第１２卷第９期 ２００７年９月 中国图象图形学报
Ｊｏｕｒｎａｌ ｏｆ Ｉｍａｇｅ ａｎｄ Ｇｒａｐｈｉｃｓ Ｖｏ１．１２．Ｎｏ．９ Ｓｅｐ．，２００７
智能视觉监控技术研究进展
王素玉 沈兰荪
（北京工业大学信号与信息处理研究室，北京１０００２２）
摘要新一代智能视觉监控技术的研究是一个极具挑战性的前沿课题，它旨在赋予监控系统观察分析场景内容
的能力，实现监控的自动化和智能化，因而具有巨大的应用潜力。视觉监控系统的智能化分析过程由运动目标检
测、分类、跟踪和视频内容分析等几个基本环节组成，其中视频内容分析又包括异常检测、人的身份识别以及视频
内容理解描述等。本文在总结以上有关关键技术研究进展的基础上，进一步提出将超分辨率复原技术引入视觉监
控领域，介绍了超分辨率复原的主要算法及其在智能视觉监控中的应用。
关键词 智能视觉监控 目标检测 目标跟踪 步态识别 行为理解和描述
中图法分类号：ＴＰ２７７ ＴＰ３９１ 文献标识码：Ａ 文章编号：１００６—８９６１（２００７）０９．１５０５—１０
Ｉｎｔｅｌｌｉｇｅｎｔ Ｖｉｓｕａｌ Ｓｕｒｖｅｉｌｌａｎｃｅ Ｔｅｃｈｎｏｌｏｇｙ：Ａ Ｓｕｒｖｅｙ
ＷＡＮＧ Ｓｕ－ｙｕ，ＳＨＥＮ Ｌａｎ—ｓｕｎ
（Ｓｉｇｎａｌ＆Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ Ｌａｂｏｒａｔｏｒｙ，Ｂｅ ｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｂｅｉｊｉｎｇ １０００２２）
Ａｂｓｔｒａｃｔ Ｔｈｅ ｒｅｓｅａｒｃｈ ｏｎ ｎｅｗ ｇｅｎｅｒａｔｉｏｎ ｏｆ Ｉｎｔｅｌｌｉｇｅｎｔ Ｖｉｓｕａｌ Ｓｕｒｖｅｉｌｌａｎｃｅ ｉｓ ａ ｎｅｗ ａｒｉｓｉｎｇ ｆｏｎｔ ｆｉｅｌｄ ｗｉｔｈ ｍａｎｙ
ｃｈａｌｌｅｎｇｅｓ．Ｉｔ ａｉｍｓ ｔｏ ｅｎｄｏｗ ｓｕｒｖｅｉｌｌａｎｃｅ ｓｙｓｔｅｍｓ ｗｉｔｈ ｔｈｅ ａｂｉｌｉｔｙ ｏｆ ａｎａｌｙｚｉｎｇ ｓｃｅｎｅ ｃｏｎｔｅｎｔｓ，ｍａｋｅ ｓｕｒｖｅｉｌｌａｎｃｅ ｔａｓｋｓ
ＭｉｃｒｏｃｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓＶｏ１．２４，Ｎｏ．８，２００８ 技术交流 微型电脑应用 ２００８年第２４卷第８期
文章编号：ｌ００７—７５７Ｘ（２００８）８－００３６—０３
基于ＤＳＰ的智能视觉监控系统
徐显日 戴在平
摘要：提出基于人脸检测与跟踪的智能视觉监控系统。采用运动和肤色特征提取包含人脸区域的检测算法，并使用多层分
类器定位人脸、ＣＡＭＳｈｉｆｔ算法实现人脸的及时跟踪。在ＤＭ６４２ ＤＳＰ上实现算法。系统达到了８帧／ｓ处理速度，基本满足
视频监控的要求。 关键宇：人脸检测；边缘能量；Ｇｅｎｔｌｅ Ａｄａｂｏｏｓｔ；ＣＡＭＳｈｉｆｌ；ＤＭ６４２ 中图分类号：ＴＰ３９１．４ 文献标识码：Ａ
０引言
近年来，针对银行犯罪活动日益猖獗，已经引起各方的
广泛关注。多数银行监控系统都能录取犯罪分子前往银行提 款的镜头，辨认出犯罪分子的身高，衣着等特征，但往往难
以清楚辨认犯罪分子的相貌。从侦察与取证的角度出发，要
求银行营业场所的安全监控系统捕捉犯罪分子清晰的脸部
特征，为侦破案件提供证据。因此，要求能够在输入视频图 像中确定所有人脸的位置、大小，并跟踪视频图像序列中人
脸的位置的运动轨迹，并在适当的时机捕捉其清晰的正面
像。 针对传统监控系统存在的问题，提出基于人脸检测与跟
踪的银行营业场所智能视觉监控系统，结合ＤＳＰ高速处理、
功耗低、易于小型化等特点，实现人脸检测与跟踪算法。
１基本算法简介
系统的信号处理流程框图如图１所示。
输入视频； 图像预处理｝＇Ｈ提取背景｝ 运动区域Ｉ
——————一…—————————．、一——————！！ —一 样＿奉 肤色建 肤 类｝ 肤 ｌ删Ｉ
＾ 样本 预 Ｃ缘ａｎ捡ｎｙ ￣｝
一 一——ｊ — ｊ｝ 样
赣
输出
Ｉ 正面人脸Ｉ侧面人脸 －Ｈ分类器；分类器
翻像后处｛【图像后处
