安防监控行业发展至今，各项技术、功能都已经相当成熟，但是，目前也面临着产品同质化严重的状况。目前，不少厂商在智能化趋势推动下将自动跟踪技术列为自身创新的重头戏。

在智能视频监控系统中，通过对视频流的分析处理检测和跟踪场景中的人和车等目标，来自动完成场景中的行为分析。

这个分析处理过程一般可以分为低层处理和高层处理两个阶段，低层处理过程包括背景建模，前景检测，目标分类，目标跟踪等，高层处理过程包括目标运动分析，行为识别和行为理解。智能视频监控系统对视频流的常见的处理过程大致如下：

01 目标检测

运动目标的检测是整个系统对视频图像处理的第一步，它得到的结果将作为目标跟踪模块的输入，因此，目标检测的好坏对后续步骤完成的好坏有着重要影响。

运动目标检测是从视频图像中找出运动像素，并将其连成的连通区域提取出来。目标检测方法有很多，根据人是否参与检测过程，通常可以分为自动检测和半自动检测。

自动检测完全由计算机来完成，可以完成实时处理的任务。但在复杂场景中自动检测效果往往不够理想，会产生大量的误检测对象，所以它通常面向特定环境下的特定应用，通过预先调整好参数来完成指定的任务，如车流车量检测、大厅监测等等。

半自动检测通过人机交互来选择指定的目标，可以适用于复杂的场景，通常用于实验和视频压缩领域。常用的目标检测方法有帧间差分法、光流法和背景差分法。

系统首先要找出图像中感兴趣的部分，即检测运动目标，根据不同的检测方法，有不同的操作步骤，有些方法需要先通过背景建模的方法，然后再进行目标检测，有些方法则直接通过帧与帧之间的变化来找出运动目标。

02 目标锁定

这个过程与目标跟踪过程是既可以同步进行也可以异步进行的，这取决于采用的锁定方法，有些锁定方法只是根据单帧图像中目标的外观特征来进行判断，这种方法在检测到目标后就可以马上进行识别锁定；有些识别方法需要结合多帧图像目标的运动特征才能得到结论，这些方法则需要与目标跟踪过程紧密结合在一起。

目标锁定的方法也有很多种，一般可以把它们分为基于模板锁定的和基于特征锁定的方法。

通过锁定跟踪，即用户指定目标后，监控摄像机会自动跟踪该物体的运动轨迹。锁定跟踪技术是通过模板匹配算法实现的，它在广场这类大范围、人流量高的区域内也能有很好的监控效果，只要手动锁定被跟踪的目标之后，即便有其它移动物体在监控区域内也不会跟丢先锁定的目标。

锁定跟踪可设定为手动锁定和自动锁定。手动锁定跟踪通过鼠标在屏幕上对跟踪目标选择一个框，就锁定跟踪该目标。无论该目标运动或静止，都对其它移动物体进行自动跟踪，跟踪快速而且流畅。该功能适用于复杂环境下的治安监控。

而移动自动锁定跟踪则自动跟踪第一个移动目标，即谁先动就跟谁。若第一个移动目标停下来，有第二个目标移动，就会自动跟踪第二个移动目标。该功能适用于无人值守场合，如金库、军火库、电站等重要场所。

基于特征的锁定首先从目标区域提取一个或多个特征，然后根据特征库的匹配来确定目标的类型。目标的特征有很多种，如轮廓特征、边缘梯度特征、颜色特征、分散度、高宽比、运动周期性等。

03 行为分析

它用来分析运动目标的行为特征和可能目的，当判断目标有异常行为时及时发出警报通知工作人员。

行为分析是在成功实现目标检测与跟踪的基础上实现的，是更高层次的视频图像理解。目前主要用的方法有模板匹配法和状态空间法两种。

模板匹配方法首先要构建一个模板库，它为每一种行为构建一个形状序列，用以表示该行为发生的整个过程。然后从给定图像序列中通过采样抽取部分关键帧，提取运动目标的形状序列，然后拿这个序列跟模板库中的每一种行为序列进行比较，定义特定的相似度匹配算法来判断是否发生了某种行为。

状态空间法把每一种形状定义成一个状态，然后将这些状态之间的转换用概率来表示，那么对于采样得到的任何形状序列都可以看成是这些状态之间的相互转换。采用这种方法，采样间隔对匹配的影响就大大降低了，而且由于对同一种状态可以重复访问，所以对运动的持续时间也没有什么要求。

这些先进技术已经给安防监控行业带来了创新视野，随着产品可靠性提高，以及更多新技术的发展，视频监控系统智能化应用将更为广泛。