如今智能攝像機(jī)的組成及其硬件技術(shù)已然相對(duì)穩(wěn)定和完善，要最終實(shí)現(xiàn)智能攝像機(jī)的監(jiān)控任務(wù)和智能技術(shù)還必須要軟件功能的密切配合，高效率的視頻編解碼技術(shù)及其高效的計(jì)算機(jī)視覺(jué)算法是智能攝像機(jī)的核心技術(shù)，為攝像機(jī)實(shí)現(xiàn)智能分析任務(wù)提供了重要的技術(shù)保障。從視頻采集到智能結(jié)果結(jié)構(gòu)化輸出主要包含：運(yùn)動(dòng)目標(biāo)提取、運(yùn)動(dòng)目標(biāo)跟蹤、運(yùn)動(dòng)目標(biāo)歸類和運(yùn)動(dòng)目標(biāo)行為分析及其結(jié)構(gòu)化描述等步驟，下面就一一介紹。

1.運(yùn)動(dòng)目標(biāo)提取

運(yùn)動(dòng)目標(biāo)提取是智能分析的準(zhǔn)備工作，根據(jù)這個(gè)工作攝像機(jī)能夠從圖像序列中將變化區(qū)域從背景區(qū)域中提取出來(lái)，運(yùn)動(dòng)目標(biāo)的高效提取將大大減少后續(xù)過(guò)程的運(yùn)算量，對(duì)于后期的目標(biāo)識(shí)別和行為分析具有重要意義，當(dāng)前比較主流的方式有背景減除法、時(shí)間差分法和光流法，最經(jīng)典的全局光流場(chǎng)計(jì)算方法是L-K (Lueas&Kanada)法和H-S(Hom&Schunck)法。

2.運(yùn)動(dòng)目標(biāo)跟蹤

運(yùn)動(dòng)目標(biāo)的追蹤，即根據(jù)目標(biāo)的高效表現(xiàn)，在圖像序列中找到與目標(biāo)模板最相似候選目標(biāo)區(qū)位置的過(guò)程。簡(jiǎn)單說(shuō)，就是在序列圖像中為目標(biāo)定位。運(yùn)動(dòng)目標(biāo)的高效表現(xiàn)除了對(duì)運(yùn)動(dòng)目標(biāo)建模外，目標(biāo)跟蹤中常用到的目標(biāo)特性表現(xiàn)主要包含：視覺(jué)特征(圖像邊緣、輪廓、外形、紋理、區(qū)域)、統(tǒng)計(jì)特征(直方圖、各種矩特征)、變換系數(shù)特征(傅里葉描繪子、自回歸模型)、代數(shù)特征(圖像矩陣的奇異值分解)等。除了采用單一特征外，也可根據(jù)融合多個(gè)特征來(lái)提升追蹤的可靠性，當(dāng)前主流的方式有：根據(jù)區(qū)域匹配追蹤算法、根據(jù)輪廓匹配追蹤算法、根據(jù)特征匹配追蹤算法。

3.運(yùn)動(dòng)目標(biāo)歸類

運(yùn)動(dòng)目標(biāo)歸類，顧名思義，從檢測(cè)到的運(yùn)動(dòng)區(qū)域中將特定類型的物體提取出來(lái)，比如歸類場(chǎng)景中的人、車輛、人群等不同的目標(biāo)。當(dāng)前比較主流的方式有根據(jù)運(yùn)動(dòng)特性的歸類和根據(jù)外形信息的分類。

4.運(yùn)動(dòng)目標(biāo)行為分析

行為分析是智能攝像機(jī)的重要目標(biāo)之一，也是視頻監(jiān)控在維護(hù)公共安全中的重點(diǎn)難點(diǎn)問(wèn)題。行為分析涉及計(jì)算機(jī)視覺(jué)、模式識(shí)別、人工智能等多個(gè)領(lǐng)域。它是在對(duì)視頻圖像序列進(jìn)行低級(jí)處理的基礎(chǔ)上，根據(jù)分析處理監(jiān)控場(chǎng)景的圖像、視頻，獲取監(jiān)控場(chǎng)景的信息或場(chǎng)景中運(yùn)動(dòng)目標(biāo)的信息，進(jìn)一步研究圖像中各目標(biāo)的性質(zhì)及其相互之間的聯(lián)系，從而得出對(duì)客觀場(chǎng)景的解釋和高層次的語(yǔ)義描述，經(jīng)常借助于神經(jīng)網(wǎng)絡(luò)和決策樹(shù)來(lái)進(jìn)行行為分析。