现代社会是一个人口密集、高度复杂的社会，面临的突发事件和异常事件越来越多，其监控的难度与重要性也越来越突出。为此，**各国政府和学者已开始密切关注新一代的监控技术。
   
    研究背景
   
    对于某些敏感场景，如银行、 商店、停车场、军事基地等，出于管理和安全的需要，人们必须知道该区域内发生的事件，于是采用某种**定方法来监视该场景，并且及时地对发生的异常事件做出适当的反应，这就是所谓的监控。
   
    从监控技术的发展来看，大致可分为三个阶段：人力现场监控、人力视频监控和智能视觉监控。所谓人力现场监控，即安排专人在现场对场景监控，人力现场监 控的应用可以追溯到原始社会，一直延续至今。所谓人力视频监控，即用摄像机对场景拍摄，视频信号被采集到**控制部门并被显示到监视器上，由人对视频图像进行分析，得出恰当的判断。视频监控又分为两种，一种是早期采用的模拟视频监控，一种是现在广泛采用的数字视频监控，这种监控技术引入了大量的计算机技术来协助人采集和管理所有视频信息，监控系统的性能得到了有效的提高。目前，市场上已经有比较成熟的数字视频监控系统出现。
   
　　现代社会是一个人口密集、高度复杂的社会，人类的活动范围越来越大，面临的突发事件和异常事件越来越复杂，监控的难度和重要性也越来越突出。由于人工本身固有的不足，人力越来越难以胜任分析和理解采集到的数量惊人的视频数据。因此，目前**各国政府和学者，密切关注新一代的监控技术――智能视觉监控技术。它和以往的监控技术有本质的区别，其主要**征是采用计算机视觉的方法，在几乎不需要人为干预的情况下，**对摄像机拍录的图像序列进行自动分析来对动态场景中的目标进行定位、识别和跟踪，并在此基础上分析和判断目标的行为，从而做到既能完成日常管理又能在异常情况发生的时候及时做出反应。更形象地说，智能视觉监控系统能够看，看被监控场景中目标物体的行为；能够想，想目标物体的行为意味着什么；能够说，把想的结果用自然语言的形式表达出来。因此智能视觉监控系统取代了监控任务中人的大部分工作，是新一代的具有高度智能的监控技术。智能视觉监控技术具有广泛的应用前景，可以应用于交通场景，如十字路口、高速公路、停车场、飞机场等监控、军事场景监控、**重要安全部门，如军事基地、银行等监控、敏感的公共场合，如天安门广场、火车站，等等。智能视觉监控技术已经显示了巨大的市场**，以智能交通系统为例，据Ｐｈｉｌｉｐ Ｓａｙｅｇ和Ｐｈｉｌｉｐ Ｃｈａｒｌｅｓ预测，到2010年，中国和南亚五国的智能交通系统市场潜力估计在38**美元左右。**别是美国9.11恐怖袭击事件以后，各国都高度重视这样一个问题，即如何对**重要安全部门和敏感的公共场合进行全天候、自动的、实时的监控，而智能视觉系统就是解决这一问题的有效手段之一。
   
    智能视觉监控技术的研究不但有**其重要的实践意义，而且还有重要的理论研究意义。在计算机视觉领域中，一个**根本的问题就是如何从底层原始视频数据得到高层的语义理解，而智能视觉监控的研究正是紧紧围绕这个基本问题，研究范围不是仅局限于某个**定问题，而是涉及到计算机视觉中从底层到高层的许多基本问题。因此，该研究的成果对计算机视觉中其他研究领域有重要借鉴意义。
   
    研究现状
   
    智能视觉监控越来越受到**很多学者的密切注意。计算机视觉领域中的**期刊ＩＪＣＶ和ＰＡｌＭｌ相继在2000年6月和2000年8月出版了关于视觉监控的专刊。由Ｓｔｅｖｅ Ｊ．Ｍａｙｂａｎｋ和中科院自动化所所长谭铁牛组织的ＩＥＥＥ视觉监控专题讨论会也已经成功地举办了三届。收录了大量智能视觉监控领域内的**研究成果。

智能视觉监控的研究对象很广泛，理论上说，凡是动态场景中的运动目标都可以作为被研究对象，相应的研究方法也很类似，本文以交通场景为例，对基于交通场景的智能视觉监控的研究现状作简要的介绍。
   
