監控演算法研究

Ⅰ 安防監控設備的智能演算法的類型

背景模型法
背景模型法是利用當前圖象和背景圖象的差分(SAD)來檢測出運動區域，此種安防監控設備可以提供比較完整的運動目標特徵數據，精確度和靈敏度比較高，這種安防監控設備具有良好的性能表現。背景的建模和自適應是背景模型法的關鍵，一般安防監控設備在系統設置時期設置系統自適應學習時間來建模，根據背景實際「熱鬧程度」選取3~5分鍾的學習時間。安防監控設備的系統建模完成後，隨著時間的變化，背景會有相應的改變，而安防監控設備的系統具有「背景維護」能力，可以將一些後來融入背景的圖象，如雲等自動加為背景。
時間差分法
在安防監控設備中，時間差分法就是高級的VMD，又稱相鄰幀差法，即利用視頻圖像特徵，從連續得到的視頻流中提取所需要的動態目標信息。安防監控設備中的時間差分法的實質是將相鄰幀圖像相減來提取前景目標的移動信息。在安防監控設備中此方法不能完全提取所有相關特徵像素點，只檢測出目標的邊緣，安防監控設備在其提取的運動實體內部可能出現空洞。

Ⅱ 監控錄像時間怎麼演算法

根據畫質不同來計算，一般cif畫質需要256k的理論空間，D1畫質需要512k的理論空間。然後計算24小時（24*3600計算多少秒）*1個攝像頭*256或512=一天用多少k的空間，然後計算500G=500000000k。

Ⅲ 如何監控搜索引擎演算法的改變

沒辦法，說實話，每次演算法更新影響到的網站很多時，就會有人反映，比如站長俱樂部
一些seo論壇

Ⅳ 設計一個圖像監控系統和相應的圖像處理演算法，對運動物體進行監控

想一般用用，那普通的硬碟錄像機的移動偵測功能就可以實現，價格也便宜。如果要求精確性高，那就難說了。

Ⅳ 智能監控的研究難點

盡管在智能監控領域已經取得了一定的進展，但是在以下幾個方面仍是今後研究的難點問題。 人的行為理解是需要引起高度注意並且是最具挑戰的研究方向，因為觀察人的最終目標就是分析和理解人的個人行為、人與人之間及人與其它目標的交互行為等。目前人的運動理解還是集中於人的跟蹤、標准姿勢識別、簡單行為識別等問題，如人的一組最通常的行為(跑、蹲、站、跳、爬、指等)的定義和分類。近年來利用機器學習工具構建人行為的統計模型的研究有了一定的進展，但行為識別仍舊處於初級階段，連續特徵的典型匹配過程中常引入人運動模型的簡化約束條件來減少歧義性，而這些限制與一般的圖像條件卻是不吻合的，因此行為理解的難點仍是在於特徵選擇和機器學習。目前，用於行為識別的狀態空間方法和模板匹配方法通常在計算代價和運動識別的准確度之間進行折中，故仍需要尋找和8開發新的技術以利於提高行為識別性能的同時，又能有效地降低計算的復雜度。另外，如何藉助於先進的視覺演算法和人工智慧等領域的成果，將現有的簡單的行為識別與語義理解推廣到更為復雜場景下的自然語言描述，是將計算機視覺低、中層次的處理推向高層抽象思維的關鍵問題。
現在越來越多的視頻被記錄下來，但由於時間的關系，這些視頻信息很少會被完整的分析。在這種情況下，智能視頻(Intelligent Video，IV)應用程序由此發展起來。新的智能視頻(IV)系統 可獲取車牌的視頻圖像並將此信息數字化，然後與資料庫中的內容進行交叉比對。人數統計和絆網則是智能視頻(IV)應用的另一些實例。
由於在前端設備中提供了此類智能功能，可直接對原始數據進行分析，並減少工作人員的工作量。智能網路攝像機永遠不會空閑，他始終出於警戒狀態，等待一個動作的觸發來啟動錄像。移動偵測功能可用於特定的警報設置，以適應各種不同的特殊環境和事件強度。
智能視頻將原始視頻數據變成可操作的信息。監控系統提供的智能信息可支持決策者在緊急情況下作出高質量的決策。而類似人數統計等新的商業機會將會出現。

