视频监控智能化趋势下的图像识别原理及应用

        视频监控智能化主要体现在三个方面，一是系统功能的自动化；二是图像信息的自动解释；三是自主进行故障诊断和自主适应周边环境。其中最重要就要算是图像信息的自动解释，因为它最能体现视频监控系统的价值，也是我们现在图像技术进步的一个箭头。

 

        图像信息自动解释的应用主要包括下面几个方面：一是图像识别，图像识别主要有两方面的应用，分别是验证和识别；二是图像内容分析，一般包括视频探测、目标识别、目标的分离，行为的分析统计和简单目标的跟踪等等；第三方面是视频语义的解释，主要是实现图像信息的结构化，通过结构化来实现数据的融合、关联、浓缩、摘要，以及其他的快速检索，还有就是通过一些简单的特征来实现搜图；第四，图像信息的自动解释的最高层次应用就是大数据，通过大数据来预测和预警社会的各种状态，比如社会自然动态风险的预测和预警和空间状态的监测。

 

        图像识别

        图像具有记录时间和空间的能力，图像识别主要采用图像信息对时间和空间的分辨能力。一个图像空间的不同位置，有不同的亮度分布，比如说两个人的照片不同，这就是空间，利用空间的分辨能力我们可以实现个体的身份的认证。那么图像或者视频是一个连续的动态过程，播放过程中两帧图片的差别就是时间的分别能力。通过时间的分辨可以进一步理解图像，也可以进行目标的识别，但通常时间分辨还是用来进行目标状态和行为的分析。

        就图像识别来讲，一般情况是对一帧图像中指定目标的特征，去进行辨识来实现个体身份的认证。

 

        实际上人对个体的识别很多是采用行为识别这种方法，人和人之间的识别很少是利用面部特征来识别的，比如看到前面人行走的背影，你就知道是谁。目前在测谎领域很早就采用了这种技术，当一个人被问到一些问题的时候，不自觉的出现嘴角抽搐、眨眼睛、手去捏衣服等动作，就可以发现一个人心理的变化，这虽然还不能算作个体的识别，但是这种技术已经证明它可以反映一个人基本的特征。

     图像识别在验证方面的基本工作方法就是现场采集的目标特征变成数据，通过和以后特征数据库中的信息进行对比，找出具有同一性的个体，从而判断身份的过程。这还存在一个前提条件，要建立稍加限制的环境，就是现场采集的状态要和建库状态差不多，否则无法完成比对。比如建库采集的是人正脸的图像，现场采集到的是侧脸图像，就无法完成验证比对了。

    总体来说，图像识别已经在视频监控智能化总体趋势的推动下，迎来突飞猛进的发展，当建立起足够完备的数据库和稳定的对比标准，图像识别就能真正的发挥威力了，不但可以帮助警方破案缉凶，还能及时发现社会潜在威胁，从海量数据中揪出不稳定因素，助力未来平安城市和智慧城市平稳运行。