智能视频分析是视频安防发展必然趋势

　　智能视频分析的原理

　　智能视频分析大体上分为两大类，一类是以背景模型建立为基础，主要包括周界防范在内的行为分析等。第二类是以特征识别为基础，包括车牌识别、人脸识别等。

　　行为分析主要基于运动背景建模与目标识别技术，简单来讲就是在相对静止的背景图像中找到在活动的目标物体。

　　运动目标识别的背景建模技术，首先根据某种数学原理建立环境背景的数学模型，在概数学模型的基础上，机器可以区分出静止背景与运动的目标物体，然后再根据目标的轮廓、大小等信息对其分类，除去虚假的或无需关心的目标，最终结合剩下的目标轨迹与设置的规则产生报警信号。

　　特征识别技术的原理与活动目标识别技术不同。特征识别无需背景模型而需要目标物体的特征，因此机器会存有一个可以用于描述这些特征的数据库，特征识别也就是在所得的图像中寻找与特征库里具有一定相似程度的物体以进行匹配，如果特殊库里描述的特征越多，得到的结果越正确，同时需要的计算量也越大。

　　智能视频分析的需求是在视频监控水平发展到一定阶段后必然的产物，它能很好地缓解传统视频监控中海量信息冗余的问题。虽然经过几年的发展，但现阶段，无论是智能视频分析的技术与应用，还是市场环境都还处于成长阶段，需要在不断地实践中探索中前进。

　　约在三四年前，智能视频分析的概念开始进入人们的视线。起初人们对于智能视频分析的认识有限，加上厂商在宣传上对种种应用前提与限制条件的屏蔽，无形中夸大了智能视频分析的功能，导致很多用户高估了智能分析的作用，甚至把智能视频分析等同于人脑思维而提出某些远远高于现有技术的需求。

　　同时，很多厂商也高估了民用领域用户的专业能力与使用耐性。很多出色演示的功能需要在近乎苛刻的前提场景下完成；此外还有对用户较高的使用专业能力的要求：针对不同的光线、天气变化，需要调整不同的参数设置。且莫说是普通用户，就是连专业的从业人员对此也经常感到迷茫。这些都大大增加了产品推广的难度。

　　在智能视频分析领域里，这些需求与技术的偏差往往会让用户觉得智能视频分析的产品华而不实，这无形中增大了项目的沟通成本，同时也对用户与厂家本身都造成工作上甚至口碑上的影响。

　　智能视频分析技术能在民间真正推广开来，需要厂商与用户共同的努力，需求要理性，产品也要务实。对于用户而言，适当的了解其技术原理，可对方案的设计提供不少的帮助。

　　智能视频分析的“短板”

　　虽然当前智能视频分析技术的主要原理阐述起来简洁明了，但是实施到具体的应用，还有许多复杂的技术问题。

　　1.无法完全消除误报的影响

　　例如运动目标识别中的背景建模技术，在控制漏报数量的同时，还不能完全的删除误报。在以目标识别为技术基础的周界防范产品中，误报的数量一直是反映该产品优劣的一大指标。而误报的数量是由背景模型与实际使用情况之间的差距造成的。模型的适应能力越强，造成的误报越少，背后要求的技术也越高。影响背景模型建立的因数很多，例如空旷的柏油马路和边上有树木的围墙，6m高的摄像机与2m高的摄像机所拍摄的画面就需要不同的背景模型，白天和黑夜的状态需要的模型也不同。目前，行业中还没有开发出一种可以涵盖所有使用情况的背景模型来，也无法完全的解决随机事件的影响，如在黑夜环境下车灯造成的误报。

　　2.不具备行为的判断能力

　　例如周界防范，机器中行为分析的区域入侵功能能够发现活动目标，并可以在这些活动目标中利用技术手段把用户希望的目标（例如人体）提取出来。但是再进一步，这个闯入者的动机是什么，是偶尔路过，还是故意闯入，是否有意的往警戒区域内探望，这些都无法靠机器来识别。毕竟智能视频分析还只是一系列设定好的数学公式与程序，远没有达到人的判断能力。