原本洁净的墙面，被人乱贴小广告、电话或者乱涂乱画等，有碍市容。有了智能监控系统设备，就能及时发现这样的涂鸦行为，并及时告警。

公园、广场、车站等公众场合，人流众多，任何突发的危害人身安全的行为都可能造成重大损失和负面影响。智能识别系统，能及时发现人或车辆的异常行为，突然奔跑、摔倒，追打等行为，系统都会及时发现并提醒管理者。

视频监控是通过获取监控目标的视频图像信息，对视频图像进行监视、记录、回溯，并根据视频图像信息人工或自动地做出相应的动作，以达到对监控目标的监视、控制、安全防范和智能管理，已被广泛应用于军事、海关、公安、消防、林业、堤坝、机场、铁路、港口、城市交通等众多公众场合，随着技术的进步和成本的降低将逐渐普及到家庭安全防范和娱乐应用。监控技术经历了很多不同的阶段，图像监控技术是视频监控的核心内容。

早期的视频监控是以摄像机、监视器(电视机)组成的纯模拟的视频监控系统，称为闭路监视系统。其特点是一个摄像机对应一台监视器(电视机)的监视，只能监控范围很小的区域。随后出现了视频切换设备，改变了摄像机和监视器(电视机)的1对1的方式。并且随着单片机技术的不断完善，闭路监视系统加入了多路视频切换、摄像机云台/镜头控制和报警联动等数字控制功能，实现了数字控制的模拟视频监控系统,这些统称为第一代视频监控系统。

20世纪90年代中期，随着计算机处理能力的提高和视频技术的发展，人们利用计算机的高速数据处理能力进行视频的采集和处理，从而大大提高了图像质量，增强了视频监控的功能。这种基于多媒体计算机的系统称为第二代视频监控系统，即模拟输入与数字压缩、显示和控制系统。因为核心设备是数字设备，因此可以称为数字视频监控系统。

到了20世纪90年代末特别是近两三年，随着网络带宽、计算机处理能力和存储器容量的迅速提高，以及各种实用视频信息处理技术的出现，视频监控进入了全数字化的网络时代，称为第三代视频监控系统，即全数字视频监控系统或网络数字视频监控。第三代视频监控系统以网络为依托，以数字视频的压缩、传输、存储和播放为核心，以智能实用的图像分析为特色，引发了视频监控行业的技术革命。

本世纪初，随着以TI公司的TMS320C6000系列、Philips公司的Trimedia、Equator公司的BSP-15等为代表的高性能DSP的出现，由嵌入式处理器来实时完成高速、大数据量的视频/音频编解码处理成为可能，结合网络通讯技术，使集可编程图像/声音编解码、本地存储、网络传输和自动化技术为一体的嵌入式数字视频监控系统应运而生。以DSP为核心的嵌入式数字视频监控系统，配合嵌入式实时操作系统，可以以应用为中心，根据应用对功能、可靠性、稳定性、成本、体积等的综合要求，对软/硬件进行裁剪，以满足视频监控发展的两大需要：数字化和网络化。

目前监控领域最流行的是嵌入式DVR（数字视频录像机或数字硬盘录像机）系统，使用TI的DM642或ADI的BF561等DSP芯片。

从功能上讲，视频监控可用于安全防范、信息获取和指挥调度等方面，可以提供生产流程控制、大型公共设施的安防，也能为医疗监护、远程教育等提供各种服务。

从应用领域上看，视频监控在各行各业都得到了广泛的应用，除了档案室、文件室、金库、博物馆等重要部门的监视和报警，在公共场所进行安全监控，在其他经济和生活领域进行管理和控制也是必不可少的。

具体应用实例有:

:营业大厅监控、金库的监控、自动提款机及自助银行监控等。

电信/电力领域:交换机房、无线机房、动力机房等的远程监控、变电站、电厂等的远程无人值守监控。

商业市场:商场的保安监控、超级市场的出入口监控、码头、货柜、大型仓库的监管等。

军事领域:基地安防、公安侦破、监狱法庭管理等。我国有上万公里的海岸线和边境线，与多个国家毗邻。准确及时地掌握边海防区域的军事情况，对于有效保卫祖国的领海和领土，在未来战争中做出快速反应、掌握战争主动权有着极其重要的意义。建立边海防远程视频监控系统，对关键口岸、哨所和敏感地区实施监控，就能使我军情报部门直观、及时地监控边海防前线的当面情况，提高情报获取的实时性和综合处理能力，也能有效防止偷渡、出逃、走私、贩毒等非法行为。

