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后研究的難點問題。

運動分割

快速準確的運動分割是個相當重要又是比較困難的一個問題。這是由于動態環境中捕捉的圖像受到多方面的影像，比如天氣的變化，光照條件的變化，背景的混亂干擾，運動目標的影子，物體之間或者物體與環境之間的遮擋，以及攝像機的運動等。這些都給準確有效的運動分割帶來了困難，以運動目標的影子為例，他可能與被檢測目標的相連，也可能與目標分離，在前者情況下，影子扭曲了目標的形狀，從而使得以后基于形狀和基于狀態空間模型的方法定義每個靜態姿勢作為一個狀態，這些狀態之間通過的識別方法不再可靠;在后者情況下，影子有可能被誤認為為場景中一個完全錯誤的目標。盡管目前圖像運動分割主要利用背景減除方法，但如何建立對于任何具有自適應性的復雜環境中動態變化的背景模型仍是相當困難的問題。一個可喜的發展是，一些研究者們正利用時空統計的方法構建自適應的背景模型，這對于不受限環境中的運動分割而言是個更好的選擇。

遮擋處理

目前，大部分智能監控系統都不能很好地解決目標之間互遮擋和人體自遮擋問題，尤其是在擁擠狀態下，多人的檢測和跟蹤問題更是難處理。遮擋時，人體只有部分是可見的，而且這個過程一般是隨機的，簡單依賴于背景減除進行運動分割的技術此時將不再可靠，為了減少遮擋或深度所帶來的歧義性問題，必須開發更好的模型來處理遮擋時特征與身體各部分之間的準確對應問題。另外，一般系統也不能完成何時停止和重新開始身體部分的跟蹤，即遮擋前后的跟蹤初始化缺少自舉方法。當然，可喜的進步是利用統計方法從可獲得的圖像信息中進行人體姿勢、位置等的預測;不過，對于解決遮擋問題最有實際意義的潛在方法應該是基于多攝像機的跟蹤系統。

三維建模與跟蹤

二維方法在早期智能監控系統中證明是很成功的，尤其對于那些不需要精確的姿勢恢復或低圖像分辨率的應用場合(如交通監控中的行人跟蹤)。二維跟蹤有著簡單快速的優點，主要的缺點是受攝像機角度的限制。而三維方法在不受限的復雜的人的運動判斷(如人的徘徊、握手與跳舞等)、更加準確的物理空間的表達、遮擋的準確預測和處理等方面的優點是用于行為識別;同時，三維恢復對于虛擬現實中的應用也是必需的。目前基于視覺的三維跟蹤研究仍相當有限，三維姿勢恢復的實例亦很少，且大部分系統由于要求魯棒性而引入了簡化的約束條件。三維跟蹤也導致了從圖像中人體模型的獲取、遮擋處理、人體參數化建模、攝像機的標定等一系列難題。以建模為例，人體模型通常使用許多形狀參數所表達。然而，目前的模型很少利用了關節的角度約束和人體部分的動態特性;而且過去的一些工作幾乎都假設3 D模型依據先驗條件而提前被指定，實際上這些形狀參數應當從圖像中估計出來。總之，3 D建模與跟蹤在未來工作中應值得更多的關注。

攝像機的使用

使用單一攝像機的三維人的跟蹤研究還很缺乏，身體姿勢和運動在單一視角下由于遮擋或深度影響而容易產生歧義現象，因此使用多攝像機進行三維姿勢跟蹤和恢復的優點是很明顯的。同時，多攝像機的使用不僅可以擴大監視的有效范圍，而且可以提供多個不同的方向視角以用于解決遮擋問題。很明顯，未來的智能監控系統將極大受益于多攝像機的使用。對于多攝像機跟蹤系統而言，我們需要確定在每個時刻使用哪一個攝像機或哪一幅圖像。也就是說，多攝像機之間的選擇和信息融合是一個比較重要的問題。

性能評估

一般而言，魯棒性、準確度、速度是智能監控系統的三個基本要求。例如，系統的魯棒性對于監控應用特別重要，這是因為它們通常被要求是自動、連續地工作，因此這些系統對于如噪聲、光照、天氣等因素的影響不能太敏感;系統的準確度對于控制應用特別重要，例如基于行為或姿勢識別的接口控制場合;而系統的處理速度對于那些需要實時高速的監控系統而言更是非常關鍵。因此，如何選擇有效的工作方案來提高系統性能、降低計算代價是個特別值得考慮的問題。同時，如何利用來自不同用戶、不同環境、不同實驗條件的大量數據測試系統的實時性、魯棒性亦相當重要。

總結

以上是生活随笔為你收集整理的计算机视觉的监控系统研究现状,智能监控国内外研究现状的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。