智能監(jiān)控歸納起來，無外乎以下兩個層面：一是從圖像中獲得更多的信息，實現(xiàn)系統(tǒng)的預(yù)警功能;一是系統(tǒng)具有更高的友好性和可操作性，以適應(yīng)日益增大的系統(tǒng)規(guī)模。兩者的實質(zhì)都是要改變傳統(tǒng)視頻監(jiān)控系統(tǒng)對圖像信息的處理方式。

　　智能監(jiān)控的含義

　　傳統(tǒng)的監(jiān)控已經(jīng)很成熟了，技術(shù)的進步，攝像機的高質(zhì)量和低價格，使得圖像信息的生產(chǎn)和收集變得相當容易，存貯系統(tǒng)也能夠積累大量原始的，未經(jīng)加工的資料和數(shù)據(jù)。但是，從這些圖像資料中提取有價值的信息，確要花費大量的成本。如果不能很好的解決這個問題，這些圖像資料(海量的資料)就會逐漸成為垃圾，而從中輸出有價值的信息會很昂貴。真正有價值的東西是要通過對這些大量資料進行認真地分析才能得到，但人工分析(人觀察圖像)完全無法處理大規(guī)模的數(shù)據(jù)，只有自動化的智能分析(算法)才能勝任這個任務(wù)。

　　從功能的角度看：安全系統(tǒng)如果不具備預(yù)警功能就不是好系統(tǒng)，這是安全需求向我們提出的要求和挑戰(zhàn)。因此，視頻監(jiān)控系統(tǒng)實現(xiàn)預(yù)測和預(yù)警功能是智能化的基本標志。

　　從技術(shù)的角度看：實現(xiàn)圖像信息的自動解釋是監(jiān)控系統(tǒng)智能化的基礎(chǔ)。系統(tǒng)由目視解釋轉(zhuǎn)變?yōu)樽詣咏忉屖请娨暠O(jiān)控技術(shù)的飛躍，是技術(shù)進步的必然。但如何解釋、解釋什么需要認真地探索。目前已廣泛地應(yīng)用于銀行、博物館、倉庫和停車場的視頻監(jiān)控系統(tǒng)主要的功能是用于事后取證。它損失了圖像的基本價值(一個動態(tài)的、實時的媒質(zhì))，與人們對系統(tǒng)真正的期望有很大的差距。安全管理迫切地需要系統(tǒng)能夠連續(xù)地監(jiān)視現(xiàn)場的事態(tài)，并能及時警告安全管理人員事件(盜竊、破壞、入侵)可能發(fā)生或正在進行;預(yù)測事件的趨勢，提醒管理人員事態(tài)的發(fā)展到了限定的程度，應(yīng)該及時地采取措施，以阻止事件的發(fā)生或產(chǎn)生嚴重的后果(損失)。也就是說：安全不滿足視頻監(jiān)控系統(tǒng)只具有探測(發(fā)現(xiàn)事件的)功能，而是要求系統(tǒng)具有早期探測(預(yù)警)的能力。

　　實現(xiàn)上述功能要求視頻監(jiān)控必須改變傳統(tǒng)系統(tǒng)對圖像信息不作任何處理的工作方式。對采集到的圖像資料進行內(nèi)容分析，并將分析結(jié)果以適當?shù)姆绞礁婢踩芾砣藛T;通過分析，過濾掉無用資料，使系統(tǒng)存貯更為有價值，并采用圖像內(nèi)容分析從存貯的大量圖像資料中快速的找到有用的信息。它意味著傳統(tǒng)電視監(jiān)控的模式將被改變。以攝像機為核心的結(jié)構(gòu)，轉(zhuǎn)變?yōu)橐院笈_圖像處理為主，以人的觀察為主，轉(zhuǎn)變?yōu)橐詸C器處理為主的方式。這個轉(zhuǎn)變正是筆者提出的經(jīng)典電視監(jiān)控發(fā)展為現(xiàn)代電視監(jiān)控的標志之一。

