2004年笔者提出了“图像内容分析”的概念，当时许多人并不接受、不认可，但是后来都这样讲了。2009年又提出了“视频语义解释”的概念，开始也不被人认可，现在大家也都这么说了。提出一些新名词，不是搞文字游戏，而是希望通过对其技术内涵的理解，探索智能监控技术的发展之路。把“智能化”从抽象的概念转化为具体的课题和产品，从美好的愿景变成真实的体验。

　　视频监控技术正在从经典向现代转变，集中体现在监控系统的数字化、网络化和智能化的过程中。笔者认为实现这个转变的标志是：系统中信息流的形态由模拟的视频信号转变为数字流，摄像机不再是唯一的采集图像信息(生成图像)的设备(信源);系统由单功能、单向、集总式的信息采集网络转变为综合、交互、公布式的架构;系统实现图像信息的机器(自动)解释，改变主要以人的直接观察为提取图像有用信息(目视解释)的工作方式。系统中心设备将从以前端设备管理(控制与遥控、视频信号的分配与切换)为主转变为以图像处理(分析、识别、关联)为核心。

　　可以说，经典视频监控系统是以摄像机为核心的，在整个过程中、对摄像机产生的视频信号基本上不作任何处理，最后通过人的观察(目视解释)来获取图像的有用信息。现代视频监控系统则是以图像探测和图像处理为核心，通过图像信息的自动解释，极大地提高系统对图像信息的利用水平。如果说经典视频监控是人视觉的延伸，现代视频监控就是人的思维(大脑)的扩展。

　　智能监控

　　智能化是自动化的最高境界。表现为系统自主、优化地调节和准确、协调地互动。自动化系统分为三个层次：系统遥控、编程控制和自主动作。在视频监控领域主要表现在以下三个方面：

　　系统功能控制与联动

　　视频监控系统中的大多功能可以通过遥控来进行调节，如摄像机的方位、镜头的焦距和光圈等;也有一些功能可以通过编程控制来完成，如云台的转动(自动转、自动扫描、预置位)等;还有一些功能已可根据对图像的检测或分析实现自主、优化的调节。如自动光圈、目标的自动跟踪等。

　　图像信息的自动解释

　　图像系统最主要的特点是信息量大，因此，如何充分发挥这个特点，提高系统信息利用水平是视频监控系统始终追求的目标，图像信息的自动解释是必由之路。

　　目前，已有许多技术和产品应用，如通过指纹、人脸识别来进行个体身份识别，通过对图像的分析，发现异常状态来产生报警等，但这些技术和产品受环境因素的限制较大，在通常的视频监控环境中，成熟性和实用还较低，特别是对于多目标和复杂背景时。在监控环境下实现图像信息的自动解释是视频监控系统智能化的关键技术，是科研的重点和热点，也是拉动视频监控技术、安防技术科技进步的箭头。

　　系统自适应、自诊断、友好的界面

　　系统对环境的适应、对故障的自论断，以及友好的人机交互界面也是系统智能化的内容。它涉及系统控制、故障检测等多个方面，主要是对图像质量的监测、系统及设备工作状的监测。

　　以上几个方面以图像信息的自动解释最为重要和最为引入关注，它关系图像系统最核心的问题——图像信息的利用水平。可以说：图像信息的自动解释是监控系统智能化标志，是现代视频监控的基本特征。

　　视频监控智能化的途径

　　图像信息的自动解释有两个基本途径：一是图像识别，主要利用图像信息的空间分辨能力，实现个体的身份认证;二是图像内容分析、主要是利用图像信息的时间分辨能力，理解图像，进行目标行为的分析。