:高速公路收费管理、交通违章和流量监控、公共交通车辆牌照管理、公路桥梁铁路机场等场所的远程图像监控等。有效的交通管理是我国各大都市面临的难题。智能视频交通控制系统能及时提供各路段的车辆流量和路况信息，记录违章车辆，以便实现准确快速的交通指挥调度，达到充分利用现有的道路资源，提高突发交通事故的处理能力，从而为人们的出行提供快捷舒适的交通服务。

社区物业管理:住宅小区、办公室的安全防范、智能大厦、停车场的无人监控等。

只需在现有的家庭微机上增加USB摄像头和相应的软件系统，就可实现功能强、价格低、性能可靠的数字化家庭监控系统。系统自动检测在家中采集到的图像，当发现异常时，通过Internet和短消息中心向用户指定的电话号码发送短消息，并将现场图像以Email方式发送给用户。用户收到短消息后通过检查Email就可对家中情况有清楚的了解。此外，用户出差在外时，也可以远程登录到家中计算机，观看家中安全情况或家人的生活健康状况。

电信咨询公司博通智信日前在《国内外视频监控业务市场研究报告（2005）》中称，到2005年底，中国视频监控行业应用市场总产值将达到182亿元人民币。比上一年增长20．5% ,中国视频监控行业应用市场未来几年将继续保持20%左右的增长速度。

——中国监控网目前我国的视频监控市场已经规模启动，这项业务的发展前景不可估量。行业用户市场快速扩张。个人用户市场巨大潜能亟待开发。2008年北京奥运会举办在即，预计到2008年，科技强警示范城市将达到180个。“平安城市”的建设促进了视频监控市场的迅速增长，预计到2008年，全国约有200万个监控摄像头用于城市监控与报警系统。

——中国信息产业网2007年中国网络视频监控业务市场规模达到26.36亿元，预计2011年将达到86.61亿元，未来5年之内都将保持约38%的年增长率。

——中国信息产业网

虽然目前监控摄像机在商业应用中己经普遍存在，但并没有充分发挥其实时主动的监督作用，因为它们通常是将摄像机的输出结果记录下来，当异常情况(如停车场中的车辆被盗)发生后，保安人员才通过一记录的结果观察发生的事实，但往往为时已晚。而我们需要的监控系统应能够每天连续24小时的实时智能监视，并自动分析摄像机捕捉的图像数据，当异常发生时，系统能向保卫人员准确及时地发出警报，从而避免犯罪的发生，同时也减少雇佣大批监视人员所需要的人力、物力和财力的投入。

智能视觉监控就是要用计算机视觉的方法，在不需要人为干预的情况下，通过对摄像机拍录的图像序列进行自动分析，实现对动态场景中目标的定位、识别和跟踪，并在此基础上分析和判断目标的行为，从而做到既能完成日常管理又能在异常情况发生的时候及时做出反应。

智能监控系统的需求主要来自那些对安全要求敏感的场合，如银行、商店、停车场等。另外，智能监控系统在自动售货机、ATM机、交通管理、公共场所行人的拥挤状态分析及商店中消费者流量统计等方面也有着相应的应用。

智能监控系统——手机视频监控报警系统是安防进入民用化领域的一套智能系统，该系统集成了手机监控与手机防盗报警两大系统 ，当有非法人员闯入禁区防区或者火灾煤气泄漏等紧急情况时，系统主机会第一时间给指定用户拨打电话及发送短信或email！用户收到电话短信时可以第一时间用手机或者电脑查看监控区域的画面。消除了传统监控系统马后炮及传统报警系统误报出警的顾虑！该系统集成了无线门磁、无线烟感等无线报警配件信息，有效的提高了监控系统民用化的特性。深圳市凯特科技有限公司是专业从事手机视频监控产品，该产品的配套手机软件即凯特守护神能与视频监控及家庭报警联动至手机短信或电话中。该产品也是一款智能家居安防监控防盗系统：该系统系网络但无需电脑即可独立完成！本地存储器24小时录像，异地可通过上网手机或电脑可观看及操作家中所有监控画面。系统自带无线报警模块，可匹配无线门磁、探头、烟感器等无线报警触发设备，当有人闯入监控防区，系统会自动打电话、发短信、邮件给指定的4位手机用户，同时本地会产生声光警笛。远程用户收到警情电话、信息后可以通过上网手机或电脑查看监控画面情况，并通过手机控制摄像机旋转角度及焦距、报警系统布防撤防，同时启动手机录像功能并处理警情。

