【中國安防展覽網 企業關注】在當前以高端裝備制造為核心的智造工業4.0時代背景下，隨著“中國制造2025”戰略的深入，工業智能機器人產業市場呈現不斷增長的勢頭，其中充當工業機器人“火眼金睛”角色的機器視覺功不可沒。
安防的技術一直在演進中，當行業完成了網絡化和高清化之后，智能化應用就成了各個安防門類廠家的技術熱門。應該說，從2012年開始，安防行業都在圍繞如何使產品和系統智能化應用展開深入研發和探討，從而引發了一波技術潮流。如果說智能視頻分析是智慧安防應用的2.0版本，那么，機器視覺，將開啟智慧安防應用2.0時代，這是一個智能安防新的應用天地。
精準把握機器視覺的研究內容
要探討機器視覺的應用，首先還是需要精準把握什么是機器視覺，并把其與當下熱門又有重疊部分的人工智能和深度學習區分開來。
人工智能的外延范圍最大，包括了機器視覺、深度學習、機器人技術、生物識別技術和自然語言處理。可以看出，人工智能包括了深度學習和機器視覺，研究的是人類智能活動規律，構造具有一定智能的人工系統，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應用計算機的軟硬件來模擬人類某些智能行為的基本理論、方法和技術。
深度學習，是人工智能研究中的一個新的領域，其動機在于建立、模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數據，例如視頻、聲音和文本。深度學習在安防行業的應用極為熱門，在評測產品時關于人臉和車輛的識別技術都基于深度學習。究其原因，深度學習的關鍵要素是數據，而占大數據總量60%以上的為視頻監控數據，所以，深度學習的在安防行業的方方面面得到了應用：人臉檢測、車輛檢測、非機動車檢測、人臉識別、車輛品牌識別、行人檢索、車輛檢測、人體屬性、異常人臉檢測、人群行為分析、各種感興趣目標的跟蹤等。
機器視覺是人工智能正在快速發展的一個分支。簡單說來，機器視覺就是用機器代替人眼來做測量和判斷。通過分CMOS或CCD傳感器將被攝取目標轉換成圖像信號，傳送給專用的圖像處理系統，得到被攝目標的形態信息，根據像素分布和亮度、顏色等信息，轉變成數字化信號;圖像系統對這些信號進行各種運算來抽取目標的特征，進而根據判別的結果來控制現場的設備動作。
機器視覺主要是對圖像進行識別，因此機器視覺在人臉識別、車牌識別等方面得到大量運用。以智能交通行業為例，機器視覺具有成本低、穩定性強、準確性高、應用范圍廣等優點，目前已經在國內外高速公路和公路的交通監控系統中得到了廣泛的應用,具體體現在車牌識別、車身顏色識別、車型識別、違章識別、車流量統計、流量控制等。
這時有人會產生疑惑，機器視覺和深度學習有太多重疊之處，是否兩者在安防行業是同一概念的不同表達。其實不然，如果僅從視頻監控行業來看，學習算法是機器視覺更高層面的應用，因為基于巨大樣本采集把握了大量數據特征，而機器視覺主要在特征感知、圖像預處理、特征提取、特征篩選面擅長，也就是說，機器視覺主要是在特征識別提煉部分，而深度學習是把特征和學習結合起來，比如用特征的感知和提取來預判數據。
機器視覺安防應用的核心技術
在今年6月份有美國商業資訊的權威機構作出了預測，全球機器視覺市場正處于迅速發展之中，預計到2025年年底，市值將超過192億美元。時至今日，機器視覺技術不僅成功應用于多個領域，并且應用范圍還在逐步擴大。已由起初的電子制造業和半導體生產企業，發展到了安防、包裝、汽車、交通和印刷等多個行業。
安防，是機器視覺應用的主戰場之一，有幾大心技術應用為安防行業帶來改變：
目標識別
目標識別技術和穩定的追蹤方法是機器視覺在安防發展的關鍵技術。它在很多領域都得到大量的應用，例如身份確認的指紋識別、人臉識別、虹膜識以及在智能交通管理、機動車檢測、停車場管理等場合的車牌識別等。一個目標識別系統應該具有在復雜背景以及各種天氣情況下檢測、分類、識別標的能力，這樣才能有針對性地對目標進行持續的跟蹤。
近些年來，目標識別技術已由理論探索、實驗室仿真逐漸走向實際應用，其技術方法也從經典的統計模式識別，向著基于知識、模型、多傳感器信息融合以及向深度學習神經網絡的識別方法演進。
目標追蹤
運動目標跟蹤是確定同一物體在圖像序列不同幀中位置的過程。其主要工作方式就是選擇好的目標特征和采用適當的搜索方法，根據匹配原理，把現有的跟蹤方法分為基于模型、區域、特征以及活動輪廓的跟蹤，這是機器視覺力所能及之處。
雙目技術
雙目立體技術核心目的是提高識別的準確率。由于立體視覺技術形成的視場中帶有物體的三維幾何信息，因此能夠有效的設定檢測規則，排除光線、影子等干擾因素，大幅提高智能分析的準確度。在評測杭州巨頭企業的高空了望云臺攝像機時，發現都基于機器視覺的雙目技術，其對于人、物的識別率有極大提高，并且采用雙相機或多相機，對視場內空間的自由運動體的三維位置坐標及姿態進行高精度的測量，確定運動目標的質心位置，并根據標定結果對運動目標進行高精度跟蹤。
