桂林长海发展有限责任公司
摘要：随着室内和室外监控摄像头数量的不断增加，对可以检测异常事件的智能系统的需求也越来越大。虽然对人类行为的识别是计算机视觉中一个受到高度关注的课题，但异常行为检测的研究可能还不够全面。事实上，为了确保人类安全，本文对视频监控的发展以及相关技术手段进行了研究，为智能视频监控技术的未来发展提供意见和参考。当然，我们也从尽可能多的方面对智能视频监控展开研究。还提供了可用于绩效评估的数据集和指标。
关键词：智能，视频监控
引言：视频中的人类行为的识别是计算机视觉领域的一个活跃领域，近年来越来越受到研究人员的关注。此主题对于许多应用非常重要，例如视频监控、场景建模和视频内容注释和检索。此前的几次关于人类运动检测和分析的调查、行为分析和理解和活动识别都对这一问题进行了研究。最近，研究人员研究了几种基于计算机视觉技术的方法，以识别一个人进行的简单活动，如跑步和步行。研究人员回顾了与人类活动识别的不同阶段相关的技术，这些阶段是对象分割、特征提取、表示和活动分类。特别是在视频监控应用中提出了运动分析和活动识别技术。事实上，在视频监控中发现异常行为对于确保火车站和机场等室外和室内场所的安全至关重要。异常行为检测是人类行为识别的一个特殊问题。随着监控摄像机数量的增加，由于人员注意力不集中和疲劳，安全人员监督多个监视器的任务变得非常困难。此外，异常事件相对较少，不经常发生。这使监督任务更加复杂和具有挑战性。因此，对智能视频监控系统的需求日益增长，该系统能够自动检测异常行为并提高警报。
一、发展智能视频监控技术的主要意义
当现代社会对效率的要求越来越高，智能技术的有效应用可以满足这一需求。视频智能分析技术的发展，极大地拓展了视频监控系统的作用效能，使监控系统更加智能化，大幅度降低了资源与人员配置，全面提升了相关工作的效能。事实上，以前曾对视频监控系统进行过调查。例如，有研究人员介绍了自动监控系统异常检测的概况。还有人介绍了在不同情况下对视频监控应用中的异常人类行为方法进行了调查。最新的研究审查了智能监控系统用于监控公共空间的不同技术。对人群监控录像中的异常事件检测方法进行了调查。本文对视频监控应用中现有的方法进行了广泛的审查，突出了当前异常行为检测领域的进展。智能视频监控系统的目标是从大量视频中有效地检测有趣的事件，以防止出现危险情况。通常，此任务需要不同的视频处理级别。第一个由两个步骤组成。首先，提取低水平特征，旨在检测现场的兴趣区域。然后，生成基于低级特征的原始文来描述兴趣区域。第二级提供有关人类行为的语义信息，并确定行为是否正常。
二、智能视频监控技术的现状及相关技术
近年来，智能视频监控技术在全球蓬勃发展。它给我们的社会和生活带来了活力和便利。它也极大地改变了传统监控模式。各个层面对人类的影响越来越深，给我们带来了更多的机会和可能性。为了抓住这项技术的发展机遇，世界各国都加紧了发展计划，通过财政支持，制定了符合国际发展和国内情况的行动计划。自 2013 年以来，鉴于智能视频监控技术行业巨大的市场规模，世界各国纷纷推出应对策略，以抢占智能视频监控技术产业发展的制高点。
（一）行为表征是行为分析的底层处理步骤。它的目的是捕捉视频中描述目标物体的相关特征。它包括两个步骤。首先，基于低层特征检测场景中的感兴趣区域。然后，提供该区域（目标对象）的描述。事实上，这一水平是困难和具有挑战性的，因为它极大地影响了对兴趣对象行为的理解。事实上，行为表征的主要挑战是找到对许多变换最常用的行为表示特性。
（二）分类异常行为识别方法。视频监控中的异常行为检测是计算机视觉中的一项具有挑战性的任务，并且最近取得了重要进展。低级处理阶段允许检测和描述场景中的移动物体。但是，这些步骤不允许理解移动对象执行的操作类型，也不允许确定其行为是否正常。
