以VCA分析技术简化前端采集视讯量 降低监控系统维运负荷
- DIGITIMES企划
-
前言：IP化的安全监控系统，除带来系统全面数码化、网络化的优势外，其实若能有效整合Video Content Analysis(VCA)系统架构，不仅使现有布署的视讯采集终端装置更能发挥安全监控的加值效益，亦可使监控系统的维运人力达到最有效的发挥...
本文：
安全监控系统中，负责采集视讯画面的终端摄影设备，是整体安全监控系统的效能关键，目前数据采集的环境不同，摄影机已有电动变焦PTZ(Pan、Tilt、Zoom)镜头整合，或是搭配全方位动作云台，进行主动或是被动控制调整监控画面的采集角度，甚至新一代的监控摄影机还可整合麦克风的动态音量感应或是扩音器进行吓阻等作用，但这些功能属于视讯采集的加值部分，对于传输效能与主动感知应用较无关连。
监控前端视讯采集 光靠H.264压缩技术还不够
目前的监控视讯采集端的技术发展，除了前述的附加功能或升级功能的整合应用外，其实摄影机本身在核心整合嵌入式系统，提供更多「智能」采集功能应用，是目前网络摄影机的重要发展趋势，而网络化的连接与控制机制，相形之下已成为数码监控摄影机的基本功能。
主流网络监控摄影机大多以H.264或MPEG-4为视讯压缩格式，藉以压低视讯传输的带宽需求，减少网络系统的额外负荷，但光靠视讯压缩技术的辅助降低的效益有限，必须在视讯数据采集端透过更有效率的机制，去大幅降低视讯数据传输带宽需求。以一般监控系统的应用状况，全日24小时发生危安状况的时间可能仅有短短数十分钟，而仅靠压缩技术的数码监控系统，产生的庞大录影视讯数据持续增加，造成储存成本的提升。
视讯内容分析(Video Content Analysis：VCA)也称为视讯分析技术，可透过嵌入系统直接整合入视讯采集系统，或是运用后端运算能力更强大的监控服务器，去做更精致的内容解析程序，藉以减少视讯储存空间需求或是整合更智能的主动监控提示功能。
增加摄影机提升系统安全性 相对也增加维运成本
常见的监控系统建构两难，是当增加摄影机数量时，虽然提升了整体监控环境的系统安全性，但另一方面也必须配置相当人力进行监看、管理，先不计系统对于视讯储存的相关处理成本，但增加摄影机已造成维运管理的额外成本，在旧的安控系统建置技术上，必须以增加人力去进行可疑画面监看、筛选，以确认监控现场的安全状况。
安控业界迫切需要开发可以降低为运人力、提高监控视讯监视效率的方法，其中以视讯内容分析VCA技术最受相关业者青睐，开发的相关技术逐渐成为安全监控产品市场产品差异化的功能设置重点。
VCA技术也称为视讯分析器，为一种利用电子学方法去识别连续视讯框内容的重要特徵，例如，在发生特定是讯框的触发事件，能实时透过系统或网络告知维运人员识别危机等级并进一步进行处置，加速安全监控系统的安全事件的回应速度。VCA技术可在撷取视讯自动查找管理者缺省的特定内容，减少人工筛选可能因为疲劳或怠惰造成的危机误判、忽视。
VCA的运作机制
目前VCA并未有一个国际标准，多为各安控设备业者自行发展，多数设于视讯采集端的VCA功能多半较维简易，因为透过嵌入式系统运算还须兼顾H.264的压缩控制与网络传输沟通，在有限的系统运作效能下能发挥的功能也较有限，例如，提供摄影机端的动态感应，整合仅有画面有疑似侵入才进行视讯传输，或是动态感应点，在拍摄画面实时以框线标注提示信息或发出警讯，若是以系统建置的VCA分析器，其进阶的侦测与提示功能更为完善，一般通用VCA流程如下：
