安防的技术一直在演进中，当行业完成了网络化和高清化之后，智能化应用就成了各个安防门类厂家的技术热门。应该说，从2012年开始，安防行业都在围绕如何使产物和系统智能化应用展开深入研发和探讨，从而引发了一波技术潮流。如果说智能视频分析是智慧安防应用的2.0版本，那么，机器视觉，将开启智慧安防应用2.0时代，这是一个智能安防新的应用天地。
精准把握机器视觉的研究内容
要探讨机器视觉的应用，首先还是需要精准把握什么是机器视觉，并把其与当下热门又有重迭部分的人工智能和深度学习区分开来。
人工智能的外延范围最大，包括了机器视觉、深度学习、机器人技术、生物识别技术和自然语言处理。可以看出，人工智能包括了深度学习和机器视觉，研究的是人类智能活动规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。
深度学习，是人工智能研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如视频、声音和文本。深度学习在安防行业的应用极为热门，在评测产物时对于人脸和车辆的识别技术都基于深度学习。究其原因，深度学习的关键要素是数据，而占大数据总量60%以上的为视频监控数据，所以，深度学习的在安防行业的方方面面得到了应用：人脸检测、车辆检测、非机动车检测、人脸识别、车辆品牌识别、行人检索、车辆检测、人体属性、异常人脸检测、人群行为分析、各种感兴趣目标的跟踪等。
机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。通过分颁惭翱厂或颁颁顿传感器将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。
机器视觉主要是对图像进行识别，因此机器视觉在人脸识别、车牌识别等方面得到大量运用。以智能交通行业为例，机器视觉具有成本低、稳定性强、准确性高、应用范围广等优点，目前已经在国内外高速公路和公路的交通监控系统中得到了广泛的应用,具体体现在车牌识别、车身颜色识别、车型识别、违章识别、车流量统计、流量控制等。
这时有人会产生疑惑，机器视觉和深度学习有太多重迭之处，是否两者在安防行业是同一概念的不同表达。其实不然，如果仅从视频监控行业来看，学习算法是机器视觉更高层面的应用，因为基于巨大样本采集把握了大量数据特征，而机器视觉主要在特征感知、图像预处理、特征提取、特征筛选面擅长，也就是说，机器视觉主要是在特征识别提炼部分，而深度学习是把特征和学习结合起来，比如用特征的感知和提取来预判数据。
机器视觉安防应用的核心技术
在今年6月份有美国商业资讯的权威机构作出了预测，全球机器视觉市场正处于迅速发展之中，预计到2025年年底，市值将超过192亿美元。时至今日，机器视觉技术不仅成功应用于多个领域，并且应用范围还在逐步扩大。已由起初的电子制造业和半导体生产公司，发展到了安防、包装、汽车、交通和印刷等多个行业。
安防，是机器视觉应用的主战场之一，有几大心技术应用为安防行业带来改变：
目标识别
目标识别技术和稳定的追踪方法是机器视觉在安防发展的关键技术。它在很多领域都得到大量的应用，例如身份确认的指纹识别、人脸识别、虹膜识以及在智能交通管理、机动车检测、停车场管理等场合的车牌识别等。一个目标识别系统应该具有在复杂背景以及各种天气情况下检测、分类、识别标的能力，这样才能有针对性地对目标进行持续的跟踪。
近些年来，目标识别技术已由理论探索、实验室仿真逐渐走向实际应用，其技术方法也从经典的统计模式识别，向着基于知识、模型、多传感器信息融合以及向深度学习神经网络的识别方法演进。
目标追踪
运动目标跟踪是确定同一物体在图像序列不同帧中位置的过程。其主要工作方式就是选择好的目标特征和采用适当的搜索方法，根据匹配原理，把现有的跟踪方法分为基于模型、区域、特征以及活动轮廓的跟踪，这是机器视觉力所能及之处。
双目技术
双目立体技术核心目的是提高识别的准确率。由于立体视觉技术形成的视场中带有物体的叁维几何信息，因此能够有效的设定检测规则，排除光线、影子等干扰因素，大幅提高智能分析的准确度。在评测杭州巨头公司的高空了望云台摄像机时，发现都基于机器视觉的双目技术，其对于人、物的识别率有极大提高，并且采用双相机或多相机，对视场内空间的自由运动体的叁维位置坐标及姿态进行高精度的测量，确定运动目标的质心位置，并根据标定结果对运动目标进行高精度跟踪。
多球机联动跟踪技术
