一套性能優(yōu)越的IVS技術(shù)是否可以不受場景的影響,在各種場景下都達(dá)到最佳處理效果呢?答案是「否定的」。
首先,IVS技術(shù)是由計算機(jī)視覺技術(shù)的發(fā)展水平而決定,因為計算機(jī)視覺技術(shù)還處于發(fā)展階段,與人腦相比,計算機(jī)的智能程度還遜色很多。它用一些數(shù)學(xué)模型來描述真實世界,并試圖用這些數(shù)學(xué)模型來分析影像數(shù)據(jù),并從中獲取影像信息內(nèi)容,但是最復(fù)雜的數(shù)學(xué)模型在現(xiàn)階段也無法囊括真實世界中的所有特性(就算有這樣的模型,普通CPU也支撐不了這樣龐大的計算)。由于不同的監(jiān)控場景與IVS技術(shù)的內(nèi)部數(shù)學(xué)模型之間的吻合程度會有所不同,因此其精準(zhǔn)度或多或少都會受到環(huán)境的影響。
其次,環(huán)境的復(fù)雜程度也會對處理結(jié)果產(chǎn)生重要影響,因為復(fù)雜的場景往往意味著有效信息提取的困難。在傳統(tǒng)人為的監(jiān)控系統(tǒng)中,監(jiān)控者對于低照度、高度干擾、高擁擠程度影像的監(jiān)測精準(zhǔn)度一般會較低。
至于怎樣才能使IVS技術(shù)獲得令人滿意的監(jiān)控效果呢?首先要基于對IVS技術(shù)內(nèi)部算法的理解,調(diào)整監(jiān)控環(huán)境或者調(diào)試算法,使監(jiān)控環(huán)境與其內(nèi)部的算法模型達(dá)到最大的一致性。舉例來說,如果IVS的目標(biāo)分類模塊將目標(biāo)尺寸作為重要的分類特征,在大景深的場景中,目標(biāo)尺寸變化幅度很大,該目標(biāo)分類模塊的精準(zhǔn)度就會大大降低。有多種方法可以解決這一問題,降低場景的景深,或是加入場景標(biāo)定算法等。
同時,要在條件允許的情況下盡量降低監(jiān)控場景的復(fù)雜度,突出有效信息。例如,攝影機(jī)的選用及安裝就非常重要,要選用性能較好的攝影機(jī),提升圖像的信噪比,如果對夜晚場景進(jìn)行監(jiān)控,則最好選用紅外攝影機(jī)。安裝攝影機(jī)時,要合理選擇安裝位置及攝影機(jī)的角度,盡量使影像圖像干擾較少且目標(biāo)重迭較少。
舉例來說,要在較擁擠的場景中統(tǒng)計人流量,俯視角度就是一個比較理想的攝影機(jī)安裝角度,因為在該角度下,目標(biāo)的重迭程度較小(如果IVS使用了人臉檢測算法來進(jìn)行人流量統(tǒng)計,情況會有所不同)。除了攝影機(jī)的選用及安裝外,合理設(shè)置警戒規(guī)則也會提升IVS的處理效果。舉例來說,在統(tǒng)計車流量的分析中,若警戒的設(shè)置區(qū)域中有樹木等物體遮擋目標(biāo),IVS在該區(qū)域就容易產(chǎn)生目標(biāo)的誤檢及誤跟蹤。