ITRI
神盾

以VCA分析技術簡化前端採集視訊量 降低監控系統維運負荷

  • DIGITIMES企劃
基於VCA分析技術將監控畫面分離為前/後景

前言:IP化的安全監控系統,除帶來系統全面數位化、網路化的優勢外,其實若能有效整合Video Content Analysis(VCA)系統架構,不僅使現有布署的視訊採集終端裝置更能發揮安全監控的加值效益,亦可使監控系統的維運人力達到最有效的發揮...

本文:

安全監控系統中,負責採集視訊畫面的終端攝影設備,是整體安全監控系統的效能關鍵,目前資料採集的環境不同,攝影機已有電動變焦PTZ(Pan、Tilt、Zoom)鏡頭整合,或是搭配全方位動作雲台,進行主動或是被動控制調整監控畫面的採集角度,甚至新一代的監控攝影機還可整合麥克風的動態音量感應或是擴音器進行嚇阻等作用,但這些功能屬於視訊採集的加值部分,對於傳輸效能與主動感知應用較無關連。

監控前端視訊採集 光靠H.264壓縮技術還不夠

目前的監控視訊採集端的技術發展,除了前述的附加功能或升級功能的整合應用外,其實攝影機本身在核心整合嵌入式系統,提供更多「智慧」採集功能應用,是目前網路攝影機的重要發展趨勢,而網路化的連接與控制機制,相形之下已成為數位監控攝影機的基本功能。

主流網路監控攝影機大多以H.264或MPEG-4為視訊壓縮格式,藉以壓低視訊傳輸的頻寬需求,減少網路系統的額外負荷,但光靠視訊壓縮技術的輔助降低的效益有限,必須在視訊資料採集端透過更有效率的機制,去大幅降低視訊資料傳輸頻寬需求。以一般監控系統的應用狀況,全日24小時發生危安狀況的時間可能僅有短短數十分鐘,而僅靠壓縮技術的數位監控系統,產生的龐大錄影視訊資料持續增加,造成儲存成本的提升。

視訊內容分析(Video Content Analysis:VCA)也稱為視訊分析技術,可透過嵌入系統直接整合入視訊採集系統,或是運用後端運算能力更強大的監控伺服器,去做更精緻的內容解析程序,藉以減少視訊儲存空間需求或是整合更智慧的主動監控提示功能。

增加攝影機提升系統安全性 相對也增加維運成本

常見的監控系統建構兩難,是當增加攝影機數量時,雖然提升了整體監控環境的系統安全性,但另一方面也必須配置相當人力進行監看、管理,先不計系統對於視訊儲存的相關處理成本,但增加攝影機已造成維運管理的額外成本,在舊的安控系統建置技術上,必須以增加人力去進行可疑畫面監看、篩選,以確認監控現場的安全狀況。

安控業界迫切需要開發可以降低為運人力、提高監控視訊監視效率的方法,其中以視訊內容分析VCA技術最受相關業者青睞,開發的相關技術逐漸成為安全監控產品市場產品差異化的功能設置重點。

VCA技術也稱為視訊分析器,為一種利用電子學方法去辨識連續視訊框內容的重要特徵,例如,在發生特定是訊框的觸發事件,能即時透過系統或網路告知維運人員辨識危機等級並進一步進行處置,加速安全監控系統的安全事件的回應速度。VCA技術可在擷取視訊自動搜尋管理者預設的特定內容,減少人工篩選可能因為疲勞或怠惰造成的危機誤判、忽視。

VCA的運作機制

目前VCA並未有一個國際標準,多為各安控設備業者自行發展,多數設於視訊採集端的VCA功能多半較維簡易,因為透過嵌入式系統運算還須兼顧H.264的壓縮控制與網路傳輸溝通,在有限的系統運作效能下能發揮的功能也較有限,例如,提供攝影機端的動態感應,整合僅有畫面有疑似侵入才進行視訊傳輸,或是動態感應點,在拍攝畫面即時以框線標註提示訊息或發出警訊,若是以系統建置的VCA分析器,其進階的偵測與提示功能更為完善,一般通用VCA流程如下:

