最近业内关于智能视频监控技术的讨论十分热烈，因为智能监控技术在机场安防、轨道交通、金融行业等等诸多领域的应用前景十分看好。本文将介绍智能视频监控的基本知识，并且还将探讨智能视频监控在未来发展中面临的发展困境。
现在我们日常所接触到的监控系统，无论是模拟还是模数混合，抑或纯数字，其工作方式依旧是"实时监视，实时录像"，不仅浪费人力，更是浪费物力，面对数不尽的视频录像，想要提取些有价值的录像是困难，长期保存也是一大难题，此外现有的监控系统对于人的参与非常依赖，智能监控可以分担人力节省资源，因此智能视频监控是一个发展趋势，也是视频监控系统发展的必由之路。
智能视频监控简介
智能视频监控技术融合了光电图像视频处理、计算机视觉模式识别和人工智能，比普通的视频监控系统具备更加强大的视频处理能力和智能因素，为客户提供了更多高级的视频分析功能，能减轻监控人员的劳动量，提高了监控的效率和监控系统的准确度和联动性。在对智能化要求越来越高的市场推动下，随着智能视频分析技术的不断成熟，视频监控系统向着智能化的方向发展将是必然趋势。
智能视频监控的优势
目前监控系统中，存储和传输问题是首要面临的难关，大量无用视频信息被存储、传输，既浪费了存储空间又增加了带宽，智能分析的目的是为了视频存储所需要的空间减少从而缓解带宽压力，或者对于一些无用视频则采用低码流方式进行压缩或传输，更方便整套系统调查或查询使用，提升监控系统的应用价值。
目前智能监控技术主要包括：身份识别、轨迹识别、环境判断补偿识别。身份识别包括人脸识别、车牌号识别、车辆类型识别、船只识别、红绿灯识别等等。识别类的智能监控技术，最关键的要求就是识别的准确率，最好保证在98%以上，这样就能够较好地满足绝大多数监控类客户的需求，这是目前比较常见的智能分析目的;轨迹识别主要包括虚拟警戒线、虚拟警戒区域、智能跟踪、人数统计、车流统计、物体出现和消失、人员突然奔跑、人员突然聚集等等;环境判断补偿识主要包括雨、雪、大雾等恶劣天气、夜间低照度情况、摄像头遮挡或偏移、摄像头抖动等等。智能监控技术能够实现在恶劣视频环境情况下实现较正常的监控功能。受环境影响视频不清楚的时候，尽早发现画面中的人，或者判断摄像头偏移的情况后发出报警，此类功能具备普遍的适应性，大部分监控点都有潜在需求。
智能视频监控的实现方式
目前，智能视频监控的实现方式有两种，一种是前端智能分析;另一种是后端智能分析。两种智能分析方式最大的区别在于前者是利用前端摄像机自身的芯片进行计算，而后者则是利用后端计算机纯软件的方式进行分析。但无论是前端嵌入式的还是后端软件方式，其功能的实现都是通过所开发的核心算法程序的运行而对视频信号进行分析而完成的。嵌入式与纯软件方式的区别仅在于运算平台不一样，前者可以在摄像机DSP芯片上完成核心算法的运行和相关计算;而纯软件方式的运算平台则是一台通用的计算机。
智能视频监控发展中的问题
任何一项新技术的从产生到发展成熟，必然要经历重重考验，智能视频监控也不例外。下面我们来谈谈智能视频监控在发展中面临的几大问题。
1、视频海量数据的存储与处理
在全数字远程视频监控阶段，大量的视频数据将通过前端视频摄像头汇聚到数据中心，将形成海量数据，这些数据的存储和处理将成为智能视频技术的基础。数据的存储和处理占用大量的存储单元和计算单元，这将花费很大的资金投入。在平台建设完成后还需耗费资金和人力进行运维。建议对不同安全级别的视频监控进行分级处理：对安全级别高的安防系统，构建封闭式系统，确保数据的安全;对于安全级别低的安防系统，充分利用当前发展的云服务平台，由云服务企业提供数据的存储和处理，实现信息的专业化应用。
2、智能视频系统的实时性
对于现代化城市安防而言，需要在事件发生的第一时间给出报警，因此需要对视频数据的采集、分析处理及报警发布等环节以实时性为目标进行优化，提高系统响应速度。
3、智能视频系统的安全性
智能视频系统是安防系统的重要工具，其自身的安全性必须加以保障。这部分包括两方面：系统的可靠性和稳定性，视频系统需进行不间断长时间工作，必须专门进行可靠性研究，提高其稳定性，确保系统的稳定运行。必要的时候，根据安全级别，进行冗余设计，使系统在出现故障时迅速切换成正常运行状态;防入侵的安全性，需考虑网络、设施设备、软件系统及人员的防入侵，只允许具有权限的人对智能视频系统进行操作。
4、提高视频分析准确率
为了提高报警的准确率，需对不同应用领域的视频分析核心算法研究。目前视频分析在安防主要应用领域如下：
高级视频移动侦测：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：侦测到移动物体之后，根据物体的运动情况，自动发送控制指令，使摄像机能自动跟踪物体，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;
人物面部识别：自动识别人物的脸部特征，并经与数据库档案的比较来识别或验证人物身份;
车辆识别：识别车辆的形状、颜色、车牌号码等特征，并反馈给监控者。可用在被盗车辆追踪等场景中;
遗留、遗弃物品检测：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;
入侵探测：可感知设定区域内突然出现和入侵的物体并及时报警。比如在戒备森严的军事重地或银行博物馆等重要场所出现可疑人物等;
物品被盗或移动检测;当监控场景中的物体被盗和移动，算法将自动检测这种动作，常常用于贵重物品和关键设备的监控。