    视觉监控中的车辆的定位与跟踪算法大致可分为如下四类，值得注意的是，这种分类不是**的，各种方法之间可以互相的借鉴和融合？：基于区域的方法、基于主动轮廓的方法、基于**征的方法、基于模型的方法；从另一个角度看，也可以分为基于二维的方法和基于三维模型的方法。对于这些方法，尤其对于基于二维的方法，本身具有固有的缺陷，如：难以解决遮挡、无关结构干扰、对光线敏感、适用场景有限等问题，而对于采用基于三维模型的方法来说，由于引入了目标物体的三维先验知识，所以从本质上来讲，比基于二维的方法更具鲁捧性和准确性，但是相应的研究的难度也更大。目前**上的研究组大多采用基于二维的方法，采用基于三维模型的方法的研究组比较少，具有**的研究组有英国雷丁大学计算机系的ＶＩＥＷＳ项目组和德国卡尔斯鲁厄大学计算机系Ｈ．Ｈ．ＮＡＧＥＬ博士**的研究组。
   
    中国科学院自动化研究所模式识别**重点实验室谭铁牛研究员从20世纪90年代初就开始研究基于三维模型的智能视觉监控系统，**视觉监控小组，针对系统中若干关键性问题，进行了深入的研究和探讨，提出了自己的见解和主张，取得了一系列的研究成果，在**计算机视觉领域**期刊如ＩＪＣＶ和重要**会议如ＩＣＣＶ上发表论文数十篇，在ＩＥＥＥＳＭＣ上作了有关视觉监控的**邀报告。
   
    基于三维模型的交通监控系统
   
    计算机视觉界中传统的Ｍａｒｒ视觉理论**，视觉过程是从下到上的处理过程，但实际上，人类在观察周围**的时候，总是利用丰富的先验知识，这就启发我们恰当地引入先验知识，提高系统的性能。先验知识包括很多方面，如车辆模型、场景模型、运动模型、弱透视模型、地平面约束、推理结构和语法与句法模型等等，其中**重要的是车辆模型。我们实现生成一个车辆的三维线框模型，在给定的姿态下，将其投影到图像平面上，并与图像数据匹配。**优化过程得到目标物体的真实姿态，这类方法，我们称之为基于三维模型的目标定位方法。
   
    中科院自动化所模式识别**重点实验室视觉监控小组总结了英国雷丁大学ＶＩＥＷＳ的车辆交通监控原型系统的研究经验，在以往的理论研究的基础上，自行设计了一个****自主版权的交通监控原型系统ＶＳｔａｒ Ｖｉｓｕａｌ ＳｕｒｖｅｉｌｌａｎｃｅＳｔａｒ，并在ＰＣ Ｗｉｎｄｏｗｓ2000平台上用Ｖｉｓｕａｌ Ｃ＋＋６．０语言初步实现了整个系统。
   
    从硬件组成上看，整个ＶＳｔａｒ系统由计算机、数字摄像机、音箱和交通场景模拟平台组成。当车辆在交通场景中运动时，摄像机将拍录下来的视频序列送进计算机；定位和跟踪程序自动分析这些视频序列，识别车型并跟踪车辆在场景中的运动；跟踪结果被送进行为分析和语义解释程序，对车辆的行为进行分析并给出语义解释；如果需要的话，语义解释结果进一步被送进语音合成程序，得到语音提示或警告。比如，当车辆逆向行驶或闯入草地时，系统给出准确的语音警告。目前该系统能够在一台Ｐ ｌｌｌ 866ＰＣ机上实时地跟踪车辆，对光线变化、无关结构的干扰斑马线、边界遮挡具有很强的鲁捧性。
   
    该系统对视觉监控理论算法和系统实现的研究奠定了重要基础。
   
    研究展望
   
    由于智能视觉监控这项研究重要的理论**和应用**，目前已经成为**上的研究热点，需要解决的问题也很多。理论上，我们将在姿态评价函数形式与优化方法、目标定位跟踪和预测的统一概率框架、语义推理结构与模式学习、多媒体化描述等方面继续展开深入的研究。
   
    在实践上，将升级现有的ＶＳｔａｒ原型系统，**各项功能模块，如设计更鲁棒的算法、实现多目标的实时跟踪、设计多机网络化硬件框架、引入多摄像机系统、**知识库等等。还可以基于**定的场合，如高速公路、停车场、**社区等，实现实用化的智能视觉监控产品。