　　社會和經(jīng)濟的進步對安全防范提出了更高的要求，視頻監(jiān)控的系統(tǒng)功能正在逐漸從局部的、微觀的防入侵(盜、搶)向宏觀的、動態(tài)的社會治安(公共安全)管理轉(zhuǎn)變，這是系統(tǒng)設(shè)計目標本質(zhì)的變化。我們知道：傳統(tǒng)安防(監(jiān)控)系統(tǒng)是針對局域性的、相對封閉的空間設(shè)計的，它的基本要素是探測、延遲、反應(yīng)，系統(tǒng)以探測結(jié)果為反應(yīng)的觸發(fā)信號(響應(yīng)一個報警)。廣域的動態(tài)監(jiān)控系統(tǒng)則是建立在大范圍、開放的環(huán)境下。它的基本要素是預(yù)警、預(yù)防、應(yīng)急反應(yīng)，系統(tǒng)要擁有多種信息源，響應(yīng)社會治安的整體事態(tài)及趨勢。前者針對孤立的事件，因此是以對事件的探測為觸發(fā)。后者則是要根據(jù)對整體形勢、事件的征兆的預(yù)測，作出有效的防范措施和應(yīng)急準備。這就要求系統(tǒng)把大量的分散、孤立的圖像關(guān)聯(lián)起來，從中分析出規(guī)律性的東西。如，社會對一個事件的反映、同類事件發(fā)生的概率和分布等。系統(tǒng)不再是以現(xiàn)場安裝的攝像機為主要(唯一的)信息源，還要廣泛的從媒體、網(wǎng)絡(luò)、情報系統(tǒng)及其它各種渠道收集圖像資料。因此，對海量的圖像資料進行分析、分類、統(tǒng)計和關(guān)聯(lián)是系統(tǒng)的主要任務(wù)，而這個任務(wù)只能由機器的自動解釋來完成。

　　目前，在全國各地開展的“平安城市”建設(shè)和公安部推進的“3111監(jiān)控報警聯(lián)網(wǎng)系統(tǒng)示范工程”突出表現(xiàn)了上述轉(zhuǎn)變。安全防范從過去的應(yīng)用于黨政機關(guān)的要害部門、銀行、博物館、監(jiān)獄等封閉、固定場所，逐漸開始應(yīng)用于公共場所社會治安管理、智能交通疏導管理、生產(chǎn)安全管理、公安警用指揮業(yè)務(wù)等管理性、業(yè)務(wù)性場合。這些應(yīng)用的突出特點是系統(tǒng)規(guī)模大，信息采集量呈指數(shù)增加，信息要在各相關(guān)部門之間進行大規(guī)模的交換。如有些城市監(jiān)控系統(tǒng)的圖像采集點多達數(shù)十萬個(包括多種渠道和手段)，涉及治安、交通、布控追堵、城市管理、工商管理等眾多業(yè)務(wù)。這些系統(tǒng)不再是分別、孤立地處理各種圖像源的信息，而是全面地、從它們之間的相關(guān)性和變化過程的特征去分析和判定，從而得出預(yù)測性的結(jié)果。

　　同時，系統(tǒng)規(guī)模的增大，必定帶來運行成本的增加。要提高系統(tǒng)的工作效率，必須實現(xiàn)系統(tǒng)參數(shù)、狀態(tài)自主、優(yōu)化的調(diào)節(jié)和各子系統(tǒng)間、各部門間準確、協(xié)調(diào)的互動。這也是智能監(jiān)控的主要內(nèi)涵，因為智能化是自動化的最高境界。

　　智能監(jiān)控的突破口

　　通常會把圖像內(nèi)容分析與圖像識別混淆起來，或把圖像識別作為智能監(jiān)控的目標。確實圖像識別技術(shù)在安防系統(tǒng)中應(yīng)用前景是非常廣闊的，也是安防系統(tǒng)智能化的一個主要方向。但是，對于通常的視頻監(jiān)控應(yīng)用找不到合適的切入點。下面我們從圖像識別的主要應(yīng)用說起，首先明確：圖像識別是指采用圖像技術(shù)對目標的個體識別，如認定某一個人，找到某一輛車或某一件物。以圖像生物特征識別為例，就是采用圖像(模式識別)技術(shù)識別人體自身載有的、具有唯一性和相對穩(wěn)定性的特征(如人臉、視網(wǎng)膜、虹膜、指紋、掌紋/形及步態(tài)等)，確定個體的身份。目前，它們的應(yīng)用主要有兩種方式：

