智能視頻的監控指的是：不需要人為干預的情況下，利用視頻、數字圖像處理，分析相關的技術，對視頻中的活動或者監控中實時、現在的目標，進行跟蹤與檢測，可對異常的情況，及時做出的反應效果；又可滿足日常的監控工作。

　　摘要：在視頻監控智能分析序列中，運動目標檢測正處于行業應用的前沿和發展方向，其在智能視頻監控過程中發揮了舉足輕重的作用。筆者根據工作研究實踐，對智能視頻監控運動目標檢測技術進行了簡要的闡述。

　　關鍵詞：智能科技論文,智能視頻監控,運動目標檢測技術

　　運動目標的檢測是：用計算方法的視頻以及數字圖像的處理，運動目標的區域，提取出來的。運動目標，視覺技術分析的第一個步驟是對運動目標的檢測、后續運動的目標跟蹤、分類、行為分析理解等；作為后續處理及分析的前提。隨著科技的不斷發展，社會上一系列安全事件頻繁發生，視頻監控系統無疑是一種安全防范的手段，在諸多方面取得了廣泛應用。然而，傳統的模擬和數字視頻監控系統只提供了一個簡單的視頻捕捉、傳輸、存儲、再現等功能。對視頻中的內容也只能靠人為判定，不能主動的向監控者提供監測信息。屬于視頻圖像序列內的智能視頻監控是從中自動對監控目標場景進行實時同步分析，并且跟蹤與識別其目標，把信息反饋出來和異常現象的警報等。所以，在動態目標檢測是視頻監控中的視頻序列的首要任務。一般背景物體的特性應在一段時間內固定的物體，活動物體應該為移動或短時間出現的物體。但是在現實中，由于背景圖像的動態變化所帶來的諸多影響，運動目標檢測是一個非常困難的工作。

　　1運動目標的檢測

　　1.1運動目標的檢測是什么

　　運動目標檢測是指：變化區域中的部分圖像，從背景圖像序列中被提取出來，使之成為一個有意義的實體。運動目標的檢測是智能監控中一個基礎但很關鍵的部分，是實現運動目標跟蹤、在識別與事件監測的前提下，運動目標的分割、精確檢測都會影響到運動目標的分類及跟蹤；而目標檢測的好壞將決定后續處理的效果。

　　1.2視頻監控系統中運動目標檢測流程

　　1.2.1視頻監控體系的硬件是怎樣構成的

　　如今已分為，實時監控系統和非實時監控系統。實時監控系統就是：把攝像頭裝在，需監控的場所中合適的位置，隨時監控該場景的景象，將其傳輸到監控中心，監控中心再對信號進行分析、判斷，由于實時的監控系統其對計算機的信息處理速度要求高，故而其不能兼顧準確性、實時性，所以實際的行業應用還是無法得到大范圍推廣。非實時視頻監控系統是指對已經存在的“過去時”的視頻進行分析和判斷，是目前視頻監控實際應用中的常用方法。

　　1.2.2視頻監控系統的處理流程是怎樣的

　　不管是非實時的還是實時的視頻監控系統，其關鍵所在都是計算機對視頻的處理。視頻監控系統對視頻的處理流程主要有5個部分：1）獲取序列圖；2）圖像的預處理；3）目標分割的提取；4）目標的匹配跟蹤；5）目標的行為分析。對視頻進行處理的時，整個系統之基石是如何處理噪聲，處理了噪聲后，將運動目標從圖像中找到，提取出運動目標的信息，然后，計算機通過原目標信息，與提取出運動目標的信息對比，最終，得到目標的真實信息，對運動目標進行檢測。

　　2運動目標檢測技術

　　作為計算機視覺領域中，一項很重要而又很高效的研究方向——運動目標檢測。人們一直都在對運動目標檢測技術進行研究，希望可以研究出一種適應所有普遍場景的運動目標檢測技術，不過因為有著復雜、多樣的監控背景的運動目標，可用于各行業各類監控場景的運動目標檢測技術還能大范圍得到應用和推廣。當前只能根據特定的場景和特定少量的運動目標進行智能分析，需要利用不同的檢測方法來進行運動目標檢測。目前，常用的運動目標檢測技術有以下幾種。

　　2.1光流法

　　光流是指：空間運動著的物體，被觀測面上像素點運動的時候，產生瞬時的速度場，其攜帶的信息有：動態行為及物體表面的結構等。給圖像中各個像素點，一個速度矢量就形成了一個圖像運動場；其運動時用投影將三維物體上的點對應圖像上的點，根據各個像素點、動態分析和速度矢量計算。這便是光流法檢測運動目標的基本原理。光流計算法由：基于頻域的、匹配的及梯度的光流計算法所組成。

