WOLL与您浅析视频监控图像处理技术
近几年随着监控行业的发展以及平安城市等大型工程的建设，成千上万的视频图像给广大工作人员带来无力管理和监看等问题。应用视频监控图像处理技术对视频画面中的海量数据进行高速分析，过滤掉用户不关心的信息，仅仅为监控者提供有用的关键信息，从而解决了视频量大工作人员无力监管等问题，因此受到越来越多的关注
视频图像处理技术源自计算机视觉技术。计算机视觉技术是人工智能研究的分支之一，它能够在图像及图像描述之间建立映射关系，从而使计算机能够通过数字图像处理和分析来理解视频画面中的内容。视频监控图像处理技术依赖于计算机视觉技术，运用图像处理算法，在不需要人为干预的情况下，通过对摄像机拍摄的视频图像序列进行自动分析，实现对场景中目标定位、识别和跟踪，并在此基础上理解和描述目标的行为。根据行为特征分析并从图像中寻找满足预先设定的行为特征的事件，如：目标跟踪、徘徊、遗留物、物品遗失、人数统计、人群密度、人员倒地等。
随着计算机视觉技术的不断发展和完善，未来视频监控图像处理技术将向着图像语义的第三层抽象语义方向发展。按照图像语义的复杂程度可将图像语义分为三个层次：第一层是特征语义层。通过图像的底层视觉特征如颜色、纹理及形状等及其组合来提取相关语义描述；第二层是对象语义层。通过识别和推理找出图像中的具体目标对象及其相互之间的关系，然后给出语义表达；第三层是抽象语义层。通过图像包含的对象、场景的含义和目标进行高层推理，得到相关的语义描述。这个层次的语义主要涉及图像的场景语义、行为语义和情感语义。
目前计算机视觉技术还不能达到对目标进行高效识别的水准，导致了描述对象层语义和抽象层语义比较困难，因此现在对于图像语义特征的研究集中在语义特征模型的第一层，即特征语义层。视频监控图像处理技术采用的图像处理算法也主要集中在特征语义层，目前的视频监控图像处理技术主要是通过图像颜色、纹理等相关语义描述提取目标信息，该过程获得的语义信息较少，因此对复杂多变的场景适应能力较弱，同时很难识别和分析更多的行为和异常事件。
未来视频监控图像处理技术将向着抽象语义层发展，识别出更多图像信息，如图像中的场景（沙滩，天空等）、图像中对象的行为及活动（足球比赛，游泳比赛等）以及图像给人带来的主观感受（高兴，生气等），可以像人类视觉一样认知场景中的目标，并对目标进行分析处理，得到用户感兴趣的图像部分，由于该过程突破了“语义鸿沟”的限制，也即计算机获取的图像视觉信息与用户对图像理解的语义信息一致，因此对目标信息的提取准确，并且受外界因素影响较小，能够适应复杂多变的场景。
近年来，随着计算机、网络以及图像处理、传输技术的飞速发展，视频监控系统正向着高清化、智能化和网络化方向发展。视频监控系统的高清化、智能化和网络化为视频监控图像处理技术的发展带来机遇的同时也带来了挑战。
高清视频图像包含大量的图像信息，为视频监控图像处理技术向着抽象语义层的发展奠定了理论基础，同时由于高清视频的数据量大，导致视频监控图像处理技术的运算速率下降，视频的实时性降低。为适应监控系统的发展趋势，视频监控图像处理技术可从两方面进行改进：第一、从图像算法层改进，可以选择适应能力更强同时效率更高的图像处理算法，以保证视频图像的实时性。第二、从视频监控图像处理技术所依撑的硬件资源层改进，目前视频监控图像处理技术在监控系统中的应用主要包括采用基于PC的视频图像处理的后端应用，以及基于嵌入式的视频图像处理的前端应用。基于PC的后端应用，其优势在于资源丰富，而且产品的更新速度很快，能够不断的适应市场的需求。