在视频图像监控系统的实际应用中，普遍存在着“看不清、存取慢、提取难、检索不可靠”的问题。主要表现为视频图像不清晰难以取证、海量视频图像存储难和下载慢、视频格式多不对通、目标特征检索不可靠、图像查找比对误差大，缺少视频图像信息深度挖掘有效工具等技术难题。这些问题极大的影响了监控在实际中的使用，需要大力开展视频图像智能分析技术的研究。

目前视频图像智能分析主要是指运用智能分析算法，对输入视频图像进行自动或半自动的内容分析，提取客户所感兴趣的、关键的有效信息。针对不同的分析目的，智能分析算法有其自身的具体要求，比如环境因素的干扰(狂风暴雨所造成的背景混乱，光线变化所造成的颜色的变化，白天和夜晚不同条件所造成的清晰度的变化等)和硬件困扰(图像分析目标的清晰度、角度和尺寸)，这种要求在实际使用时对客户会造成一定的困扰。客户希望实际使用的系统具有很高的准确性和环境适应性，而现有的系统只能在要求的环境中工作良好。因此，一方面视频图像智能分析算法需要提高算法的普适性要求，一方面也迫切要求视频图像智能分析系统业界标准的出台，以规范施工质量和引导客户预期。

视频图像智能分析主要有两种产品形态：前端智能和后端智能。后端智能是前端摄像机只负责采集视频图像，将码流传递到后端服务器做集中处理。这样对于后端的计算压力比较大，也不利于实时处理，比较好的是做到按“需”处理。前端智能以感知型摄像机为代表，将智能分析算法嵌入到前端摄像机，前端摄像机对采集的视频内容立即进行分析，提取出画面中关键的、感兴趣的、有效的信息，形成结构化的数据，将后端感兴趣的内容实时传给后端做存储或深入分析。

前端智能分析的优势在于每一路前端摄像机都可以做智能的实时分析，消灭延时，减轻后端的计算压力，可以做到无遗漏的智能分析。同时，解放后端的计算资源，以集中优势计算资源做更深入的分析。在实现方式上，智能前端化是目前的一大趋势。从某种意义上说，前端和后端配合起来做智能分析，才真正让视频图像智能分析大数据化。

这种智能分析的系统，是真正的“大数据”系统，不大可能有少数厂商独霸江湖，它对于互联互通的要求，先天就比较高。市场上现有的多种视频图像智能分析设备，分别由不同的厂家生产，缺少统一的规范和接口，导致其在监控系统中的应用受到了限制，不利于智能分析的深入发展。也要求有智能视频图像分析标准，来进一步规范安防监控嵌入式视频实时智能分析设备，为视频图像智能分析技术在监控中的发展奠定基础。

我们可喜的看到，交通和金融行业，视频图像智能分析已经有一定的深入应用。就智能交通而言，号牌识别的功能已经基本成熟，可以及时为交通部门准确的提供诸如车流量、拥塞成都和事故监控、违章检测等交通信息，使交通部门能有效的获取有关交通状况信息，及时进行处理。总体而言，国内智能交通系统的应用主要还是集中在智能视频监控功能，但实际的监控任务仍需要较多的人工参与。很多情况下，视频监控系统提供的信息，不能直接关联到后台应用，不能及时充分的发挥监控系统应有的实时机动的监督作用。另一方面，为了及时防止违章违法行为，对无人值守的视频监控系统的需求量日益上升。这两方面是目前国内智能交通存在的瓶颈。

视频图像智能分析技术，在国际上已经有近10年的发展与应用，目前在国内也已被持续研发和广泛应用，特别在一些不太复杂的应用其效果还是比较好的。其未来的发展还要持续优化产品形态，让生产出来的智能分析产品能够更好地适应各种的实际环境，提高智能应用的准确性，真正达到高效智能。

随着智能视频分析技术的发展，视频分析技术的应用将不止停留在原来能“看”(监控)的程度;还要能“懂”得监控场景中目标物体的行为;能够“想”目标物体是什么，他要做什么;更可以把想的结果“说”出来。真正能够有变革意义的在于能从以前的“被动监控”向“事前控制、主动预警、事中追踪、事后分析”演化。

本文由大比特资讯收集整理(www.big-bit.com)