Step1.视讯序列被分割成数个独立场景或SnapShot，在不同场景产生对应的方块图或是色域分布图，降低分析信息的信息量，让VCA系统不需处理过多无意义信息，若有特定视讯画面Frame的方块图与前几个Frame出现差异变化，VCA会将该场景标示为有变化的场景。
Step2. 监控画面会区隔为前景与背景，前景为动态、背景为静态画面，两者式分开独立进行处理，VCA系统运算与分析能量会集中于前景变化进行分析，检测场景中的前景变化。
Step3.每一组前景物件(被简化为方块)会被分割或撷取出来进行分析，随后VCA系统会逐讯框Frame持续追踪分析，并持续标示物件速度与位置。
Step4.如果VCA透过条件判断，确认该物件必须进行进阶识别，即会自视讯内容取出物件特徵进行物件区隔分类。
Step5.若触发物件经识别属于危险或值得提醒监控者的内容，则会自缺省的条件数据库，选择合适的提示方式、机制与内容，告知管理者触发事件可能类型，与建议处置方式。
Step6.如果管理者未处理或产生逾时处理，没有实时取消警示提示，VCA系统必须自条件数据库，选择合适的自动处理机制进行后续告知，例如，在监控Log档记录标示日期、时间、画面SnapShot，或同时将警示与连线的警政单位做系统告知处置。
观察VCA系统的处理流程，会发现VCA系统的准确度与低误判率关键在于，前景/背景的精确分离、动态物件位置/移动速度、条件处理数据库的演算法完善度，若基础的前景/背景分离出现问题，或是误判，后面的动态分析基础即全盘皆墨，成为没有效率或是根本无用的辅助机制。
前景/背景分离演算机制
一般来说，VCA必须能将前景与背景进行分离，或是将不感兴趣的物件列为背景，借此增加VCA系统的回应效能，此部分在数据采集端可透过视讯芯片即可达到对应的基础功能效果，搭配参数进行性能的最佳化调校。而背景与前景分离的演算机制，必须透过确认背景初始化的阶段，若背景判断有些微误差，随着监控时间拉长，会让误差越来越大，影响监控效果。
更繁杂的前景/背景分离检测机制，为利用统计的方法去建构出背景模型，而指定视讯框内的每组背景像素被建构为符合高斯分布随机变量模型，每个像素平均和标准差，则会依据视讯框的视讯数据跟着时间产生改变。
物件识别/追踪
当VCA系统机制处理完前景/背景分离，会实时产生一模块，因为监控环境会持续产生各式杂讯，此会干扰后续的判断与处理，对于单一物件组成方块可能无法产生结构化的连结，必须将所有方块组成一有关连的物件才能有效分析动作，否则VCA系统将会回馈一堆莫名其妙的大量动态信息与移动信息，这是维运者所不乐见的状况。
此时必须将模块加上标示方块去进行圈选，圈选的范围以区域范围计算前景像素，得到每个物件的边界外框并进行物件追踪演算。
分类处理与条件反馈
VCA系统的追踪物件复杂度，将会使物件分类产生更多衍生问题，例如，物体的实际外观与尺寸、移动速度，可以作为监控画面的监控主题分类基础，而更精细的分类需要更大量的信息辅助，但在效能与实用度考量，分类的项目可能无法太过精细，也必须放弃更多细节去实践系统实时回馈、反应的设计目的。
而除了物件分类考验较大外，高效能、高精准度的VCA系统，还有许多问题尚待克服，例如监控画面的天候变化，如晨昏、中午、夜晚，或是拍摄水塘的水面波纹会随风向与风的强弱产生变化，甚至天气如下雨、晴天、下雪、雾气所导致的光影变化，都将影响VCA系统分离前/后景的机制精准度，如果又碰上所追踪的物件数量较多，行进速度不一、路径呈现交叉状况，都会导致前/后景像素部分重叠或分离，影响判读效能，系统可能必须透过DSP或多处理器提升处理效能。