要进行场景的视觉监控，环境模型的动态创建和更新是必不可少的。在摄像机静止的条件下，环境建模的工作是从一个动态图像序列中获取并自动更新背景模型。其中最为关键的问题在于怎样消除场景中的各种干扰因素，如光照变化、阴影、摇动的窗帘、闪烁的屏幕、缓慢移动的人体以及新加入的或被移走的物体等的影响。

运动检测的目的是从序列图像中将变化区域从背景图像中提取出来。运动区域的有效分割对于目标分类、跟踪和行为理解等后期处理是非常重要的，因为以后的处理过程仅仅考虑图像中对应于运动区域的像素。然而，由于背景图像的动态变化，如天气、光照、影子及混乱干扰等的影响，使得运动检测成为一项相当困难的工作。

对于人体监控系统而言，在得到了运动区域的信息之后，下面一个重要的问题就是如何将人体目标从所有运动目标中分类出来。不同的运动区域可能对应于不同的运动目标，比如一个室外监控摄像机所捕捉的序列图像中除了有人以外，还可能包含宠物、车辆、飞鸟、摇动的植物等运动物体。为了便于进一步对行人进行跟踪和行为分析，运动目标的正确分类是完全必要的。但是，在已经知道场景中仅仅存在人的运动时(比如在室内环境下)，这个步骤就不是必需的了。

人体的跟踪可以有两种含义，一种是在二维图像坐标系下的跟踪，一种是在三维空间坐标系下的跟踪。前者是指在二维图像中，建立运动区域和运动人体(或人体的某部分)的对应关系，并在一个连续的图像序列中维持这个对应关系。从运动检测得到的一般是人的投影，要进行跟踪首先要给需要跟踪的对象建立一个模型。对象模型可以是整个人体，这时形状、颜色、位置、速度、步态等等都是可以利用的信息；也可以是人体的一部分如上臂、头部或手掌等，这时需要对这些部分单独进行建模。建模之后，将运动检测到的投影匹配到这个模型上去。一旦匹配工作完成，我们就得到了最终有用的人体信息，跟踪过程也就完成了。

采用多个摄像机可以增加视频监控系统的视野和功能。由于不同类型摄像机的功能和适用场合不一样，常常需要把多种摄像机的数据融合在一起。在需要恢复三维信息和立体视觉的场合，也需要将多个摄像机的图像进行综合处理。此外，多个摄像机也有利于解决遮挡问题。

事件检测、行为的理解和描述属于智能监控高层次的内容。它主要是对人的运动模式进行分析和识别，并用自然语言等加以描述。相比而言，以前大多数的研究都集中在运动检测和人的跟踪等底层视觉问题上，这方面的研究较少。近年来关于这方面的研究越来越多，逐渐成为热点之一。

智能监控具有广泛的应用前景和潜在的经济价值，从而激发了世界上广大科研工作者及相关人士的浓厚兴趣，尤其在美国、英国等国家已经开展了大量相关项目的研究。例如，1997年美国国防高级研究项目署(DefenseAdvancedResearchProjeCtSAgency)设立了视觉监控重大项目VSAM主要研究用于战场及普通民用场景进行监控的自动视频理解技术。实时视觉监控系统不仅能够定位人和分割出人的身体部分，而且通过建立外观模型来实现多人的跟踪，并可以检测人是否携带物体等简单行为。英国的雷丁大学(UniversityofReading)己开展了对车辆和行人的跟踪及其交互作用识别的相关研究;国际上很多权威期刊将智能监控中人的运动分析研究作为主题内容之一，为该领域的研究人员提供了更多的交流机会。

在我国，这方面的研究近几年才开展起来的。中国科学院自动化研究所模式识别国家重点实验室己经成立智能视觉监控研究组，开展这方面的研究，目标是实现一个动态场景集成分析演示系统并最终推向实用。第一届全国智能视觉监控学术会议于2002年5月25一26日在北京市西郊宾馆成功举行。国内有一些视频监控方面的产品，如Anychat、黄金眼、行者猫王等，应用于交通控制，监狱管理等方面。另外，国内产品还有数字硬盘录像系统(DVR)，将监控区域内有运动对象出现的情况录制下来，以备查询，该系统只是简单的检测出有无运动对象，而没有对运动对象做任何分析。