Ⅵ 監視新數據的演算法邏輯

滯後時間未知，還沒有獲取整條記錄更新已完成的其他途徑，理論上就沒有靠譜的邏輯，這個演算法就沒有。
如果負責更新的程序沒有對這條記錄加鎖，那這個更新設計就有問題，這種更新方式肯定是個事務級別的。如果加了鎖，監控新數據通過判斷該條記錄的鎖狀態就知道更新是否完成；如果實際情況就是沒法加鎖，處理起來也簡單，記錄加一個標志欄位，更新開始先寫該欄位為更新狀態，全部完成後寫該欄位為非更新態。監控程序讀取的時候發現更新完成對記錄加獨占鎖，讀取後再釋放。
你這里的描述也不是很清晰，這個更新監控是對一個固定的記錄做監控？還是新增的記錄做監控？固定一個記錄這種設計里鎖沖突是主要考慮因素，而新增記錄就是次要的。
好多時候一個局部問題的解並不在這個范圍之內，而是在這個局部的范圍之外，需要整體考慮。外部條件形成的無解死邏輯，在內部是沒法解決的。

Ⅶ 智能視頻監控系統詳細設計思路

隨著寬頻有線和無線網路基礎設施的完善以及全球安防市場需求的增長，視頻監控的應用正呈爆發性的增長態勢。視頻監控系統的發展趨勢非常明顯，在經歷了數字化和網路化之後，下一個重要的趨勢就是智能化，即智能監控和視頻分析技術的應用。

傳統的視頻監控由人工進行視頻監測發現安全隱患或異常狀態，或者用於事後分析，這種應用具有其固有的缺點，難以實現實時的安全監控和檢測管理。帶有智能分析功能的監控系統可以通過區分監控對象的外形、動作等特徵，做到主動收集、分析數據，並根據預設條件執行報警、記錄、分析等動作。智能監控系統可以運行於伺服器，也可以運行在基於DSP的嵌入式系統上，而後者已逐漸成為主流。

智能視頻的應用大體上可以分安防、人體行為檢測和智能交通三方面的應用。其中安防應用是被廣泛認為是最具潛力的市場，它包括以下幾個應用類別：入侵檢測，可以自動檢測出視頻畫面中的運動行為特徵；物品移除檢測，可以自動檢測物品搬移事件——當防區內某特定位置的物品被拿走或搬走時發出報警；遺留物檢測，可以對遺棄物進行自動檢測——當物品在某個防區內被放置或遺棄的時候自動報警；智能跟蹤，可以使攝像機對自身的雲台和變焦鏡頭進行自主PTZ驅動。人體行為檢測應用包括脫崗檢測（可以實現自動檢測崗哨人員就位情況）、徘徊檢測（對重要區域人體徘徊檢測）。智能交通應用包括：對非法停留的交通工具進行檢測，當交通工具在防區內非法停留時發出報警；車輛逆行檢測，及時辨別逆行車輛。

隨著准確率和可靠性逐步提高及產品成本的下降，智能視頻在越來越多的場合得到了應用，它能夠替代部分安防設備，降低安保人員的工作強度，提高工作效率，減少管理成本。事實上，智能視頻的應用具有非常巨大的潛力。隨著技術日趨成熟，智能視頻技術的應用領域正在迅速擴展，這些應用主要包括上述的安防、交通以及零售、服務等行業，如人數統計、人臉識別、人群控制、注意力控制和交通流量控制等。

實時視頻監測的需求正在快速增長，特別是隨著實時安全監控應用的需求增加，實時發現安全隱患或目標異常行為的功能已經具有越來越重要的現實意義，智能視頻監測系統產品在這種日益增長的需求帶動下，正在成為視頻監控應用的新熱點。特別是隨著半導體技術的進步，例如以Blackfin匯聚式處理器為代表的先進嵌入式解決平台方案的推出，具有極高性價比和極高實用性的智能視頻分析設備不斷推出，並在一些關鍵應用中發揮極為重要的作用。 圖1：傳統的視頻監控應用示意圖。

智能視頻應用設計攻略

硬體平台方案的選擇往往決定了系統的整體方案成本、性能、開發工具和方法的可用性，以及方案未來持續升級的可行性等，因此方案平台選型至關重要。智能視頻應用自身的獨特性要求在硬體平台的選擇上進行綜合權衡。視頻監控系統的網路化和智能分析要求，以及大規模工程安裝對成本、體積和功耗的限制，非標准化的智能視頻分析方法和幾乎定製化的方案優化方式，使得結合了MCU和DSP優勢、具有軟體設計靈活性和強大處理能力的匯聚式處理器方案平台體現出更加明顯的優勢。本文將結合ADI公司獨特的Blackfin匯聚式DSP處理器的特點，分析智能視頻設計中主要的設計技術要點。

