智能視頻分析技術(Video Analytics)綜合了多學科的研究成果，主要包括圖像處理、跟蹤技術、模式識別、軟件工程、數字信號處理(DSP)等領域。從2001年911事件后，美國對視頻分析技術加大投入，數據表明，從2002年至2005年是視頻分析技術研究的一個高峰時期。國內的視頻分析技術也得到迅速發展，但國內的智能分析應用應該是從2005年以后開始，從早期的行為分析應用到目前的各行業的深化應用。隨著安防行業的迅速擴張和發展，國內的視頻分析得到了非常迅猛的發展。

　　一、視頻分析技術應用的現狀

　　從技術角度來講，目前國內智能分析技術主要還集中在兩大類：一類是采用畫面分割前景提取等方法對視頻畫面中的目標進行提取檢測，通過各種不同的規則來區分不同的事件，從而實現不同判斷并產生相應的報警聯動等，例如：最早期的一些行為分析類功能(跨界、區域入侵、打架檢測、人員聚集等)、還有早期的交通事件檢測等都屬于這類算法技術的應用。另一類是利用模式識別技術，對畫面中特定的物體進行建模，并通過大量樣本進行訓練，從而達到對視頻畫面中的特定物體進行檢測及相關應用。如車輛檢測、人臉檢測、人頭檢測(人流統計)等應用。

　　從應用角度來講，目前國內智能分析技術主要有四大類：第一類是實時報警類。第二類是數據統計類，第三類是屬性識別類。第四類是圖像處理類。

　　第一類，實時報警類，主要是通過分析技術對實時視頻進行內容的分析和判斷，發現某種狀態達到報警規則的要求時，系統即可發出報警聯動。如最基礎的跨線報警、闖入報警、打架報警、聚眾報警等，當然隨著應用的深入，各行業應用中也出現了很多帶有行業特征的實時報警應用，如交通行業的擁堵報警、行人上高速報警;司法行業的攀高報警、離崗報警;金融行業的尾隨報警、貼假廣告報價等等。

　　第二類，數據統計類。主要是通過在特定的場景下，對視頻內容中特定的內容進行統計，形成相關的報表和數據應用。例如，通過視頻分析對公路上的車流量進行自動統計，通過視頻分析對商場出入口等的人流量進行統計等等。

　　第三類，屬性識別類，主要是對視頻中特定事務的屬性進行自動識別，達到對視頻內容的深入應用和快速檢索等目的。如人臉識別、車牌識別、車標識別、顏色識別、性別識別、身高識別、年齡識別、手勢識別等等。目前安防行業中應用較多的主要還是人臉識別、車牌識別、車標識別等。

　　第四類，圖像處理類。主要是對圖像整體進行分析判斷及優化處理以達到更好的效果或者將不清楚的內容通過算法計算處理達到看得清的效果。如目前的視頻增強技術(去噪、去霧、銳化、加亮等)、視頻復原技術(去模糊、畸變矯正等)。

　　從產品形態來講，目前市場上主要有兩大類產品形態，一類是前端智能產品。一類是后端服務器產品。這兩類產品各有優缺點，根據不同的應用和項目類型有不同的選擇。

　　目前市場上可以看到很多智能攝像機，即將一些視頻分析算法移植到網絡攝像機中，在攝像機中實現對實時視頻的分析和檢查，實現一些智能分析的功能(例如目前有實現車輛檢測的車輛抓拍攝像機、實現區域入侵等功能的目標檢測報警的攝像機、有實現人類檢測抓拍的攝像機等等)，智能攝像機自帶分析功能，系統架構簡單，同時目前的攝像機DSP處理能力已經完全能運行各種較為復雜的分析算法，分析效果和后端產品基本相同。

　　智能分析服務器在市場上應該還算是主流產品，服務器產品有軟件開發周期短、項目應用靈活、改造項目適用性強等特點。同時也還有相對比較復雜的智能分析功能需要的計算量還是很大，完全移植到攝像機中需要大量優化和改進算法性能和提高前端設備硬件成本。而基于x86的服務器是目前運行這些復雜算法的最好選擇，成本相對較低，能夠達到的分析效果也最好。