由于国内的研究起步较晚，技术还不够完善，开发出的产品距离智能化还有一定差距，在实际的应用中，受到很多限制，还有待于进一步的完善。

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。

快速准确的运动分割是个相当重要又是比较困难的一个问题。这是由于动态环境中捕捉的图像受到多方面的影像，比如天气的变化，光照条件的变化，背景的混乱干扰，运动目标的影子，物体之间或者物体与环境之间的遮挡，以及摄像机的运动等。这些都给准确有效的运动分割带来了困难，以运动目标的影子为例，他可能与被检测目标的相连，也可能与目标分离，在前者情况下，影子扭曲了目标的形状，从而使得以后基于形状和基于状态空间模型的方法定义每个静态姿势作为一个状态，这些状态之间通过的识别方法不再可靠;在后者情况下，影子有可能被误认为为场景中一个完全错误的目标。尽管目前图像运动分割主要利用背景减除方法，但如何建立对于任何具有自适应性的复杂环境中动态变化的背景模型仍是相当困难的问题。一个可喜的发展是，一些研究者们正利用时空统计的方法构建自适应的背景模型，这对于不受限环境中的运动分割而言是个更好的选择。

目前，大部分智能监控系统都不能很好地解决目标之间互遮挡和人体自遮挡问题，尤其是在拥挤状态下，多人的检测和跟踪问题更是难处理。遮挡时，人体只有部分是可见的，而且这个过程一般是随机的，简单依赖于背景减除进行运动分割的技术此时将不再可靠，为了减少遮挡或深度所带来的歧义性问题，必须开发更好的模型来处理遮挡时特征与身体各部分之间的准确对应问题。另外，一般系统也不能完成何时停止和重新开始身体部分的跟踪，即遮挡前后的跟踪初始化缺少自举方法。当然，可喜的进步是利用统计方法从可获得的图像信息中进行人体姿势、位置等的预测;不过，对于解决遮挡问题最有实际意义的潜在方法应该是基于多摄像机的跟踪系统。

二维方法在早期智能监控系统中证明是很成功的，尤其对于那些不需要精确的姿势恢复或低图像分辨率的应用场合(如交通监控中的行人跟踪)。二维跟踪有着简单快速的优点，主要的缺点是受摄像机角度的限制。而三维方法在不受限的复杂的人的运动判断(如人的徘徊、握手与跳舞等)、更加准确的物理空间的表达、遮挡的准确预测和处理等方面的优点是用于行为识别;同时，三维恢复对于虚拟现实中的应用也是必需的。目前基于视觉的三维跟踪研究仍相当有限，三维姿势恢复的实例亦很少，且大部分系统由于要求鲁棒性而引入了简化的约束条件。三维跟踪也导致了从图像中人体模型的获取、遮挡处理、人体参数化建模、摄像机的标定等一系列难题。以建模为例，人体模型通常使用许多形状参数所表达。然而，目前的模型很少利用了关节的角度约束和人体部分的动态特性;而且过去的一些工作几乎都假设3 D模型依据先验条件而提前被指定，实际上这些形状参数应当从图像中估计出来。总之，3 D建模与跟踪在未来工作中应值得更多的关注。

使用单一摄像机的三维人的跟踪研究还很缺乏，身体姿势和运动在单一视角下由于遮挡或深度影响而容易产生歧义现象，因此使用多摄像机进行三维姿势跟踪和恢复的优点是很明显的。同时，多摄像机的使用不仅可以扩大监视的有效范围，而且可以提供多个不同的方向视角以用于解决遮挡问题。很明显，未来的智能监控系统将极大受益于多摄像机的使用。对于多摄像机跟踪系统而言，我们需要确定在每个时刻使用哪一个摄像机或哪一幅图像。也就是说，多摄像机之间的选择和信息融合是一个比较重要的问题。

一般而言，鲁棒性、准确度、速度是智能监控系统的三个基本要求。例如，系统的鲁棒性对于监控应用特别重要，这是因为它们通常被要求是自动、连续地工作，因此这些系统对于如噪声、光照、天气等因素的影响不能太敏感;系统的准确度对于控制应用特别重要，例如基于行为或姿势识别的接口控制场合;而系统的处理速度对于那些需要实时高速的监控系统而言更是非常关键。因此，如何选择有效的工作方案来提高系统性能、降低计算代价是个特别值得考虑的问题。同时，如何利用来自不同用户、不同环境、不同实验条件的大量数据测试系统的实时性、鲁棒性亦相当重要。

随着智能监控中对人的运动分析研究和其它相关技术的发展，下述几个方面己经成为未来的发展趋势:

