视频监控进入网络化、高清化之后，智能化已经成为安防技能的竞赛热门。视频监控前后端的智能剖析正在安防职业得到逐渐的运用，但鉴于二维建模剖析原理的局限性，智能剖析的准确度受限于运用场景的杂乱程度及芯片处理器的功用等条件，很显然，在技能范畴的笔直研制才能要处理现有的问题，并不是一件简单的事。那么，假如从二维的建模思想跳动到三维的立体空间建模，会不会带来智能剖析技能范畴改造性的开展?
文/赵勇
依据三维深度视觉信号处理技能的视觉传感器网络，关于智能剖析在场景运用中的准确率将从实质上得到提高，并处理用户从场景监控环境中取得人的轨道行为的火急需求。
三维摄像机的底子功用介绍
芯片处理
三维摄像机的智能剖析的中心是在前端进行人的轨道盯梢剖析，一起在后端也开放了SDK，将SDK里边的内容传到后台的服务器，客户能够依据事务需求在SDK的根底上进行二次开发。
建模
三维摄像机产品模型是三维模型，一种是三维的布景模型，在运用的场景中，热门和热区都是归于三维的。二维只能是在平面上画一个禁区，缺点在于有时分人底子没有进入禁区，可是当人遮挡禁区的时分就会发生误报，而三维的布景模型能够设一个球形、立方形，只需物体没有进入这个立方形的几许鸿沟，它就不会报警。另一种是远景建模，便是对所看到的物体进行形状的剖析，比方一个人拉着一个箱子或许推着一辆车，三维摄像机看到的每个物体都会用深度学习判别这个东西究竟是不是人。
数据结构化和云核算
三维摄像机未来将是一个数据结构化的产品，在录像中每个人从印象出来的轨道，都会变成结构化的数据存储到后台的服务器，然后台服务器的架构是规范的云核算的架构。每个摄像机本身便是一个云的Docker，三维摄像机安装在银行时，由于银行都运用了规范的服务器结构，运营起来不会有问题。而关于零售组织的后台服务器，由于直接能够布置在云端，所以在开端设计时，便是依照兼容云的结构去研制。
三维PK二维 智能剖析算法优劣势比照
要从底子上、光学上彻底处理二维智能算法准确率不高的难题，能够从三维核算机视觉去寻求打破。三维核算机视觉是采用了革命性的三维视觉传感器和三维视觉算法，实时捕捉和剖析场景的三维信息，处理了传统二维图画中的彼此遮挡、影随人动、份额混杂等问题，使得更高准确度和杂乱度的智能剖析成为实践。
彼此遮挡的问题
咱们知道，现在职业用的摄像机是二维的，成像原理是经过镜头完结小孔成像(如图1)，然后投影到一个二维的平面上，曾经的平面是胶卷，现在是半导体芯片的数码相机。成像的进程实质是没有改动的，一个三维的国际，压扁之后放在一个平面上，从智能算法的视点剖析，这个进程是形成准确度下降的中心。比方当两个人前后有遮挡时，那么在二维图形里边要把这两个人分隔来，难度比较大。而三维的摄像机，首要传感器是不一样的，它捕捉的是三维图画，每一个像素都是有颜色的，还有像素代表了物体到相机的肯定间隔。现在市场的某些摄像机像雷达，除了被迫的成像，还向外自动的发射微波的微观红外图画，相当于在场景里发射出一束激光，打在物体上，回来时携带了物体的几许信息。摄像机经过这种方法得到了立体的图画，知道什么东西在什么当地，它的结构是怎么样的。这种数据从实质上讲，给出了更丰厚的信息，能够让摄像机去处理更杂乱的场景，比方拥堵的场所(如图2)，即便一个人被挡住了，他显露的部分，仍是能够十分明晰地在图画里剖析出来，这也是为什么在杂乱的场景中，三维的智能剖析对人的盯梢远远比二维的要好。
影随人动的问题
其实，三维对光影改变的处理抗噪性特别的好，在视觉范畴，有一个现象叫“影随人动”，当物体的影子比较剧烈时，在二维的图画里边，影子会跟着人的移动而跟着移动，所以要把影子与人分隔很难，影子简单被误当做人。可是这个进程有一点是确认的，那便是影子始终是投影在布景上的，三维的传感器已然能够捕捉到物体的深度信息，所以即便有一个影子在布景上，摄像机也能够经过核算该影子与到相机的间隔来分辩其是否在布景上，对全体的剖析没有形成搅扰。
份额混杂的问题