Step1.視訊序列被分割成數個獨立場景或SnapShot,在不同場景產生對應的方塊圖或是色域分布圖,降低分析資訊的資訊量,讓VCA系統不需處理過多無意義資訊,若有特定視訊畫面Frame的方塊圖與前幾個Frame出現差異變化,VCA會將該場景標示為有變化的場景。

Step2. 監控畫面會區隔為前景與背景,前景為動態、背景為靜態畫面,兩者式分開獨立進行處理,VCA系統運算與分析能量會集中於前景變化進行分析,檢測場景中的前景變化。

Step3.每一組前景物件(被簡化為方塊)會被分割或擷取出來進行分析,隨後VCA系統會逐訊框Frame持續追蹤分析,並持續標示物件速度與位置。

Step4.如果VCA透過條件判斷,確認該物件必須進行進階識別,即會自視訊內容取出物件特徵進行物件區隔分類。

Step5.若觸發物件經辨識屬於危險或值得提醒監控者的內容,則會自預設的條件資料庫,選擇合適的提示方式、機制與內容,告知管理者觸發事件可能類型,與建議處置方式。

Step6.如果管理者未處理或產生逾時處理,沒有即時取消警示提示,VCA系統必須自條件資料庫,選擇合適的自動處理機制進行後續告知,例如,在監控Log檔記錄標示日期、時間、畫面SnapShot,或同時將警示與連線的警政單位做系統告知處置。

觀察VCA系統的處理流程,會發現VCA系統的準確度與低誤判率關鍵在於,前景/背景的精確分離、動態物件位置/移動速度、條件處理資料庫的演算法完善度,若基礎的前景/背景分離出現問題,或是誤判,後面的動態分析基礎即全盤皆墨,成為沒有效率或是根本無用的輔助機制。

前景/背景分離演算機制

一般來說,VCA必須能將前景與背景進行分離,或是將不感興趣的物件列為背景,藉此增加VCA系統的回應效能,此部分在資料採集端可透過視訊晶片即可達到對應的基礎功能效果,搭配參數進行性能的最佳化調校。而背景與前景分離的演算機制,必須透過確認背景初始化的階段,若背景判斷有些微誤差,隨著監控時間拉長,會讓誤差越來越大,影響監控效果。

更繁雜的前景/背景分離檢測機制,為利用統計的方法去建構出背景模型,而指定視訊框內的每組背景像素被建構為符合高斯分布隨機變數模型,每個像素平均和標準差,則會依據視訊框的視訊資料跟著時間產生改變。

物件識別/追蹤

當VCA系統機制處理完前景/背景分離,會即時產生一模塊,因為監控環境會持續產生各式雜訊,此會干擾後續的判斷與處理,對於單一物件組成方塊可能無法產生結構化的連結,必須將所有方塊組成一有關連的物件才能有效分析動作,否則VCA系統將會回饋一堆莫名其妙的大量動態訊息與移動資訊,這是維運者所不樂見的狀況。

此時必須將模塊加上標示方塊去進行圈選,圈選的範圍以區域範圍計算前景像素,得到每個物件的邊界外框並進行物件追蹤演算。

分類處理與條件反饋

VCA系統的追蹤物件複雜度,將會使物件分類產生更多衍生問題,例如,物體的實際外觀與尺寸、移動速度,可以作為監控畫面的監控主題分類基礎,而更精細的分類需要更大量的資訊輔助,但在效能與實用度考量,分類的項目可能無法太過精細,也必須放棄更多細節去實踐系統即時回饋、反應的設計目的。

而除了物件分類考驗較大外,高效能、高精準度的VCA系統,還有許多問題尚待克服,例如監控畫面的天候變化,如晨昏、中午、夜晚,或是拍攝水塘的水面波紋會隨風向與風的強弱產生變化,甚至天氣如下雨、晴天、下雪、霧氣所導致的光影變化,都將影響VCA系統分離前/後景的機制精準度,如果又碰上所追蹤的物件數量較多,行進速度不一、路徑呈現交叉狀況,都會導致前/後景像素部分重疊或分離,影響判讀效能,系統可能必須透過DSP或多處理器提升處理效能。