智能剖析作为视频监控下一个技能的竞赛焦点，在安防监控业界已然成为炙手可热的研讨课题。现在不只安防设备商/集成商对此功用蜂拥而至，许多IT范畴的集成商因为算法本钱研制的本钱不高，所以也开端从其他范畴的智能辨认进入智能监控，或经过后端SDK供给服务，或与摄像机设备商协作，而且往往在产品形状上有异于当时干流的摄像机外形。
如此许多冗杂的摄像机产品及智能算法功用，不得不进行一些关键性技能的区别区分。以深度学习的人脸检测、人脸辨认、人群剖析、车牌辨认、图画辨认等技能而言，一般的二维智能算法八成经过后端大数据库的比对完成查找匹配的功用，在简略的使用场景下，精确率都能到达85%以上，但在杂乱的使用场景，如拥堵的人群、遮挡物许多、移动速度过快等情况下，二维智能算法的缺陷表露无遗。
一般摄像机智能剖析的缺陷及本源
在市面上，一般的智能摄像机存在三个缺陷：一是不带变焦的摄像机对远间隔的方针无法看清方针细节;二是带变焦的镜头尽管经过人工操作，能够看清远处方针，但不能盯梢运动方针，一起因完全赖肉眼调查，简单疲惫，也需求许多人力投入，本钱昂扬;三是部分智能摄像机能辨认车牌及完成有限的报警功用，但对装置视点、方针间隔有很高要求，不适合大面积使用，而且在对多个运动方针完成主动确定、主动盯梢、主动预警等方面的技能不行老练。
而关于形成摄像机智能剖析功用存在这些缺陷，业界专业人士以为，当时大多数做智能视频剖析的厂家都是在后台对前端摄像机收集的图画进行剖析处理，但因传输带宽及存储空间的瓶颈，前端传回后台的图画一般都经过紧缩处理，清晰度变差，这大大降低了视频剖析的辨认率。现在，视频剖析的许多产品都存在这样那样的问题，本源就在于视频源的低质量。
智能剖析算法存在的困难
当时，智能剖析算法存在的最大困难，首要来自于两方面：榜首，是对处理器芯片的实时处理才能要求很高，受制于处理器的有限资源，摄像机前端在实时处理才能上较弱，这会大大约束产品功用的有效性;第二，是对前端设备的限制较多，如芯片的处理才能、芯片的散热计划较难完成等。现在大多数商用的智能剖析算法还存在误检/漏检率高，场景适应性差等问题，实践使用作用有限。而学术界高精度的算规律存在硬件要求高，不适应于大面积商业化运用。
不同摄像机能否主动辨认同一个人的办法
在视频监控的智能剖析功用中，关于同一个人进入不同摄像机之间能否被精确辨认出来，业界一直在研讨，假如此功用能够完成，关于公安破案将带来极大的协助。对此算法，有业界人士以为，行人的跨摄像头盯梢，首要能够经过两种算法来完成，一是行人匹配算法，也便是使用某个特定行人的纹路特征和运动特征;另一个是人脸辨认算法，也便是经过人脸检测算法和人脸匹配技能，来判别是否有同一个人出现在不同的摄像机里。
纵观整个安防商场，尽管视频监控智现在还在起步阶段，许多摄像机内的智能剖析功用也仅仅作为高附加值在项目招投标中略有表现，但随着算法精度的多元化和精度的提高，以及芯片及后端设备本钱的下降，能够预估对智能剖析功用进行大规模的商业使用现已为期不远。