（三）绩效评估步骤不仅对于衡量拟议系统的效率至关重要，而且对于将其与其他系统进行比较也至关重要。有多个关于视频监控系统的评估项目。
例如，TRECVID是视频检索评估领域的一项国际运动。它提供监控事件检测任务，旨在根据实时事件检测来评估监视系统的性能。事实上，评估阶段必须报告有多少异常行为被识别，有多少假警报是使用公共视频数据集产生的。
三、智能视频监控技术的改进研究
作为一种有效的安防监控手段，智能视频监控系统越来越多地引起社会的关注与重视。社会和政府已将智能化视频监控技术的研究上升到战略高度，从政策、法律、经济、应用等多方面规划，以推动该项技术的发展。改进智能视频监控技术的关键在于核心技术的改进，算法的精进。
（一）建模框架和分类方法。识别异常行为取决于建议的框架和用于对行为进行分类的方法。鉴于学习过程所需的样本类型（正常或异常），分类方法可分为监督、半监督和无人监督的方法。监督方法旨在通过标记的数据对正常和异常行为进行建模。半监督方法只需要正常的视频数据进行培训，即可分为基于规则和基于模型的方法。无人监督的方法旨在利用从未标记数据中提取的统计礼仪来学习正常和异常行为。
（二）场景密度和移动物体交互。现场的密度与现场内的人数相对应。为了描述行为而选择的技术直接受到场景密度的影响。因此，现场的移动物体可以是少数人（可能是单人）或一组人。因此，我们区分两种类型的场景。第一种类型称为不拥挤的场景，其特点是在摄像机场内同时出现一个或几个人。第二种类型被称为拥挤的场景，因为它包含许多人。
（三）数据集。智能视频监控技术中大量提出的异常行为识别方法表明，异常行为识别方法是广泛研究的领域。对用于视频监控系统评估的公共数据集的需求日益增长。事实上，这些数据集可以归类为拥挤和不拥挤的场景。
（四）随着监控行业的发展，智能监控系统技术不断进步，逐步形成门类齐全的智能监控体系。当特定监控区域的任何运动物体及属性变化时及时报警，当特殊场所有被丢弃无人照看的物体时及时报警，当展览厅、博物馆等场所内重要物体移位时及时报警，当目标发生运动模型不匹配的行为时及时报警。通过自动识别目标特征，进行数据库档案目标身份比较识别。通过对复杂环境的自动视频理解，收集监控区的可疑信息，提高监控人员的环境感知能力。
四、结束语
在本次审查中，我们研究了视频监控系统的不同层次，即行为表现和行为建模。首先，我们调查了用于功能提取和描述的最流行的方法。然后，我们提供了行为建模的不同分类方法和框架的全面概述。此外，我们还介绍了用于视频监控系统评估的最具有挑战性的数据集和评估指标。最后，我们在现实世界中展示了一些现有的智能视频系统。尽管在异常行为识别领域取得了重大进展，但存在一些限制，使其更加困难和具有挑战性。事实上，选择用于描述移动对象的特征是一项困难的任务，因为它对行为的描述和分析有重大影响。
参考文献：
[1]叶崇京.智能视频监控系统的设计与实现[J].信息与电脑（理论版），2018（8）：8-10.
[2]林宗跃.智能建筑中的安防监控系统[J].电子技术与软件工程，2018（17）：252.
[3]刘慧，熊先青，于克，等.板式定制家具智能分拣系统及其应用[J].林产工业，2019，46（5）：54-58.
[4]王蓓蓓，刘文金，陈耿，等.基于Holt-Winters算法的定制家具生产需求预测研究[J].林产工业，2018，45（1）：44-47.
[5]汪海,王羽中,汪源.视频监控系统中智能分析技术的集成应用[J].中国新通信,2018(21):114.
作者简介：袁冯（1990--），男，汉族，籍贯：湖北鄂州，单位：桂林长海发展有限责任公司，职称：助理工程师。