　　图像识别

　　主要是指通过对一帧图像中指定目标的特征识别，实现个体身份认证，典型的实例是人脸识别。研究证明，人的行为也是一种生物特征，如步态，眼部动作等。对人步态的分析可以用于个体的识别，但它是通过对一段图像序列的识别来进行个体身份的认证。无论什么方式，图像识别都有要求两个基本条件：一是定义特征;二是建立一定数量的样本数据库。定义特征，选择具有唯一性和相对稳定的特征来表示个体，如用人脸上的标志点来形成特征矢量。样本数据库，按特征的定义采集一定数量(根据应用)的样本特征，建立样本库。

　　图像识别的基本工作方法是：将现场采集的目标特征数据与样本库中的数据进行比对。这就这要求现场采集的特征数据和样本库数据具有相关(可比)性，因此必须建立一个适当限制的应用环境，才能保证系统正常的工作。

　　个体身份认证是安全系统最迫切的要求，近年来有了大量的成果，也有了初步的应用，主要有两种方式：第一是验证，识别监控目标，确认目标的身份及正在发生行为的合法性，是安防系统的功能和典型应用;第二则是识别，将现场采集的特征与样本库进行比对，确定目标的身份，以发现事件的相关线索，是侦察工作的典型应用。系统要建立海量的样本数据库。通常的视频监控系统达不到上述应用的环境条件。

　　图像识别系统包括图像输入、图像的预处理、特征的提取和图像的解释(识别)等技术环节和设备。其关键技术或难点在于实现系统能在一种适当控制的环境下，针对移动目标实时地运行，这些目标通过静止摄像机可能会产生大小不同、角度不同及光照效果不同的图像。并在各种可能的非最佳条件下进行识别，如由于年龄、面部表情、配饰(眼镜、帽子)及可能的伪装(化妆)造成图像的差异。就要求系统采用适当的图像输入方法和预处理技术，以保证图像特征有效地提取，样本的生成和数据库的建立。

　　图像识别的方法基本上分为统计方法和结构分析两类，前者是以数学决策理论为基础，建立统计学的识别模型，指纹、掌形的识别多采用这种方法，其特点是稳定，但很少利用图像本身的结构关系。后者则主要是分析图像的结构，它充分地发挥了图像的特点，但容易受图像生成过程中噪声干扰的影响。[nextpage]

　　图像内容分析

　　由于通常的监控系统不适合于进行图像识别，监控系统的智能化就必须寻找新的途径。图像内容分析就成了智能监控的切入点。图像内容分析，自主的定义(简单)特征，不与原始输入相对比;通过目标状态和行为的分析，理解图像内容(判断正常/不正常、预测趋势);通过图像关联，实现目标的识别。

　　图像内容分析分为两个层次：首先是视频探测，视频探测在模拟电视技术中就已得到了应用。在一幅上开图像一个窗口，检测其亮度电平的变化，就可以实现探测。通过一系列窗口的监测其亮度电平的变化，就可以实现运动探测。但它不是真正的视频探测，因为它不能确定目标。在数字视频基础上，首先确认图像中的探测目标，然后再进行其行为的分析，判断出图像中是否出现了“不正常”情况，及时发出报警。真正的视频探测，它可准确地判断事件，实现真实探测。视频探测还非常适于空间的多维探测和多参数探测，同时处理来自不同方位摄像设备的图像信号，可以做到对目标多方位的监控，实现对特定空间和目标的完全封闭;其次是视频语义解释，通过阅读一段图像，理解图像的内容(视频语义)并把它表达出来，它描述的不是图像本身，而是图像的结构及表现的内容、情节，既视频语义。根据语义可以对图像信息进行标引，在记录图像的同时，生成镜像的标引文件，然后可以通过标引文件对存贮信息进行快速和准确的检索;进而实现图像信息间的关联，图像信息与声音、图形、文本信息之间的关联，这是图像信息深化应用的前提。