音频与视觉相结合的多模态接口

人的相互交流主要是依据语言，过去的许多工作是语音理解，但语音识别受距离和环境噪声的限制，尤其在机场等高噪声环境，将会严重影响语音识别的性能。人的可视化描述与语音解释一样重要，研究者们正逐渐将语音与视觉信息集成起来以产生更加自然的高级接口。当前一些接口系统在视觉方面仅仅做了如脸的表情、身体姿势等的大尺度分析，但还不能分析大多数人的正常姿势，这意味着人机之间的通讯仅局限于几个特定的姿势，这个局限是人的姿势结构的不易理解造成的，而且跟踪多人的系统由于来自摄像机的分辨率、计算机处理能力和视角的影响而不能准确的估计身体姿势。为了完成优化尺度和广域的分析，可以寻求准确实时的多摄像机的信息融合方法，以便机器更好地理解人的通信行为。目前音频和视频的信号处理相对独立，如何更好地集成音频和视频信息用于多模态用户接口是一个严峻的挑战。

人的运动分析与生物特征识别相结合

在智能房间的门禁系统、军事安全基地的视觉监控系统、高级人机交互等应用中，人的运动分析与生物特征识别相结合的研究日益显得重要。在人机交互中不仅需要机器能知道人是否存在、人的位置和行为，而且还需要利用特征识别技术来识别与其交流的人是谁。目前的研究主要集中在人的脸像识别、步态识别或特定行为的识别。近距离时一般可以通过跟踪人脸来加以身份识别;如果是远距离的监控，脸的特征可能被隐藏，或者分辨率太低不易识别，然而进入监控领域的人的运动步态是可见的，这激活了步态作为一个独特的生物行为特征应用于人的身份鉴别。由于人的步态具有易于感知、非侵犯性、难于伪装等优点，近来己引起了计算机视觉研究者们浓厚的研究兴趣。

行为理解与描述高层处理的转变

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，而这些限制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。

1、车流总量（辆/小时）：由用户设定的时间间隔内检测到车辆数量。

2、车辆速度（公里/小时）：时间间隔内的平均速度。超过和低于用户设阀值速度的车辆速度。

3、车间距（米）：相邻车辆之间的距离。

4、车辆密度：侦测监控视场内车辆的拥护程度。

5、排队：可检测车辆的排队长度。

6、逆向行驶：反方向行驶的车辆。

7、跨线行驶的车辆：不按标线行驶的车辆。

8、违章停车：在非法停车处停车的车辆。

9、跨线行驶的车辆：不按标线行驶的车辆。

10、车牌识别：对违法车辆进行车牌抓拍。

IV应用程序的智能实际上是对视频图像的一种数学分析算法，及其对分析后所产生的数据结果的应用。该功能所带来的优势包括：

降低带宽占用率

当智能视频应用集成到网络视频设备后，只需要在网络上传输更少的数据便可以达到与原来同样的效果。

提高人力资源利用

智能系统带来更高的工作精度和更少的误报警，提高发现威胁安全事件先兆的识别率。

更好的决策支持，同时提供音频和视频的分析。例如，玻璃破碎的声音，一旦您在系统中预定义该声音需要得到重视，那么该声音会触发PTZ网络摄像机自动转向到事发地点。

国际智能监控发展态势

世界监控市场发展史不到30年，从技术层面上分全模拟、模拟-数字、准数字、全数字、高清与视频分析（智能化）等五个时代发展进程，国内现存监控大部分处于第二代、第三代的状况。部分能够达到国际先进水平，得益于海外华人不断把国际先进监控技术的发展信息与国内监控专业技术人员的潜心研究紧密结合。

第五代智能化监控技术迅速上市，得益于知识经济时代，得益于世界反恐、政治安宁、人民生活水平提高等发展因素和需求。2003年—2004年国际上出现了具有初级智能分析和处理的监控系统，2007—2008年，中、美、日、以等国家几乎同步上市成熟的智能、高清类监控，服务于部队、交通、银行等重要机构的监控需求。

第五代智能化监控技术的核心在于视频分析编码算法，中外合璧的全球鹰科技人员充分吸收了背景减除方法、时间差分方法等编码算法的优点，将计算机视觉与人工智能的研究深入到实用领域，使GE技术具有超大的数字化、网络化、智能化、系统化及超大规模组网能力，可以判断几乎任何类型的人类活动，还能解决以往依靠其他探测技术无法解决的问题。

GE技术完全兼容目前的模拟监控和数字监控，达到国际监控领先水平。在不改变现有监控系统的情况下，通过GE核心技术、核心设备和软件编程，让客户监控变成智能（如图像高清、视频分析和处理、超大信息容量和快速调取图像等性能），自动地达到各种报警功能的联动管理（包括手机短信、直拨、视频联机等），享受多元智能、人机交互的幸福生活。