一、硬體平台選型

可定製化能力非常重要。有很多因素制約著視頻監控系統智能化的應用步伐：首先是智能監控的視頻演算法比較復雜，難於標准化，各個系統提供商的視頻分析軟體都有自己的獨特演算法，導致市場上的產品沒有統一的標准；其次，視頻監控系統的應用場景比較復雜，用戶的要求多樣化，所以定製化的要求比較多。因此，視頻分析方案通常需要針對客戶的應用特點和需求進行方案優化，採用的演算法千差萬別。此外，由於智能視頻應用的高復雜性，對方案的處理能力提出了更高的要求。MCU+ASIC的視頻監控傳統方案難以實現各種個性化的設計和高運算能力要求，即使選擇普通DSP+MCU的雙晶元方案通常也難以滿足智能視頻監控應用的復雜運算需求，需要增加協處理器，這種復雜的解決方案無論是BOM成本、功耗還是開發難度都不足取。Blackfin處理器充分發揮了MCU+DSP匯聚式架構的優勢，滿足了智能視頻應用的系統控制和高強度的運算需求，特別是以BF561為代表的高性能雙內核架構已經成為智能視頻應用的首選方案平台。

方案的可擴展性也是需要考慮的因素。智能視頻分析應用除了需要針對應用環境、應用目的進行方案優化外，不同的客戶可能還有其他方面的不同需求。例如，當前一些領先的數字視頻監控方案實現了H.264基本類@Level3.0和MPEG4 D1+CIF雙碼流的支持，未來可能擴展到支持H.264 D1+CIF的雙碼流。隨著智能視頻分析的更廣泛應用，如IP攝像機、無線視頻監控、智能交通系統等，不同應用都可能對各種介面功能、通信標准、用戶界面等的需求有較大的差異化，硬體平台方案對各種需求的靈活擴展性非常重要。同時，正如前文所述，智能視頻分析技術發展不過數年的時間，隨著技術的不斷成熟以及一些相關的標準的出台和改進，產品的可升級特性至關重要，既是開發者須關注的問題也是終端客戶關切的重要特性。Blackfin DSP在演算法並行處理上具有獨特優勢，特別是ADSP-BF561採用雙DSP核，能夠實現很復雜的智能視頻處理演算法。

視頻應用優化特性。一些方案盡管具有較強的處理能力和可擴展性，方案是否主要針對視頻應用進行過優化設計也值得關注，因為這直接關繫到設計工程師可用的軟硬體設計資源以及系統設計難度和可實現的性能。以Blackfin處理器為例，Blackfin為高強度、高數據率的數字和媒體處理做了專門優化：Blackfin的幾十個DMA通道和可靈活配置的Cache很好地滿足了視頻監控系統對大運算量、高數據吞吐率的要求；ADI專門開發了完全優化的音視頻編解碼器，並免費提供給大客戶；針對視頻應用Blackfin集成了很多硬體驅動，包括WiFi的驅動、音/視頻編解碼器的驅動；Blackfin的4個視頻算術運算單元和視頻象素指令集大大加速了視頻運算速度；在智能視頻分析的一些基礎運算元中，例如直方圖統計、中值運算、Sobel運算、形態學中的膨脹運算等都可以利用Blackfin的MIN、MAX指令來消除條件跳轉，節省處理器周期。不僅如此，Blackfin還支持13種非視頻數據的向量運算。適當設計數據結構，在前背景分離、閾值計算和更新等多個環節都可以運用Blackfin的特色指令讓智能視頻分析演算法更快捷。這些本身就很有效的指令中，大部分指令都能夠並行執行，使得Blackfin的處理能力再加倍。