多球機聯動跟蹤技術
多球機聯動跟蹤技術是以單球機智能跟蹤技術作為基礎的。從應用的層面上看，能夠將普通的跟蹤球機的單點式監控，提升為系統內對單個目標的無縫式接力跟蹤，配合電子地圖的使用，能夠容易的實現對高安全等級區域的無縫式跟蹤，并實現目標軌跡描繪、犯罪行為預警等高等級的安保需求。多球機聯動跟蹤技術的實現，需要具備多目標識別與跟蹤技術。在應用中，通常設定一臺球機作為發起點，對廣域范圍內目標進行的智能行為分析，并將同時監控的多個目標按照既定的策略進行排序，并按照先后順序，指揮智能跟蹤球機逐個跟蹤監控目標。與單目標跟蹤相比，多目標跟蹤技術的關鍵點是數據關聯問題，即建立一個統一的坐標系，使得發起球機可以將目標的坐標信息傳遞給跟蹤球機，實現聯動跟蹤。該技術其實是安防行業機器視覺的最早應用，在蘇州某安防企業的接觸中就窺見了一斑。
面向事后應用的視頻摘要、視頻檢索
隨著監控探頭的普及，監控系統中存有海量的錄像數據，在目前人工查看的模式下，傳統的方法需要從頭到尾順序播放，往往需要數倍于原始視頻的時間才能審看完成，因此需要大量人員連續加班數周進行視頻的審看。為了規避遺漏和誤差，就要加大人力投入的方法。如何有效、高效的應用，減輕人工查看回放帶來的時效性差、成本高、疲勞問題，并在不同分辨率、不同清晰度的錄像中準確的辨別出需要獲取的信息，基于以上需求，安防廠家研發了視頻摘要、視頻檢索等技術手段，這也是機器視覺的研究內容之一。
機器視覺開啟智慧安防應用
從以上的介紹和分析中，我們大概能了解機器視覺有所認知，但其在安防行業能做什么，為行業帶來哪些改變，值得關注。先舉例子來看機器視覺應用價值：
2017年7月16日，深圳市寶安區西鄉金港華庭沃爾瑪超市內，驚現一名男子持菜刀傷人，并導致2人死亡，9人受傷。如今，監控在大小商場店鋪中隨處可見，幾乎成為了每個商場店鋪的必備。顯然，使用監控對于店鋪日常管理與安防工作都十分有用。但事實上，目前以人力為主的監控設備存在極大的安全漏洞，使安防工作在一定程度上形同虛設。基于機器視覺技術的智能安防系統，能夠從眾多視頻材料中進行圖像識別，搜尋可疑人物等信息，實現對高危人員的識別和篩查;同時還能夠從多個監控設備自動識別可疑物體，比如菜刀等，自動發出警報提醒安保人員。
除了事前的預防和制止功能，機器視覺的視頻摘要和檢索是面向事后應用的智能技術。其中，視頻摘要技術使24小時的視頻被制作成一個簡短到幾分鐘摘要視頻成為現實，這將大大提高海量視頻監控錄像分析的效率。視頻檢索技術則主要是依賴于視頻算法對視頻進行預處理，通過對視頻內容進行結構化處理，提取出視頻內容中的有效信息，進行標記或者相關處理后，人后可以通過各種屬性描述進行快速檢索。
可以說，如果上述案例中具有機器視覺的智能安防產品，必然不會發生如此慘劇。以點帶面，看機器視覺如何弄潮安防新時代。
與公安機關建立人臉捕捉數據庫
在公共場合人員密集區域，比如：天安門廣場、火車站等敏感的公共場合監控，相關機器視覺產品也隨著技術的發展不斷地細化。產品能與公安機關搭建人臉識別比對系統，建立人臉捕捉數據庫，將人臉信息歸檔，并與個人身份建立關系，在實際運用過程中采用人臉搜索、黑名單布防、陌生人識別等多項智能分析功能，大大提高視頻監控的防范功效，可以讓犯罪分子無可遁形。
智能交通中對車的識別和管控
在交通行業，與其他識別技術相比，機器視覺具有成本低、穩定性強、準確性高、應用范圍廣等優點，目前已經在國內外高速公路和公路的交通監控系統中得到了廣泛的應用,比如車牌識別、車身顏色識別、車型識別、違章識別、車流量統計、流量控制等。
人臉布控
人臉識別基于人的臉部特征信息進行身份識別，主要指通過攝像機采集含有人臉的圖片或視頻流，然后在圖片或視頻流中進行人臉檢測并抓拍，進行面部特征提取，以實現抓拍的人臉與數據庫中的人臉進行比對的技術。目前已有不少企業推出了機器視覺的人臉布控系統，能夠適應于各種交通要道、住宿場所、智能樓宇、大型連鎖商場，平安城市等場合，具有人臉布控、以圖搜圖、用戶管理等核心業務功能。
一些企業在努力的用機器視覺改變安防。比如：2017上海國際機器視覺展VisionChina在上海舉行，海康機器人的技術與設計都是源于機器視覺;大華股份浙江華睿科技與英特爾聯合共推機器視覺業務。今年6月29日，華睿科技與英特爾重磅發布了9MP/12MP高性能小面陣相機、50MPCoaXPress大面陣相機等機器視覺系列新品。此外，北京清影機器視覺技術有限公司研發的通用式三維即時成像技術具有通用式和即”兩大特點，填補了國內機器視覺領域的空白;騰龍推出的4款機器視覺專用定焦鏡頭，進一步充實產品陣容，提供更多高像素鏡頭方案，滿足用戶需求;今年5月，美國亞馬遜公司收購了一支歐洲頂級機器視覺團隊用于無人機和視頻監控領域研究。