　　2.1.1基于頻域的光流計算法

　　基于頻域的光流計算法是利用速度可調的濾波組輸出頻率或相應的信息，可以獲得高精度的初始光流估計；但其計算非常復雜也很難進行可靠性的評價。

　　2.1.2基于匹配的光流計算法

　　基于匹配的光流計算法又分為基于特征和區域兩種方法。前者是通過對目標的主要特征進行實時監控，不斷進行定位和跟蹤，對大目標的運動和亮度變化的監測具有較好的效果，但由于光流的稀疏性使得對特征的提取和匹配難度較大，精確度不高。基于區域的方法是指：通過對相似區域進行的定位以及位移計算光流，此法在視頻編碼中有著上佳效果；不過光流稠密性的計算上仍然存在問題。

　　2.1.3基于梯度的光流計算法

　　基于梯度的光流計算法是利用圖像序列的時空微分來計算光流，它的計算方法簡單，而且在早期的試驗中取得較好的效果，因此目前在廣泛的研究中，但由于在選擇計算光流時需要的可調參數的人工選取和可靠性評價因子上比較困難，即使基于梯度的計算方法雖然在光流估計上取得好的實驗效果，但在利用其對目標進行檢測與自動跟蹤上仍存在問題。

　　基于光流場，分析的運動目標之檢測方法是根據：各個光流矢量中所包含的各個像素之動態的信息，精確的計算出運動目標之速度，且還能檢測出，運動目標運動。不過噪聲會影響到光流矢量。所以光流不是單一的，且此法采用的是計算量很大的求解計算，要實時檢測運動目標，需有特殊的硬件支持。所以其多適用于目標運動速度和圖像噪聲均較小的場合。2.2背景差值的方法

　　背景差值的方法是指：常用的運動目標檢測法，運用于靜態背景下的運動目標檢測。背景差值法的原理是將前幀圖像和已有的背景模型圖像做差，得到的不同部分就作為運動目標的信息。此法的基礎是構造背景模型，常用的背景建模算法是高斯背景建模算法，而且這種算法還可以進行實時更新。背景差值法的優點是可以提取出運動目標的完整信息；但視頻監控中的場景是真實的場景，會受到很多外在因素環節的影響，比如天氣影響、以及噪聲影響等等，這些因素都會影響到運動目標的信息提取，有時甚至會被當成運動目標的信息被提取出來，所以當使用此法時需二次處理才能適用于視頻監控系統當中，從而確能保證檢測的效果。

　　2.3幀間差分法

　　幀間差分法是通過對連續兩幀或多幀的視頻圖像進行相減來得到差分圖像，在差分圖像上檢測運動變化的區域，再用區域上的灰度信息恢復之前的運動目標。此法是，在運動目標的檢測中，用得最多的算法之一。計算簡單、檢測目標速度快、自適應性較強、易于實現，是幀間差分法，在檢測運動目標中的優點。但缺點是不能檢測到完整的目標，不能對目標進行深入分析和識別，增加后續處理的難度，容易空洞運動實體內部所產生的現象。

　　2.4運動的能量法

　　運動的能量法是指：把連續圖像看成三維空間并計算空時梯度。運動的對象經過的位置像素空時梯度的一致性越高，梯度的能量就越大；因此可用來檢測運動目標。此法可以突出相同方向運動的對象，從而有效消除振動、非需的像素點，適合于復雜監控環境。不過此法不能準確分割對象，方法非常復雜，實現難度很大。

　　2.5人工的神經網絡

　　當前，在運動目標的檢測中，基于發展很快的是人工神經網絡的方法，這種方法通過將每幀圖像分成圖像塊，預處理圖像塊后將影像投到線性濾波器組，得到圖像模式，再把圖像分類，最后判斷運動目標是哪個圖像模式中的，這種方法可以識別出尺度和旋轉變形的目標，獲得的效果較好。

　　3結束語

　　智能視頻監控中的運動目標檢測是智能視頻監控技術中的一項核心技術，而隨著社會生活和生產的進步和發展，人們對視頻監控將會提出更高的要求，智能視頻監控將會在人們的生產和生活中運用的越來越廣泛，作為核心技術之一的運動目標檢測技術將會得到越來越多的關注。因此，應加強對運動目標檢測技術的研究和運用，促進其技術的完善和發展，從而推動智能視頻監控的廣泛運用，推動社會和諧和生活品質的提高。

　　參考文獻

　　[1]張正友，馬頌德.計算機視覺[M].北京：科學出版社，2001：53-59.

　　[2]代科學，李國輝，涂丹，袁見.監控視頻運動目標檢測背景技術的究現狀和展望[J].中國圖像圖形學報，2006，11（7）：919，927.

　　[3]李宏，楊延梧，任樸舟，等.基于光流技術的復雜背景下運動目標跟蹤[J].光電工程，2006（10）：13-17.

　　[4]萬衛兵，霍宏，趙宇明.智能視頻監控中目標檢測與識別[M].上海：上海交通大學出版社，2009.

　　[5]王麗娟.基于OpenCV與混合高斯建模的運動目標檢測[J].電子測試，2009（9）：86-90.

　　[6]金克瓊.視頻監控中運動目標檢測與跟蹤的研究[D].武漢：武漢理工大學，2010.