　　图像内容分析研究的过程分四个阶段，产品和应用也分四个层面;第一是将(运动)目标从视频图像中分离出来。并能在简单环境下(单目标、背景单纯)对目标分类;第二是在简单环境下对目标进行行为分析，判定其运动的方向、方式、目标的复合或离散，发现和告警异常的行为;产生目标的运动轨迹，并能进行目标的自动跟踪;进行目标的统计、关联、过滤、趋势预测等。第三是在复杂环境(既通常的视频监控环境)下实现上述功能,并实现(单源、多源)图像的关联;第四是实现视频语义的解析，通过对一个图像序列的理解，做出视频语义解释。目前已有了一些成果，但尚不具实用性。其中第三个阶段是技术实用性的关键，达到了这一点，系统才具有应用价值，目前大多数产品还达不到这一阶段。

　　视频的语义解释是内容分析的最高境界，它表明机器具有了与人一样的理解图像的能力，但具有人所不能达到的效率，目前还达不到这个程度。关于图像结构和内容的描述还需要目视解释的帮助。前三阶段的工作可称为视频的半语义解释。主要是判断图像中是否出现了不正常的情况，还不能准确、充分地理解图像内容。

　　IPC给智能监控的启示

　　IPC(网络摄像机)是网络监控系统中的主要设备，有些知名厂家给它的新定义，为智能监控带来了有益的启示。通常认为摄像机是产生图像信息的设备，IPC就是产生数字流图像信息的设备。IPC的新定义则是：产生图像信息和增值信息的设备。增值信息包括：图像质量的信息，图像散焦、照度不足、图像(镜头)被污等造成的图像质量劣化;图像探测的信息，图像内容分析的功能，发现图像的不正常情况，发出相关(报警)信息;设备状态的信息，IPC状态及网络环境的监测，对故障进行自诊断，对环境能自适应，并发出相关信息。具备了这些功能，IPC具有了智能，成为智能监控系统的基本(最小)单元。

　　更有新意的是，IPC时的增值信息可以传递给相邻的IPC(互联、传送探测信息、传感网)：实现IPC之间、IPC与监控目标之间的互联和真实的感知与互动，这就是传感网(物联的基本单元)的概念。如实现多个IPC对监控目标的跟踪;全方位IPC对固定IPC发现目标的自动跟踪等。这样的系统就是真正的物联网。所以说：视频监控智能化是构建物联网的关键技术;IPC是构成物联网的重要单元。

　　上述架构对确定图像智能化的系统架构也有很好的启示，表明图像智能系统的最佳结构是：分布增强处理架构(DEPA)。视频的探测功能由前端设备完成，而图像信息综合分析、信息关联在系统后台进行。它符合图像信号的特点，在图像压缩前，图像数据流保持与空间图像在时间和空间上的一一对应关系，是进行个体识别、内容分析的最佳形态，压缩后的数据流没有了这种对应性，且有了损伤，进行上述处理的难度很大。所以IPC在生成图像信号的同时产生增值信息是最合理的技术路线。再有前端IPC传感网也是对监控系统监视区设计的最好说明。监控系统不能一个点、一个点孤立地去设计摄像机，要建立监控区的概念，对监控区内摄像机的配置(数量、选型、功能)、监控效果和目标进行整体的规划。

　　监控区的设计将增强系统实时监控的能力和效率;提高系统快速捕捉事件、获得完整信息的能力。业务部门在实战中总结了“八大战法”，通常是用人工控制或编程设计实现的。前者效率低，后者缺少与监控目标的互动。 IPC传感网可构成智能监控区，系统通过对监控目标图像的分析，自主地实现上述各种战法。

　　应用、实事求是

　　视频监控的智能化是逐步发展的过程，不可能一蹴而就，也没有终极的结果，要经过不断的技术积累，特别是核心关键技术的突破。当前，重要的不是“智能化”概念的推广，而是要具体明确：它可以做什么，做到什么程度，适应什么应用环境，以及科学的可操作的评出评价。本文之所以对基本概念进行解释，就是希望通过这样的定义，理解它的内涵，将智能技术从抽象的概念转化为具体的产品和课题，让人们真实地感受到实际的效果。