在图画里边，物体的巨细与其实践巨细并没有联系，由于它还取决于这个物体到摄像机的间隔(如图3)。可是在三维图画里边，能够很准确地知道，这个物体在什么当地，它有多大多小。三维的摄像机有一个肯定标准的核算，有了肯定标准之后，就能够做到巨细、间隔、加速度的丈量等。但在二维摄像机里，没有肯定的标准，一切的都是相对标准，所以一切的丈量都是相对的。因而三维摄像机对人的行为能够进行更准确的丈量，比方人走了多少间隔、速度多快、身高多少，在三维剖析里边都有十分准确的丈量。
困难重重 三维摄像机在研制和运用上的难题
研制进程
首要从硬件上讲，这是一个更杂乱的产品，一些产品表面上看是有三个摄像机，其实是两个摄像机加一个投影仪，投影仪是把红外激光的印象进行投影。而别的两个摄像机，一个是颜色摄像头，一个是红外摄像头，红外摄像头就与投影仪彼此配合，进行深度算法剖析。
其次，从软件上剖析，比较二维更为杂乱，体现在对人的暴力程度、跌倒行为需求有更深度、准确的算法剖析。运算量越大，耗费的就越多。
别的，当时的产品运用，首要在室内，室外的产品也在研制傍边。室内与室外最大的不同在于成像原理，而第一代产品是依据红外结构光谱根底成像，宣布的红外光假如在室外，就简单被太阳光减弱。现在的产品在阴晴的气候环境下也能够作业，但在强光下就无法作业，所以要在室外作业，有必要要在成像原理上做打破。
场景运用
安防监控在曩昔的开展进程中首要是铺设备和提高摄像机的分辩率，可是这个进程给用户带来了巨大的苦楚——大多数安防监控的数据量更大了，而行为剖析的才能没有得到提高。许多客户需求更智能的产品，那便是不需求人去监看，或许需求人去看的数据很少，所以这儿蕴藏着十分大的市场需求，便是对人的行为的剖析。咱们知道，安防监控有许多方针，但最重要的方针是人，许多客户期望行为剖析里能把人的行为看得很清楚。
人的行为分许多层次，有些是微观行为，比方人有没有在桌上拿走一张钱，或许他的眉毛有没有皱一下，这种十分纤细的行为，这样的行为剖析现在还不能做到。当时职业做的行为剖析是依据人的轨道进行剖析，比方在银行里，有两种需求：第一种需求是在银行的经营厅里，客户想知道次序怎么样，每个人在干什么，有没有排队，有没有移动过快，有没有反常的挨近、跌倒或其他剧烈的动作。实践证明，假如在人群比较拥堵，人与人有遮挡等杂乱的情况下，用二维的智能算法去做剖析，精度十分差。
第二种需求是在银行内部的操作空间——灵敏的现金区、ATM加钞间和金库。在这些当地客户有十分强的事务需求，比方在加钞间的款箱被翻开的时分，监控画面要保证有两名作业人员来完结操作;在金库里边，人去了哪些当地，停留了多久……这些事务要求需求对人的行为进行检查和盯梢，再者假如人蹲了下去，或许人被遮挡了，摄像机还能准确检测到这个人是谁，那就对智能剖析算法的精度的要求比较高。而当时传统的依据二维的智能算法，还不能满意这些详细的事务需求。
未来开展
安全城市或许才智城市建设，便是期望把单个摄像机所发生的非结构化数据进行链接。三维摄像机有一个功用“活地图”，比方一个当地有一百个摄像机，具有一百个画面，但咱们不是给客户看一百个画面，而是给他看一个画面。里边每一个人的存在和移动都变成了一个小点，客户只需看一张图就能够知道这个场所发生了什么事情——人都在哪些当地，哪些当地人多、人少。白日的时分，客户就能够使用这些信息对流量进行准确的操控;夜晚的时分，便是安全需求，当有任何人闯进空间时，客户就能够对闯入者的方位、行为进行监控。这便是职业近期寻求的方针，把海量的视频数据查阅转变成看一张图，而更久远的方针是进行人的辨认——身份辨认和人脸辨认。
三维摄像机的身份辨认，要做到当一个人脱离一个摄像机进入别的一个摄像机时，三维摄像机能把他辨认出来，也便是要判别和确认两个摄像机里边呈现的是同一个人。而在人脸辨认方面，尽管当时的安防监控职业在人脸辨认中有了初级的运用，可是深度的辨认还没有成功。
(本文作者现任北京格灵深瞳信息技能有限公司联合创始人兼CTO)
