六种IVS分析技术之间的区别 - 安防知识网

IVS技术主要是指对摄影机所拍摄的影像进行分析，获得影像中的运动目标信息，提取语意级别的事件信息，从而做出反应的一种技术(也有针对移动摄影机影像进行分析的技术，但不是IVS产品的主流)。

　　IVS的主要框架分为前景检测、目标检测、目标跟踪、目标分类、轨迹分析、事件检测等几个部分。下列分别简单介绍这六种分析技术的差异。

　　一、前景检测技术：是将「图像中变化剧烈的图像区域」(blob)从图像背景中分离出来。前景检测技术的实现方法包括帧差法、多高斯背景建模及非参数背景建模等方法，各种方法的复杂程度不同，对于各种场景的适应能力也有很大差异。

　　二、目标检测技术：是指分析「图像中变化剧烈的图像区域」在影像序列中的状态，将具有稳定存在状态及运动规律的区域作为运动目标再提取出来。

　　三、目标跟踪技术：是指利用运动目标的历史信息，预测运动目标在本帧可能出现的位置，并在预测位置附近搜索该运动目标。目标跟踪技术也有多种实现方法，包括连接区域跟踪、模板匹配、粒子滤波等等，这些方法在不同场景下的表现也有较大的差异性。

　　四、目标分类技术：是指对跟踪成功的目标进行分类，一般将目标分为人和车辆两类，也有一些特殊应用会对目标进行其它类型的分辨。目标分类技术会利用一些图像特征(包括目标轮廓、目标尺寸、目标纹理等)实现目标类型的判别。

　　五、轨迹分析技术：是指对跟踪成功的目标运动轨迹进行分析，对运动轨迹进行平滑及误差修正，使目标运动轨迹更加接近于真实状态。

　　六、事件检测技术：是指将目标信息与用户设定的报警规则进行逻辑判断，判断是否有目标触发了报警规则，并做出报警响应。

　　有时为了提高IVS在某些场景下的性能，一些附加模块也会被加入算法框架。例如「抗震动模块」可以提升该技术在摄影机震动情况下的处理效果;「阴影抑制模块」可以提升该技术在阴影严重的室外场景下的处理效果;「车灯抑制模块」可以提升该技术在光照剧烈变化场景下的处理效果;「碰撞处理模块」可以提升该技术在目标图像频繁及互相遮挡场景下的跟踪准确度。

　　在IVS技术的常用框架下，大多数模块都有多种实现方案，仅前景检测一项就有多达7～8种选择(或者更多)，这些实现方案之间的复杂度差异很大，它们的稳定性及性能差异也非常明显。如果在上述框架下采用简单易用的方案来实现各个模块，要建置一套IVS技术并不是非常困难，但是其性能及其对各种场景的适应能力就很难得到保证。这就是为什么各种IVS产品提供的功能大同小异，却存在很大性能差异的原因。

　　举例来说，简单的帧差法就可以实现前景检测，在稳定简单的场景下该方法也可以得到较好的前景检测结果，但是在影像发生变动或者光照变化时，大量的静态图像区域就会被当作前景误检出来。

　　一套性能优越的IVS技术在算法设计过程就需要考虑监控场景中可能出现的各种复杂情况，内部的各个算法模块必须要具有对复杂场景的适应性，并且加入各种附加模块以提升IVS技术对特殊场景的处理效果。