多球机联动跟踪技术是以单球机智能跟踪技术作为基础的。从应用的层面上看，能够将普通的跟踪球机的单点式监控，提升为系统内对单个目标的无缝式接力跟踪，配合电子地图的使用，能够容易的实现对高安全等级区域的无缝式跟踪，并实现目标轨迹描绘、犯罪行为预警等高等级的安保需求。多球机联动跟踪技术的实现，需要具备多目标识别与跟踪技术。在应用中，通常设定一台球机作为发起点，对广域范围内目标进行的智能行为分析，并将同时监控的多个目标按照既定的策略进行排序，并按照先后顺序，指挥智能跟踪球机逐个跟踪监控目标。与单目标跟踪相比，多目标跟踪技术的关键点是数据关联问题，即建立一个统一的坐标系，使得发起球机可以将目标的坐标信息传递给跟踪球机，实现联动跟踪。该技术其实是安防行业机器视觉的最早应用，在苏州某安防公司的接触中就窥见了一斑。
面向事后应用的视频摘要、视频检索
随着监控探头的普及，监控系统中存有海量的录像数据，在目前人工查看的模式下，传统的方法需要从头到尾顺序播放，往往需要数倍于原始视频的时间才能审看完成，因此需要大量人员连续加班数周进行视频的审看。为了规避遗漏和误差，就要加大人力投入的方法。如何有效、高效的应用，减轻人工查看回放带来的时效性差、成本高、疲劳问题，并在不同分辨率、不同清晰度的录像中准确的辨别出需要获取的信息，基于以上需求，安防厂家研发了视频摘要、视频检索等技术手段，这也是机器视觉的研究内容之一。
机器视觉开启智慧安防应用
从以上的介绍和分析中，我们大概能了解机器视觉有所认知，但其在安防行业能做什么，为行业带来哪些改变，值得关注。先举例子来看机器视觉应用价值：
2017年7月16日，深圳市宝安区西乡金港华庭沃尔玛超市内，惊现一名男子持菜刀伤人，并导致2人死亡，9人受伤。如今，监控在大小商场店铺中随处可见，几乎成为了每个商场店铺的必备。显然，使用监控对于店铺日常管理与安防工作都十分有用。但事实上，目前以人力为主的监控设备存在极大的安全漏洞，使安防工作在一定程度上形同虚设。基于机器视觉技术的智能安防系统，能够从众多视频材料中进行图像识别，搜寻可疑人物等信息，实现对高危人员的识别和筛查；同时还能够从多个监控设备自动识别可疑物体，比如菜刀等，自动发出警报提醒安保人员。
除了事前的预防和制止功能，机器视觉的视频摘要和检索是面向事后应用的智能技术。其中，视频摘要技术使24小时的视频被制作成一个简短到几分钟摘要视频成为现实，这将大大提高海量视频监控录像分析的效率。视频检索技术则主要是依赖于视频算法对视频进行预处理，通过对视频内容进行结构化处理，提取出视频内容中的有效信息，进行标记或者相关处理后，人后可以通过各种属性描述进行快速检索。
可以说，如果上述案例中具有机器视觉的智能安防产物，必然不会发生如此惨剧。以点带面，看机器视觉如何弄潮安防新时代。
与公安机关建立人脸捕捉数据库
在公共场合人员密集区域，比如：天安门广场、火车站等敏感的公共场合监控，相关机器视觉产物也随着技术的发展不断地细化。产物能与公安机关搭建人脸识别比对系统，建立人脸捕捉数据库，将人脸信息归档，并与个人身份建立关系，在实际运用过程中采用人脸搜索、黑名单布防、陌生人识别等多项智能分析功能，大大提高视频监控的防范功效，可以让犯罪分子无可遁形。
智能交通中对车的识别和管控
在交通行业，与其他识别技术相比，机器视觉具有成本低、稳定性强、准确性高、应用范围广等优点，目前已经在国内外高速公路和公路的交通监控系统中得到了广泛的应用,比如车牌识别、车身颜色识别、车型识别、违章识别、车流量统计、流量控制等。
人脸布控
人脸识别基于人的脸部特征信息进行身份识别，主要指通过摄像机采集含有人脸的图片或视频流，然后在图片或视频流中进行人脸检测并抓拍，进行面部特征提取，以实现抓拍的人脸与数据库中的人脸进行比对的技术。目前已有不少公司推出了机器视觉的人脸布控系统，能够适应于各种交通要道、住宿场所、智能楼宇、大型连锁商场，平安城市等场合，具有人脸布控、以图搜图、用户管理等核心业务功能。
一些公司在努力的用机器视觉改变安防。比如：2017上海国际机器视觉展痴颈蝉颈辞苍颁丑颈苍补在上海举行，海康机器人的技术与设计都是源于机器视觉；大华股份浙江华睿科技与英特尔联合共推机器视觉业务。今年6月29日，华睿科技与英特尔重磅发布了9惭笔/12惭笔高性能小面阵相机、50惭笔颁辞补齿笔谤别蝉蝉大面阵相机等机器视觉系列新品。此外，北京清影机器视觉技术有限公司研发的通用式叁维即时成像技术具有通用式和即”两大特点，填补了国内机器视觉领域的空白；腾龙推出的4款机器视觉专用定焦镜头，进一步充实产物阵容，提供更多高像素镜头方案，满足用户需求；今年5月，美国亚马逊公司收购了一支欧洲顶级机器视觉团队用于无人机和视频监控领域研究。
结束语
业界有这样的观点，机器视觉形成了智能视频分析的闭环，从特征提取到应用都极大提升了智能安防行业应用，是智慧安防2.0。为此，一场由机器视觉引发的智慧安防风暴已经吹响全球，并在迅速蔓延中，将改变智慧安防格局。