低功耗和穩定性很重要。考慮到智能視頻監控設備通常都是一周7天，每天24小時運行的，穩定性和功耗也比較重要。在低功耗上，Blackfin處理器採用了多種節能技術：基於一種選通時鍾內核設計，可按照逐條指令來選擇性地切斷功能單元的電源；支持多種針對所需CPU動作極少期間的斷電模式；Blackfin處理器支持一種自含動態電源管理電路，藉助該電路即可對工作頻率和電壓進行獨立控制，以滿足正在執行的演算法的性能要求；大多數Blackfin處理器都提供片上內核穩壓電路，並可在低至0.8V的電壓下工作。而Blackfin獨特的匯聚式處理架構、90nm工藝等打下了其領先的低功耗處理的基礎。由於高處理能力，基於Blackfin平台的系統方案可以減少主晶元數量，豐富的功能和介面可以滿足各種外設和功能擴展需求，降低元器件數量，從而保證更高的穩定可靠性。目前在同價位DSP中Blackfin DSP的低功耗特性和穩定性是最好的。

支持哪些嵌入式操作系統。智能視頻分析通常是基於網路的應用，必須要操作系統的支持，因此選擇具有廣泛嵌入式系統支持能力的解決方案非常重要，這樣能確保未來產品在更換操作系統時不至於必須更換硬體平台，保證研發成果的持續可用性。目前可用的嵌入式操作系統眾多，各具優勢，硬體平台方案對這些操作系統的支持能力是進行方案選型的考慮要點之一。例如，Blackfin處理器可以支持目前主流的操作系統，包括uClinux、ThreadX、Nucleus，uCOS-II等十多種嵌入式操作系統，客戶完全可以根據其自身要求選擇其熟悉的或更具成本效益的軟體架構基礎。 圖2：基於BF561的智能監控終端框圖。

二、開發工具和可用資源

智能視頻監控設備是一個復雜的系統，涉及到復雜的軟硬體設計、人機界面、通信連接等，具有較高的系統設計難度。因此，所選擇的硬體平台方案是否能提供完善的開發工具套件、必要的軟體模塊、成熟的參考設計、系統設計支持，以及是否有完整的設計生態系統等，對於是否能按期高質量地完成系統設計非常關鍵。事實上，並不是所有平台方案提供商都能提供這些支持。

以Blackfin系列處理器為例，採用Blackfin處理器的硬體平台從一般的DVR、IP攝像機、數字視頻監控到智能視頻監控，已經被全球大量的設備企業的廣泛採用。Blackfin處理器獲得眾多企業的青睞，具有完整的開發工具和參考設計等支持是其受廣泛歡迎的重要原因之一。ADI提供業界一流的工具、初學套件與支持，包括人們熟知的、能夠支持其他Blackfin處理器的ADI CROSSCORE?軟體與硬體工具，這些工具包括獲獎的VisualDSP++?集成開發與調試環境（IDDE）、模擬器，以及EZ-KIT Lite?評估版硬體。

為提高開發效率，降低開發難度，開發時應盡量在已有的資源上進行，比如開放的常式，ADI為此提供了非常豐富的常式和資料。例如，ADI提供免費的「Image Tool Box」圖像處理函數庫軟體包，該軟體包專門針對圖像處理應用常用的數學函數進行了優化，供客戶在進行應用開發時調用。ADI還提供完整的參考設計，以及由本地合作夥伴開發的評估板、開發工具、演算法IP、應用模塊，以及由第三方合作夥伴提供包括軟硬體在內的全套交鑰匙方案。Blackfin處理器的視頻監控應用目前在中國已經有多傢具有豐富工程經驗的第三方合作夥伴，已經建立完善的生態系統。

以ADI在今年三月份宣布提供基於該公司Blackfin BF526C的完整的IP監控和機器視覺攝像頭參考設計為例，該參考設計在單個匯聚處理器上提供了強大的視頻和音頻處理能力，為工程師提供了一個統一的軟體開發環境，可以實現更快的系統調試和部署，以及更低的系統成本。該處理器提供了集成的音頻編解碼器、流式視頻和IP協議、片上DRAM存儲器以及針對10/100乙太網、USB和SD存儲和本地RS-232埠的介面。這種完全可編程的解決方案可以滿足多種視頻壓縮標准，例如H.264和MPEG4，支持音頻G.729標準的編碼。支持從控制中心到相機的雙向語音通信，以及利用Pelo-P或Pelo-D協議的鏡頭平移、傾斜和拉伸動作。該參考設計還提供一塊帶雙核BF561處理器的子卡，使系統能實現更高視頻解析度，並提供實現高級視頻分析功能，如運動檢測和跟蹤。

