的不断扩大和现代化进程的加快，
人们对智能化产品和技术也提出了更高的要求，如自动识别身份证功能、人脸识别、车牌识别等应用场景都是对传统视频监控技术的极大挑战。

因此，智能视频
分析技术也在安防领域不断发展创新和推广。

其核心是运用计算机视觉分析技术
与图像处理技术来实现对监控图像中人物行为的分析、识别、分类等处理及应用。

结束语
总而言之，在即将到来的工业5.0时代，随着中国经济发展与对实体产业布
局的重视程度不断加深，以互联网为基础的信息技术将逐步进入并改变传统工业
生产，转变现有行业理念，目标检测也将不仅仅局限于人脸特征检测等传统功能。

笔者相信随着目标检测技术的不断进步与创新，将会有更为轻便、准确的新型模
型被提出，从而应用于实际生产之中，突破已有生产瓶颈，提升社会整体运行效率，创造出新的社会财富，提升我国经济实力，为我国社会主义现代化社会建设
提供有效助力。

参考文献
[1]刘继红.视频监控区人员异常行为视觉检测及智能分析技术研究[D].重庆理工大学,2022.
[2]陈娜,蔺志刚,刘瑾程,董珊,包闯.基于智能视频监控系统的河湖四乱巡检技术研究[J].水利水电技术(中英文),2022,53(S2):455-462.
[3]唐斌,罗靖.综合检测车车载通信及视频监控系统[J].中国高新科
技,2022,(02):11-12.
[4]农健,陈伟业.视频监控系统异常目标检测与定位综述[J].电子技术与软件工程,2022,(02):141-144.
[5]胡洪明.视频监控低清人脸检测与识别深度方法研究[D].南京邮电大学,2021.
[6]林凤学.安防监控系统在中波发射台中的应用[J].西部广播电
视,2020,(05):236-237.。