　　1、驗證：是把當事人的身份與正在發(fā)生的行為聯(lián)系在一起，確認其合法性。這是安全防范系統(tǒng)的典型應(yīng)用，把人的生物特征視作一把鑰匙或一張卡。

　　驗證系統(tǒng)因可對特征的輸入加以更多的控制，系統(tǒng)的可靠性和穩(wěn)定性好，也相對成熟，已廣泛地應(yīng)用于出入管理系統(tǒng)中。它的基本工作方式是把特征輸入裝置讀取的特征與系統(tǒng)存貯的有限量的特征樣本(這些樣本代表了一定的授權(quán))進行比對，來確定請求合法性。通常系統(tǒng)的存貯樣本的數(shù)量不是很多，現(xiàn)場特征輸入的條件又可以加以控制，所以，系統(tǒng)的識別率很高(誤識率和誤拒率很低)。由于生物特征來自人自身，不需要進行同一認證，具有極高的安全性，因此、適用于高安全性要求的場所，如貴重物品的庫房、重要活動或要人訪客的出入管理。

　　2、識別：對輸入特征與存貯在數(shù)據(jù)庫中的大量的參考進行比對，來確定目標的身份。這樣的系統(tǒng)首先要建立一個海量的基礎(chǔ)樣本數(shù)據(jù)庫，如各城市人口的指紋庫等。對于人臉等生物特征，要求輸入的環(huán)境與建庫的環(huán)境具有足夠的相關(guān)性，以保證輸入特征與樣本特征的可比性。所以，建立一個稍加控制的環(huán)境，以排除或限制影響特征采集不真實(失真、不完整、偽裝)的各種因素是系統(tǒng)應(yīng)用的必要條件。如邊防檢查系統(tǒng)設(shè)立專門的人員通道來采集出入境人員的面部特征;機場安檢信息系統(tǒng)在驗征臺處攝取旅客的面部圖像。

　　兩者都是對個體身份的認證，都要求有一個限定的工作環(huán)境，這一點通常的視頻監(jiān)控系統(tǒng)是做不到的，而且，它們的工作目標也不是對人體的身份認證。所以，必須在驗證與識別之間選擇新的切入點。

　　圖像內(nèi)容分析成為智能監(jiān)控的突破口就在于：它是在通常的視頻監(jiān)控的環(huán)境下(如3111工程所建的系統(tǒng))實現(xiàn)上述的功能。它對現(xiàn)行系統(tǒng)是錦上添花的方式，不影響現(xiàn)行系統(tǒng)的運行和使用，逐步完善、增加系統(tǒng)功能實現(xiàn)安防系統(tǒng)的智能化。更重要的是，它不僅是提取圖像的表面信息(生物特征)，而是挖掘并表述圖像承載的深層信息，通過對圖像序列的分析和多源圖像的綜合得出預(yù)測性、趨勢性的判斷。而在技術(shù)上正是數(shù)字視頻與特征識別安全防范兩大箭頭技術(shù)的交匯點。

　　安全科技是圍繞打、防兩個方面展開的，基礎(chǔ)都是獲得信息。事發(fā)后的信息是證據(jù);事發(fā)前的信息是情報，具有預(yù)警的價值。視頻監(jiān)控技術(shù)要加強后者的研究，就是智能化的方向。技術(shù)的發(fā)展是循序漸進的，不會在一夜之間出現(xiàn)革命性的變化。但一個重大的事件帶來的機遇、產(chǎn)生的推動力將會極大地激勵和催化技術(shù)的進步。視頻監(jiān)控技術(shù)正處于這樣的時期，我們應(yīng)該抓住機遇，追求技術(shù)創(chuàng)新、把視頻監(jiān)控技術(shù)提高到一個嶄新的階段。

　　智能監(jiān)控關(guān)鍵技術(shù)

　　實現(xiàn)智能監(jiān)控，各廠家提出了不同的技術(shù)方案，但關(guān)鍵點都集中于圖像內(nèi)容分析技術(shù)。這是正確的方向，可以說圖像內(nèi)容分析技術(shù)的發(fā)展過程就是智能監(jiān)控的發(fā)展過程。智能監(jiān)控的實現(xiàn)必須有圖像內(nèi)容分析技術(shù)的突破作為支撐。