應用方案揭秘——億維東方智能網路攝像機

北京億維東方科技有限公司（Emvideo）是專業智能安防產品的方案提供商，也是美國ADI公司授權的第三方合作夥伴。億維東方目前有多款基於ADI Blackfin處理器為核心的硬體平台的產品，其中「軟體＋硬體」交鑰匙的WiFi無線視頻監控整體解決方案基於BF536＋BF561的雙處理器架構，方案硬體結構圖如圖3所示。

其中BF536處理器作為主處理器，除負責完成音頻編碼、遠程式控制制以及用戶交互控制等一些基本的管理與控制外，還負責嵌入式操作系統uClinux的運行，以及先進的智能視頻分析功能，可以完成安防、人體行為、智能交通等多種智能視頻分析。雙核BF561作為協處理器負責視頻編碼演算法，其強大的視頻處理能力使得該方案實現了H.264基本類@Level3.0和MPEG4 D1+CIF雙碼流的支持，未來更將可能擴展到能夠支持H.264 D1+CIF的雙碼流。兩個處理器之間可以通過高速同步串列介面通訊，視頻信號首先進入BF561處理器，採集編碼後的碼流發送到BF536處理器，然後通過網路發送到客戶端進行解碼顯示。 圖3：採用Blackfin BF536和BF561的解決方案硬體結構圖。

該方案採用了先進的背景建模方法，能有效地克服光線變化、樹葉擺動以及水面波紋等背景對前景目標分析產生的干擾，實現准確的前景檢測，同時在目標跟蹤上採用了獨特的優化算放，實現了在入侵檢測（包括區域警戒、絆線檢測）的應用上超過90%的准確率。而所有這些都是基於BF536＋BF561雙處理器的硬體架構所具有的強大處理能力來實現的。

該方案的智能視頻分析功能由億維東方公司自主開發，獨特的演算法和豐富的智能視頻分析技術開發經驗確保實現客戶的智能識別應用需求，並為客戶提供包括軟體升級在內的完善服務。由於智能視頻識別應用目前並沒有任何可循的需求標准和測試標准，因此視頻分析方案通常需要針對客戶的應用特點和需求進行方案優化。例如有些用戶是地鐵系統的，他們需要的功能是檢測是否跨越候車的黃線、人群密度是否過大、是否有可疑的遺留物體等；有些用戶是銀行系統的，他們所需要的是ATM機的智能監控如分析是否有安裝假鍵盤、安裝吞卡器，在ATM機是否有暴力行為，是否出現犯罪分子的人臉等。利用該方案，客戶可以根據用戶的需求方便地進行調整演算法。智能視頻處理要求晶元具有強大的處理能力，有許多演算法實現時得採用並行處理，Blackfin DSP在演算法並行處理上具有獨特的優勢，特別是ADSP-BF561的雙DSP核能夠實現很復雜的智能視頻處理演算法。這是傳統的MCU+ASIC或採用一般DSP方案所難以實現的。

該方案的軟硬體都經過了應用驗證，目前已經由多家客戶進行生產，目標應用將主要是政府行政效能監測、教育系統等行業用戶。

Ⅷ 帶前端攝像頭的演算法是什麼意思

視頻監控智能演算法。
智能監控是嵌入式視頻伺服器中，集成了智能行為識別演算法，能夠對畫面場景中的行人或車輛的行為進行識別，判斷，並在適當的條件下，產生報警提示用戶。
智能分析作為視頻監控下一個技術的競爭焦點，在安防監控業內已然成為炙手可熱的研究課題。現在不僅安防設備商/集成商對此功能蜂擁而至，很多IT領域的集成商由於演算法成本研發的成本不高，所以也開始從其他領域的智能識別涉足智能監控，或通過後端SDK提供服務，或與攝像機設備商合作，並且往往在產品形態上有異於當前主流的攝像機外形。

Ⅸ 學智能視頻監控演算法還是學ARM

如果打算長期讀研讀博做研究的話，那就學智能視頻演算法，如果打算讀完研出來找工作，那還是學ARM+linux。
ARM+Linux應用范圍廣，好找工作，工資也不低；智能視頻演算法應用面並不寬，僅局限在安防行業，而且工資還真不見得高得過ARM+Linux。
不過，比較悲哀，研究生的命運終究還是掌握在導師手裡，你導師定了方向你只能選Y不能選N，自己業余學ARM+Linux好了。