智能监控的研究难点
发布网友
发布时间：2022-11-25 02:27
共1个回答
热心网友
时间：2023-10-08 07:20
尽管在智能监控领域已经取得了一定的进展，但是在以下几个方面仍是今后研究的难点问题。 人的行为理解是需要引起高度注意并且是最具挑战的研究方向，因为观察人的最终目标就是分析和理解人的个人行为、人与人之间及人与其它目标的交互行为等。目前人的运动理解还是集中于人的跟踪、标准姿势识别、简单行为识别等问题，如人的一组最通常的行为(跑、蹲、站、跳、爬、指等)的定义和分类。近年来利用机器学习工具构建人行为的统计模型的研究有了一定的进展，但行为识别仍旧处于初级阶段，连续特征的典型匹配过程中常引入人运动模型的简化约束条件来减少歧义性，而这些*与一般的图像条件却是不吻合的，因此行为理解的难点仍是在于特征选择和机器学习。目前，用于行为识别的状态空间方法和模板匹配方法通常在计算代价和运动识别的准确度之间进行折中，故仍需要寻找和8开发新的技术以利于提高行为识别性能的同时，又能有效地降低计算的复杂度。另外，如何借助于先进的视觉算法和人工智能等领域的成果，将现有的简单的行为识别与语义理解推广到更为复杂场景下的自然语言描述，是将计算机视觉低、中层次的处理推向高层抽象思维的关键问题。
现在越来越多的视频被记录下来，但由于时间的关系，这些视频信息很少会被完整的分析。在这种情况下，智能视频(Intelligent Video，IV)应用程序由此发展起来。新的智能视频(IV)系统 可获取车牌的视频图像并将此信息数字化，然后与数据库中的内容进行交叉比对。人数统计和绊网则是智能视频(IV)应用的另一些实例。
由于在前端设备中提供了此类智能功能，可直接对原始数据进行分析，并减少工作人员的工作量。智能网络摄像机永远不会空闲，他始终出于警戒状态，等待一个动作的触发来启动录像。移动侦测功能可用于特定的警报设置，以适应各种不同的特殊环境和事件强度。
智能视频将原始视频数据变成可操作的信息。监控系统提供的智能信息可支持决策者在紧急情况下作出高质量的决策。而类似人数统计等新的商业机会将会出现。
