高清化、網絡化、智能化被公認為是視頻監控領域的三大發展趨勢。其實智能技術進入安防行業已有七八年的時間，從早期的技術摸索到算法的逐漸成熟，如今智能技術已在政府、交通、金融等多個領域得到了應用。如今安防行業正保持著良好的發展勢頭，平安城市、智慧城市建設等應用更為智能技術提供了大量的應用經驗和數據，在未來智能技術將會有更廣闊的發展空間。

　　智能安防進入規模化應用

　　我國的視頻監控系統經歷了從第*代的模擬系統(CCTV)，到第二代數模混合系統(DVR)，再到第三代以網絡攝像機和視頻服務器為代表的數字化監控系統三個階段的演變。如今，視頻監控系統越來越廣泛的應用到社會的各個方面，在安防、政府、銀行、教育、交通等社會各個領域都發揮著極其重要的作用。在我國，視頻監控市場正在快速發展中，各種監控需求逐年增多，監控設備也越來越豐富，人們不斷對監控系統提出了更高、更新的要求。　　

　　如果把攝像機看作人的眼睛，而智能視頻監控系統則可以看作人的大腦。智能視頻監控是基于計算機視覺技術對監控場景的視頻圖像內容進行分析，提取場景中的關鍵信息，并形成相應事件和告警的監控方式，是新一代基于視頻內容分析的監控系統。智能視頻監控技術借助于計算機強大的數據處理功能，對視頻畫面中的海量數據進行高速分析，過略掉用戶不關心的信息，僅為監控者提供有用的關鍵信息。相較于傳統監控，智能視頻監控能基于計算機視覺技術同時對多個監控場景的視頻圖像內容進行分析，自動篩選報警信息。　

　　智能視頻監控可以解決兩個主要問題：一個是將安防操作人員從繁雜而枯燥的“盯屏幕”任務中解脫出來。由機器來完成這部分工作，對異常情況能夠及時處理，比如報警等；另外一個是為在海量的視頻數據中快速檢索到想要找的圖像。智能視頻監控的核心內容是對特定目標的自動檢測、跟蹤與行為識別，包括運動檢測、目標分類、目標跟蹤、行為識別等4個方面內容。　　

　　視頻分析技術是智能視頻監控系統的核心價值，從目前來看，智能視頻分析技術能在幾乎不需要人為干預的情況下，通過對攝像機拍錄的圖像序列進行自動分析來對動態場景中的目標進行定位、識別和跟蹤，并在此基礎上分析和判斷目標的行為，做到既能完成日常管理又能在異常情況發生的時候及時做出反應，從而解決了傳統監控工作量大、效率低、反應速度慢等問題，其優勢顯而易見，也是推動整個安防智能化最為關鍵的技術之一。　　

　　近年來，智能視頻監控取得了長足發展，應用領域不斷擴大，從自動目標檢測到現在的事件檢測、自動目標識別，其監控產品也逐漸由模擬化向數字化、網絡化和智能化方向發展。　

　　智能視頻分析功能多樣

　　視頻智能分析，就是使用計算機圖像視覺分析技術，通過將場景中背景和目標分離進而分析并追蹤在攝像機場景內出現的目標。用戶可以根據的視頻內容分析功能，通過在不同攝像機的場景中預設不同的報警規則，一旦目標在場景中出現了違反預定義規則的行為，系統會自動發出報警，監控工作站自動彈出報警信息并發出警示音,用戶可以通過點擊報警信息，實現報警的場景重組并采取相關措施。視頻內容分析技術通過對可視的監視攝像機視頻圖像進行分析，借助計算機的高速計算能力使用各種過濾器，排除監視場景中非人類的干擾因素，準確判斷人類在視頻監視圖像中的各種活動。

　　智能視頻分析技術源自計算機視覺技術，計算機視覺技術是人工智能研究的分支之一，它能夠在圖像及圖像描述之間建立映射關系，從而使計算能夠通過數字圖像處理和分析來理解視頻畫面中的內容。在視頻監控中所提到的智能視頻技術主要指的是“自動的分析和抽取視頻源中的關鍵信息”。智能視頻分析技術由運動目標檢測、分類、跟蹤和行為識別等幾個基本節組成，還包括智能視頻檢索技術，其中行為識別又包括異常行為檢測、異常事件檢測以及視頻內容理解描述等。目前市場上的智能視頻分析技術主要有以下幾種功能：　　

