11视频跟踪解析

2.非安全相关类应用 除了安全相关类应用之外，智能视频还可以应用到一些非安全相关类 的应用当中。这些应用主要面向零售、服务等行业，可以被看作管理 和服务的辅助工具，用以提高服务水平和营业额。此类应用主要包括： 人数统计（People Counting）：统计穿越入口或指定区域的人或物 体的数量。例如为业主计算某天光顾其店铺的顾客数量。 人群控制（Flow Control）：识别人群的整体运动特征，包括速度、 方向等等，用以避免形成拥塞，或者及时发现异常情况。典型的应用 场景包括超级市场、火车站等人员聚集的地方。 注意力控制（Attention Control）：统计人们在某物体前面停留的 时间。可以用来评估新产品或新促销策略的吸引力，也可以用来计算 为顾客提供服务所用的时间。 交通流量控制（Traffic Flow）：用于在高速公路或城市环路，根据 车流量的变化自适应调整交通信号的闪亮时间，达到智能控制交通的 目的。该应用需要提高视频分析功能模块的适应性，使之适应更为复 杂和多变的现场环境。
视频跟踪
概述

视频跟踪融合了图像处理、计算机视觉、模式识别、人 工智能等学科的技术，是一种应用前景非常广泛的技术。 所谓视频目标跟踪，是指对视频图像序列中的特定目标 进行检测、提取、识别和跟踪，获得目标的位置参数， 如目标质心的位置、速度、加速度，或者目标整体所占 的图像区域，抑或是目标的运动轨迹等等，从而进行后 续深入的处理与分析，以实现对特定目标的行为理解， 或完成更高级的任务。
种方法。所谓光流场是指空间运动物体被观测表面上的像 素点运动产生的瞬时速度场，一个二维的速度场，包含了 物体表面结构和动态行为的重要信息。 原理：给图像中的每一个像素点赋予一个光流矢量(即速 度矢量)，当物体和图像背景存在相对运动时，运动物体所 形成的速度矢量必然和邻域背景速度矢量不同，通过对序 列图像光流场的分析，计算出运动场后，对场景进行分割， 从而检测出运动目标。 光流法的核心是求解出运动目标的光流，即速度。
流量统计
区域检测
滞留检测
轨迹跟踪
火灾预警
人脸识别
车牌识别
光流法
帧差法
背景减除法
视频图像 预处理
运动目标检测
阴影去除
运动目标跟踪
后处理
视频图像的预处理
彩色图像灰度化
图像的平滑滤波
(1)中值滤波 (2)邻域均值滤波 (3)高斯滤波
运动目标检测
光流法
帧间差分法
背景减除法
光流法是通过计算图像的光流场实现运动目标检测的一
视频跟踪的最终目的是实现智能视频。

随着大规模监控系统的广泛应用，工作人员根本无法管理和监看成百
上千的摄像头，因而在很大程度失去监控系统的预防与积极干预功能。 例如伦敦Heathrow国际机场装配有超过5000个摄像头，如何管理这
些视频信息，将数据在适当的时间及时精准地传递给需要的工作人员
变得非常重要。如果系统具有自动识别和分析图像所含信息的功能， 也就是具备智能，这将大大提高系统的性能。

智能视频技术主要包括对视频图像序列自动地进行运动对象的提 取、描述、跟踪、识别和行为分析等方面的内容。如果把摄像机 看作人的眼睛，而智能视频系统则可以看作人的大脑。 智能视频监控系统能够识别不同的目标，发现监控画面中的异常

情况，并能够以最快和最佳的方式发出警报和提供有用信息，从 而能够更加有效的协助工作人员处理危机，并最大限度的降低误
光流法
光流法
帧间差分法
将连续的两帧或三帧图像对应像素点的灰度值相减， 当环境亮度变化不大时，如果对应像素值相差很小，则认 为此处是静止的，标记为背景；如果对应像素值相差较大， 则认为这是由目标运动引起的，该处像素标记为运动目标。
第n-1帧
第n帧
背景减除法
原理：建立一个无运动目标的背景图像(第一帧无运动目 标的图像或前N帧无运动目标的图像的均值或中值)，然 后将当前图像的像素值与背景图像的像素值相减，通过 设置一定的阈值，分割运动目标。 优点：算法简单、实时性较高 缺点：对背景的依赖性较高
报和漏报现象，实现计算机智能分析、描述和理解视频画面中的 内容。
智能视频监控应用范围正不断扩大
ቤተ መጻሕፍቲ ባይዱ1.安全相关 类应用
2.非安全相 关类应用





1.安全相关类应用 高级视频移动侦测（Advanced Video Motion Detection）：在复杂的天气 环境中(例如雨雪、大雾、大风等)精确的侦测和识别单个物体或多个物体的 运动情况，包括运动方向、运动特征等。 物体追踪（Motion Tracking）：侦测到移动物体之后，根据物体的运动情 况，自动发送 PTZ（Pan/Tilt/Zoom）等控制指令，使摄像机能够自动跟踪 物体，在物体超出该摄像机监控范围之后，自动通知物体所在区域的摄像机 继续进行追踪。 人脸识别（Face Recognition）：自动识别人物的脸部特征，并通过与数据 库档案进行比较来识别或验证人物的身份。此类应用又可以细分为“合作型” 和“非合作型”两大类。“合作型”应用需要被监控者在摄像机前停留一段 时间，通常与门禁系统配合使用。“非合作型”则可以在人群中识别出特定 的个体，此类应用可以在机场、火车站、体育场馆等应用场景中发挥很大的 作用。 车辆识别（Vehicle Identification）：识别车辆的形状、颜色、车牌号码等 特征，并反馈给监控者。此类应用可以用在被盗车辆追踪等场景中。 非法滞留（Object Persistence）：当一个物体(如箱子、包裹、车辆、人物 等)在敏感区域停留的时间过长，或超过了预定义的时间长度就产生报警。典 型应用场景包括机场、火车站、地铁站等。

一个视频跟踪系统通常包括以下几个环节：图像采集、视频图像 处理、数据通信、传感器控制与伺服系统等，如图7.1所示。
目标检测
目标跟踪
目标分类
视频图像处理
图像采集
数据通信
传感器控制与伺服 系统
数据通信
图 7.1 视频跟踪系统结构

视频目标跟踪在诸如安全与监控系统、交通控 制系统、定位导航系统、三维重建、视频传输 与压缩、虚拟现实、增强现实等诸多方面均有 广阔的应用，研究视频目标跟踪，具有重要的 军事、商业价值。