　　例如，目前客流統計分析、人臉檢索分析、人臉比對、交通事件檢測、視頻內容檢索、視頻質量診斷等應用大部分還集中在服務器產品上，移植到攝像機中的較少，即使有也是將部分運算量較小的內容移植到攝像機中處理。但是服務器產品有一個不爭的劣勢，那就是穩定性。穩定性方面肯定沒嵌入式產品好。所以很多廠家還是會在成本控制的前提下，盡力優化算法將各種功能盡可能的移植到嵌入式設備中去，提高系統的穩定性，特別是一些需要在室外環境中使用的設備(如交通事件檢測等應用)。

　　二、智能分析技術應用存在大問題

　　早期視頻分析應用產品出現在市場上，著實引起了一段騷動，而且很多特殊的應用場景和應用環境，的確能給客戶帶來很大的價值。如商場的人流統計技術，為商場的數據分析帶來了巨大的技術支撐。如車牌識別技術，給公安交通管理帶來的價值是無法用數據來衡量的。但是，視頻分析技術還沒有完全成熟，目前應該還屬于技術應用的初級階段，還存在很多問題，這些問題可能也是限制視頻智能分析應用快速發展的最主要的因素：

　　(一)、檢測準確率達不到理想效果。視頻分析技術的準確率基本達不到非常理想的效果，特別是實時報警類的應用，誤報率和漏報率都是客戶最關心的問題，如果誤報太高，客戶也受不了，如果漏報，客戶更加受不了。特別是一些要求比較高的應用，只要有漏的，實際作用就不大了。

　　(二)、受環境干擾大。視頻分析技術最大的一個問題就是受環境和視頻質量的干擾太大，光線、雜物、惡劣天氣、晃動、飛蟲等的干擾，就會使應用系統效果非常差，甚至失效，無法進行正常工作。

　　(三)、安裝調試復雜。智能分析應用產品幾乎都需要按每一個應用場景進行不同的參數調試，而且會涉及到非常多的專業的參數調試。非專業人員根本無法調試出理想效果。

　　三、智能分析技術應用的發展趨勢

　　總體來看，限制智能分析技術應用的最大因素就是準確率問題。所以智能分析技術應用的發展趨勢肯定是朝著提高準確率的方向前進的。同時另一方面，大家也會尋找一些不關心準確率，而更多關注效率的一些應用方向。

　　主要應該有幾個方面的發展：

　　(一)、從源頭增加可判斷信息。雙目攝像機的推廣應該是一個大方向，雙目攝像機帶有兩個鏡頭，獲取的視頻中帶有目標的深度信息。分析算法計算能夠通過這些信息跟進,準確的判斷物體之間的距離、深度、高度等信息，能夠提高整體算法的準確性。

　　(二)、各種自學習和自適應算法的研究和應用。后續的智能分析產品應該是帶有強大的自學習和自適應功能的。能夠根據不同的復雜環境進行自動學習和過濾，能夠將視頻中的一些干擾目標進行自動過濾。從而達到提高準確率，降低調試復雜度的目的。例如，抗抖動算法、重復運動物體過濾、微小物體自動過濾、強光自動抑制、三維建模等技術的發展和深入應用。

　　(三)、視頻數據深入挖掘應用迅速發展。隨著視頻分析技術的快速發展，視頻數據量也非常大，如何讓視頻分析技術在大數據中發揮作用也成為人們關注的一個方向。利用各種不同的算法計算，將大量視頻數據中不同屬性的事物進行檢索、標注、識別等應用，以達到對大量數據中內容的快速查找檢索。大大降低人工成本，提高效率。甚至在有些方面讓一些人工無法完成的任務成為可能。如：人臉大數據庫檢索，身份證庫重復人員查找、視頻中穿某種衣服、某種顏色的車輛查找、車牌查找、甚至可以做到以圖搜圖等應用(輸入一張圖片找到和圖片類似的片段)。