1.研究的背景

随着国民经济的飞速增长、社会的快速进步和国力的不断增强，银行、电力、交通、安检以及军事设施等重要领域对安全防范和现场记录报警系统的需求与日俱增，要求也越来越高，视频监控在生产生活各方面都得到了非常广泛的应用。虽然监控系统己经广泛地存在于各种公共场所了，但实际的监控任务仍需要很多的人工来完成，而且现有的视频监控系统通常只是录制视频图像，它提供的信息是没有经过解释的视频图像，只能用作于事后取证，没有充分发挥监控的实时性和主动性。为了能够实时分析、跟踪监控对象，并在发生异常事件的时候提示、上报给安全中心，为政府部门、安全领域的及时决策、正确行动提供支持，视频监控的”智能化”就显得越来越重要。智能视频监控是利用计算机的视觉技术对视频信号进行处理、分析和理解，在不需要人为干预的情况下，通过对序列图像自动分析对监控场景中的变化进行定位、识别和跟踪，并在此基础上分析和判断目标的行为，能在异常情况发生时及时发出警报或提供有用信息，有效地协助安全人员处理危机，并最大限度地降低误报和漏报现象。

2.研究的意义

以前，广泛应用在银行、商场等场合的摄像机监控通常只是简单的录像，以便用于事后的取证，而这样的应用损失了图像的基本价值(一个动态的、实时的媒质)，就如同把直播变成录像一样，这与人们对视频系统真正需求是有差距的。无数事实证明，事后追查是必须的，但事前的预警更为重要，它可以把一些重大事件隐患抑制于萌芽之中，避免亡羊补牢。因此监控系统智能化成为一个重要研究方向。所谓”智能化#8217;#8217;，就是要充分挖掘抽取视频资源中的关键信息，并利用这种信息为用户提供有价值的服务。比如，当监控系统发现一个来历不明的物品较长时间地出现在安全区域，或者发现可疑人物游荡在安全管理的区域以及其他的异常行为时，系统能对这样一些具有潜在威胁的事件及时捕获，并对是否介入事件做出智能的判断，从而有效抑制人作为行为主体所引致的系列问题，实现真正意义上的全天候的监控。

3.视频监控技术的现状与算法

智能视频监控的核心内容之一是对特定目标的自动检测跟踪。目标检测跟踪可分为5个步骤，包括运动检测、目标分类、目标(类型)跟踪、行为分析和目标(个体)跟踪。例如对人体的跟踪：首先从实时图像序列(即视频) 中检测出运动物体，再判定运动物体中的人体，然后跟踪人体的运动轨迹，并分析和选定有异常行为的人，如在车站，机场等遗留包裹的人，最后对行为异常的人进行持续跟踪。

运动目标检测是指在序列图像中检测出变化区域并将运动目标从背景图像中提取出来。通常情况下，目标分类、跟踪和行为理解等后处理过程仅仅考虑图像中对应于运动目标的像素区域，因此运动目标的正确检测与分割对于后期处理非常重要然而，由于场景的动态变化，如天气、光照、阴影及杂乱背景干扰等的影响，使得运动目标的检测与分割变得相当困难。通常情况下，目标分类、跟踪和行为理解等后处理过程仅仅考虑图像中对应于运动目标的像素区域，因此运动目标的正确检测与分割对于后期处理非常重要然而，由于场景的动态变化，如天气、光照、阴影及杂乱背景干扰等的影响，使得运动目标的检测与分割变得相当困难。根据摄像头是否保持静止，运动检测分为静态背景和运动背景两类。大多数视频监控系统是摄像头固定的，因此静态背景下运动目标检测算法受到广泛关注，常用的方法有帧差法、光流法、背景减除法等。

(l) 帧差法

帧差法是最为常用的运动目标检测和分割方法之一，基本原理就是在图像序列相邻两帧或三帧间采用基于像素的时间差分通过闭值化来提取出图像中的运动区域。首先，将相邻帧图像对应像素值相减得到差分图像，然后对差分图像二值化，在环境亮度变化不大的情况下，如果对应像素值变化小于事先确定的阂值时，可以认为此处为背景像素:如果图像区域的像素值变化很大，可以认为这是由于图像中运动物体引起的，将这些区域标记为前景像素，利用标记的像素区域可以确定运动目标在图像中的位置。由于相邻两帧间的时间间隔非常短，用前一帧图像作为当前帧的背景模型具有较好的实时性，其背景不积累，且更新速度快、算法简单、计算量小。算法的不足在于对环境噪声较为敏感，闽值的选择相当关键，选择过低不足以抑制图像中的噪声，过高则忽略了图像中有用的变化。对于比较大的、颜色一致的运动目标，有可能在目标内部产生空洞，无法完整地提取运动目标。

(2)光流法