　　圖像具有極大的信息量，它同時具有空間分辨和時間分辨的能力，但真正把這些信息提取和挖掘出來是復雜和困難的。前面講了圖像系統(tǒng)智能化的主要標志之一是：系統(tǒng)從目視解釋(視讀)走向機器解釋(機讀)。它意味著：視頻監(jiān)控將改變系統(tǒng)對圖像信息不作任何處理的現(xiàn)狀，處理就是對圖像信息自動的解讀，是理解(understanding)圖像，這就是圖像內(nèi)容分析(videounderstanding)的含義所在?，F(xiàn)在市場上出現(xiàn)了一些IV(intelligentvideo)產(chǎn)品，都是對圖像內(nèi)容進行基本的分析，如目標的分離、分類、統(tǒng)計，簡單背景下單目標的行為分析和跟蹤。研究機構(gòu)則把它作為重要的課題，開展深入的研究，國家“十一五”科技攻關(guān)就列入了相關(guān)的課題。根據(jù)安全的需求，智能監(jiān)控技術(shù)的發(fā)展過程或圖像內(nèi)容分析技術(shù)的研究可分為以下幾個階段：

　　1、將(運動)目標從視頻圖像中分離出來。這是體現(xiàn)圖像技術(shù)的優(yōu)勢，實現(xiàn)目標探測的前題。傳統(tǒng)的視頻(運動)探測其實是亮度探測，并沒有發(fā)揮圖像技術(shù)的特點。確定圖像中是否有探測目標(人、物等)，并將目標從背景圖像中分離出來是圖像內(nèi)容分析的首要任務(wù)，進而對目標分類、統(tǒng)計、關(guān)聯(lián)。判斷圖像中有無目標、目標的復合或離散等也是圖像過濾的基礎(chǔ)。

　　2、對目標進行行為分析，判定其運動的方向、方式，并能發(fā)現(xiàn)和告警異常的行為;產(chǎn)生目標的運動軌跡，并能進行目標的自動跟蹤。實現(xiàn)運動目標的跟蹤是很難的事，它要求系統(tǒng)能分析、預(yù)測目標的運動軌跡,并能實時地作出修正。同時，由于運動過程與伺服機構(gòu)間傳遞函數(shù)的非線性，伺服系統(tǒng)也是很復雜的。

　　3、在復雜環(huán)境下實現(xiàn)目標的分離、行為分析和運動跟蹤，特別是實現(xiàn)多目標的跟蹤。

　　上述兩點目前已有產(chǎn)品和應(yīng)用，但基本上在簡單環(huán)境下，針對少數(shù)目標的情況。在復雜環(huán)境(既通常的視頻監(jiān)控環(huán)境)下實現(xiàn)這些功能，是圖像內(nèi)容分析技術(shù)具有真正應(yīng)用價值的關(guān)鍵。同時、解決多個圖像的綜合分析，圖像間目標的關(guān)聯(lián)，目標跟蹤的連續(xù)。這都是市場迫切需要，目前還沒有解決的問題。

　　4、實現(xiàn)視頻語義的解析，圖像內(nèi)容分析的最高層次。通過對一個圖像序列作出分析，得出其包含的真實信息，可以與話音的語義解析(已有了初步的成果)結(jié)合起來，逐步實現(xiàn)視頻語義的解析，如通過對大量的、多渠道的圖像資料的分析，得出社會對某一事件的反映程度;分析和統(tǒng)計某類事件發(fā)生，發(fā)展的規(guī)律(概率及時間、地域分布等)。能夠進行這樣分析，表明機器具有了與人一樣的理解圖像的能力，但具有人所不能達到的效率。

　　這個過程是逐步發(fā)展、與時俱進的，沒有終極的結(jié)果。實現(xiàn)智能監(jiān)控的目標，要經(jīng)過不斷的技術(shù)積累，特別是核心技術(shù)的突破，它需要一個過程，不可能一蹴而就，認為監(jiān)控技術(shù)智能化已經(jīng)實現(xiàn)的觀點是不確切的。