　　1、圖像采集。一般圖像信號通常是以壓縮圖像流的形式存在，將圖像流解壓還原成原始圖像格式后再進行分析；　　

　　2、運動物體檢測。能夠對場景中運動的物體為進行分析，如統計穿越出入口或指定區域人或車的數量、高速公路交通流量，識別人群的整體運動特征，包括速度、方向等；　　

　　3、多物體跟蹤。在復雜環境下，對非正常進入監視區域的可疑目標及時檢測，能夠識別單個或多個目標的運動情況（如運動方向、運動速度等）。在檢測到可疑目標后，發送控制指令使攝像機自動跟蹤目標，在物體超出該攝像機監控范圍之后，自動通知鄰近的攝像機協同工作，繼續進行跟蹤并發出報警信號；　　

　　4、行為特征分析。行為特征分析是從圖像中尋找滿足預先設定的行為特征的事件。如檢測、分類、跟蹤和記錄過往行人、車輛及其他可疑物體，判斷公路上是否有車輛非法停靠、是否有故障車輛，是否有行人及車輛在禁區內發生長時間徘徊、停留、逆行等行為，檢測公共場所是否有人員的集聚、奔跑、斗毆等。

　　智能分析技術難點須突破　　　

　　實際環境中光照變化、目標運動復雜性、遮擋、目標與背景顏色相似、背景雜亂等都會增加智能分析算法設計的難度。當應用環境背景復雜，光照變化引起目標顏色與背景顏色的變化時，分析軟件可能造成虛假檢測與錯誤跟蹤，這種光照變化對算法的影響是無法完全消除的。此外，當視頻圖像中運動目標被部分或完全遮擋，又或是多個目標相互遮擋時，目標信息的缺失會影響智能分析軟件在分析跟蹤時的穩定性。目前的智能分析系統一方面要保證大量信息分析跟蹤的實時性，選擇計算量小的分析算法，同時為了使分析算法對復雜背景、光照變化和遮擋等情況有較強的適應性，則要選擇復雜的分析運算方式，而若要同時滿足兩者，存在一定困難。　

　　由此，當智能分析技術應用在各個行業時，若能進行應用環境的區分和運算方法的簡化，實現單一應用，為每個行業進行特定開發，并嵌入專門的算法，或只針對某一種或簡單幾種事件進行分析，比如重要出入口的人員跟蹤，系統只需嵌入分析及跟蹤算法等，則會簡化智能分析技術的運算方式，而智能分析技術也會更貼合行業需求特點，進行更為精準的分析運算。　

　　智能分析技術的行業化開發需求一方面來源于行業發展與技術限制，同時，更大程度上取決于實際應用效果的真實反饋。目前智能分析技術有行為分析、特征識別、視頻診斷、分類統計等，而不同行業智能視頻分析技術應用的側重點也有不同。如監獄內的智能分析系統主要是越界檢測、區域內徘徊事件檢測、異常行為識別等，其主要是為防止服刑人員越獄和群毆事件的發生，并維護周界安全等。而對于道路交通高速公路等行業的應用需求，則主要是違章檢測、車流統計、逆向行駛、車牌識別、交通事件檢測等。對于機場、車站等人員流動性比較大的公共場所來說，為防止危險物品的爆炸和可疑人員犯罪等行為的發生，其對于遺棄物檢測和徘徊檢測的需求更為突出。

　　海康威視智能監控解決方案工程師黃丹平在接受媒體采訪時表示，目前智能分析技術主要受到應用環境的影響，使得很多功能在實際應用中不是很理想。目前最常見的行為分析功能，如跨線報警、區域入侵檢測以及人員聚集、徘徊、打架等，受到應用環境的影響非常嚴重，常常在實際應用中達不到預期目的。誤報或者漏報還是偏高。而且，很多深層次的應用單純從視頻中提取的信息量還是不夠，判斷準確性達不到要求。不過，大家對于智能監控未來的前景還是很看好的，監控系統每年還在加大建設，光靠人已經無法很好的處理成千上萬的監控攝像頭所產生的海量數據了，對視頻數據的智能化分析和深入應用是必然的趨勢。現在智能應用已經到了行業細分階段，經過實際的項目模式，已經提煉出一些適合做智能分析的行業和場景，進行深入的算法研究，很多產品已經能夠達到實際使用，解決客戶問題的目的。而且隨著視頻分析技術的不斷成熟，對很多復雜的場景也能夠進行比較精確的分析。