視覺，是人類感知客觀世界的主要信號來源。在信號處理理論與計算機出現以后，人們試圖用攝像機獲取環境圖像并轉換成數字信號，用計算機實現對視覺信息處理的全過程。這種使計算機能夠通過一幅或幅圖像認識周圍環境信息的研究目標，正是機器視覺。

作為機器視覺的代表應用，以攝像機為核心的視頻監控系統，目前已經廣泛應用與安保、交通、樓宇、工業等各個行業領域。想要了解機器視覺究竟為視頻監控帶來了哪些改變，我們可以從機器視覺的幾大應用領域來進一步分析。

目標識別

目標識別技術和穩定的追蹤方法是機器視覺發展的關鍵因素之一。它在很多領域都得到大量的應用，例如身份確認的指紋識別、人臉識別、虹膜識別以及在智能交通管理、機動車檢測、停車場管理等場合的車牌識別等。

一個目標識別系統應該具有在復雜背景以及各種天氣情況下檢測、分類、識別目標的能力，這樣才能有針對性地對目標進行持續的跟蹤。

近些年來，目標識別技術已由理論探索、實驗室仿真逐漸走向實際應用，其技術方法也從經典的統計模式識別，向著基于知識、模型、多傳感器信息融合以及人工神經網絡的識別方法演進。

目標追蹤

運動目標跟蹤是確定同一物體在圖像序列不同幀中位置的過程。其主要工作方式就是選擇好的目標特征和采用適當的搜索方法，根據匹配原理，把現有的跟蹤方法分為基于模型、區域、特征以及活動輪廓的跟蹤。

基于模型的跟蹤

基于模型的跟蹤是通過一定的先驗知識對所跟蹤目標建立模型，然后通過匹配跟蹤模板，并實時更新模型。傳統的運動物體表達方法有如下三種：

1. 線圖法：目標運動的實質是主框架的運動，因此該表達方法將物體的各個部分以直線來近似。

2. 二維輪廓：該表達方法的使用與物體在圖像的投影有關。

3. 立體模型：利用廣義橢圓柱、球等三維模型來描述物體的結構細節。該方法往往需要在聯系的圖像幀間匹配三維模型來獲取物體運動的定量描述，因此需要計算更多的參數，匹配過程的計算量更大。

基于特征的跟蹤

把預先提取的運動區域作為匹配的目標模板，設定一個匹配度量，然后在下一幀圖像中匹配搜索目標圖像，把度量取極值得位置判定為最佳匹配點，這種方式便是機遇區域的跟蹤。

由于提取了較完整的目標模板，該方式相對于其他跟蹤算法能夠得到更豐富的圖像信息，因此廣泛應用于跟蹤較小的目標或對比度較差的目標。

基于活動輪廓的跟蹤

利用一條封閉的參數化曲線來表達運動目標輪廓，在由圖像構造的特征場中通過極小化以曲線函數為參數的能量進行動態迭代，使得該輪廓能夠自動連續更新。相對于區域跟蹤方法，該方式計算量小，如果開始能夠合理分開每個運動目標并實現輪廓初始化，那么即使有部分遮擋，也能連續的進行跟蹤。

視覺分析

視覺分析技術，就是通過目標識別、目標追蹤方式之后，進一步獲取目標的出現時間、運動軌跡、顏色等諸多信息，通過對各個目標的上述信息的分析，找到視頻中存在的危險、違規行為或者可疑目標，并對這些行為和目標進行實時報警、提前預警、存儲以及事后檢索。

在視覺分析的應用領域中，最為重要的便是智能視頻監控和智能視頻檢索技術。兩者的應用技術相近，主要區別在于：智能視頻監控是對當時采集的視頻進行實時處理，當發現危險事件或者可疑分子時進行實時報警;而智能視頻檢索技術，處理的是已經發生過的存儲視頻，其通過對視頻進行快速分析，找到其中存在的危險事件、可疑分子，以及每個感興趣目標的信息，然后，使用者可以對關心的事件進行選擇或者對關心的目標屬性進行定義，系統能夠快速查找到用戶關心的事件或目標。

一般而言，智能視頻監控包含的功能包括周界檢測、越線檢測、徘徊逗留檢測、遺失檢測、遺留檢測、快速移動檢測、打架檢測、尾隨檢測、人群聚集、火災煙霧檢測、PTZ目標跟蹤、視頻故障分析、視頻存儲和回放等功能。

對于不同的用戶而言，對上述功能的需求會有所偏重。在上述技術中，其中，周界檢測、越線檢測、徘徊逗留檢測、遺失檢測、遺留檢測、快速移動檢測、打架檢測、尾隨檢測采用的方法，主要都是先采用背景建模（BackgroundModel）、前景提取（ForegroundExtraction）提取得到運動目標，然后，采用目標匹配跟蹤技術得到目標的軌跡，并得到目標的運動方向、所處位置，以及各目標間相互關系，最后依據設定規則得到上述異常行為。

其中，對于復雜背景，大流量區域的遺留物和遺失物檢測方法，可以采用特殊的基于時間序列區域運動分析的方法進行，而不必進行上述目標檢測跟蹤技術得到。

而智能視頻檢索，首先需要利用智能視頻監控的檢測技術來檢測異常事件，進一步，智能視頻檢索還需要在運動目標檢測跟蹤的基礎上，得到人車等目標的諸如人臉、顏色、速度以及數量等信息。這樣，進行智能視頻檢索的時候，一方面可以檢索異常事件，此外還可以通過目標的出現結束時間、顏色、速度、數量，以及人臉信息等進行檢索。

此外，系統還可以給出一個事件和目標的時空分布圖，便于用戶查找自己感興趣的時段和事件。對于現在動則成千上萬的監控終端而言，想從這些海量數據中查找到自己關心的事件和目標，必須借助智能視頻檢索技術。

結語

視頻監控技術是機器視覺領域一個新興的應用方向和備受關注的前沿課題，也是計算機科學、機器視覺、圖像工程、模式識別和人工智能等多學科技術的結晶。

可以想象，當機器視覺與圖像處理技術加入之后，打破了原有的限制，得以設計出一個實時視頻監控系統。該系統在實現視頻監控同時，通過運用機器視覺技術，增加了視頻變化檢測和自動錄像功能，系統能夠自動識別場景變化，檢測出運動目標并鎖定，同時發出警告和啟動存儲裝置。這樣不僅可以節省大量存儲空間，提高監控存儲效率，減少不必要的回放，而且數據更加具有針對性。