。ｆ： ｌ 董￡
图１信号处理流程框图 对输入的视频进行预处理（图像去噪和图像增强），再 利用运动检测和肤色信息提取侯选人脸区域，在候选区域内
第1篇
随着科技的飞速发展，人工智能技术在各个领域中的应用越来越广泛。其中，智能视觉识别技术作为人工智能领域的重要组成部分，已经在工业、医疗、安防、交通等多个行业发挥着重要作用。本文将详细介绍智能视觉识别解决方案，包括其技术原理、应用场景、优势及发展趋势。
一、技术原理
智能视觉识别技术是基于计算机视觉、图像处理、机器学习等领域的交叉技术。其基本原理如下：
1. 图像采集：通过摄像头、传感器等设备采集图像或视频数据。
2. 图像预处理：对采集到的图像进行去噪、增强、缩放等处理，提高图像质量。
3. 特征提取：从预处理后的图像中提取关键特征，如颜色、纹理、形状等。
4. 特征匹配：将提取的特征与数据库中的已知特征进行匹配，找出相似度最高的特征。
5. 识别与分类：根据匹配结果，对目标进行识别和分类。
6. 结果输出：将识别结果输出到控制系统或用户界面。
二、应用场景
1. 工业领域：智能视觉识别技术在工业领域具有广泛的应用，如生产线自动化、产品质量检测、机器人导航等。
2. 医疗领域：在医疗领域，智能视觉识别技术可用于辅助诊断、手术导航、疾病监测等。
3. 安防领域：智能视觉识别技术可用于人脸识别、车辆识别、行为分析等，提高安防系统的智能化水平。
4. 交通领域：智能视觉识别技术可用于交通信号控制、无人驾驶、道路监控等。
5. 农业领域：在农业领域，智能视觉识别技术可用于作物病虫害检测、产量估算等。
6. 生活领域：智能视觉识别技术可用于智能家居、人脸支付、无人零售等。 三、优势
1. 高精度：智能视觉识别技术具有高精度识别能力，可满足不同场景的需求。
2. 高效率：与人工识别相比，智能视觉识别技术可大幅提高工作效率。
3. 智能化：智能视觉识别技术可实现自主学习和适应，提高系统智能化水平。
4. 广泛应用：智能视觉识别技术具有广泛的应用场景，可在多个领域发挥重要作用。
5. 降低成本：智能视觉识别技术可减少人力成本，提高企业竞争力。
智能视频监控及分析技术在综合安防系统中的应用
摘要：随着科学技术的发展，我国的智能视频监控系统有了很大进展，并在综合安防系统中得到了广泛的应用。在城市建设过程中，视频监控系统更是发挥了不可替代的作用。目前，视频监控技术得到了广泛的应用和发展，其在安防领域发挥着重要作用。文章首先对智能视频监控系统系统介绍，其次探讨智能视频监控存在的问题，最后就智能视频监控及分析技术在综合安防系统中的应用进行研究，旨在为相关行业的工作人员提供参考。
关键词：视频监控；智能视频；分析；安防系统
引言
智能视频分析技术有效地深度集成到监控系统中来，以弥补传统监控的不足并将监控人员解放出来集中处理关键业务，以达到提高监控系统的精确度和智能化可控度越来越得到人们的高度重视。
1智能视频监控系统系统介绍
智能视频监控系统是基于人工智能机器视觉分析、移动互联网技术、GPS定位技术、大数据技术为一体的可视化集群平台，通过软硬件结合，集单设备、移动监控、手持终端和网络平台等多类型设备联动功能的系统。系统通过便携式监控监测设备对生产现场的视频、图像和有害气体浓度进行实时采集，经过4G/5G通信网络上传至远程服务器上，经人工智能机器视觉分析，将智能报警结果上传到可视化大屏、办公电脑及其他智能终端（智能手机、Pad等），以便现场工作人员采取必要措施及时处理生产中的异常。该系统是对传统视频监控观念的革新，不仅可以实时提取和筛选企业生产环节的视频，还可以对视频内容进行分析和及时预警，彻底改变了传统视频监控只能记录无法分析的被动状态。在系统中，安全生产监控监测智能化的难点在于是否能提供与安全生产场景相匹配的高精度人工智能算法和与算法高度兼容的AI硬件系统，随着近年科学技术的发展，此难点已经得到妥善解决。目前，很多工业企业都具有良好的硬件基础资源，在企业重点区域都安装了智能视频监控系统，例如：一座煤矿的监控摄像头数量就多达近千台，实现了井上、井下重点场所全覆盖。
