《企業網D1Net》3月31日訊

智能視頻分析技術領域是人工智能中的模式識別，將智能算法嵌入到DSP中，通過分析和提練人員和車輛二類目標的各種行為模式，形成核心算法。目前來看，雖然近年智能視頻技術迅速發展，而智能視頻分析本身算法的局限，在理想環境下才可實現其全部功能，所以在實際應用中，只能初步實現較簡單的功能。但強勁的需求市場下，緣何智能視頻分析技術不能大展拳腳？未來智能視頻分析技術又將會有哪些突破？

視頻分析技術目前應用三類現狀

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。

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。

智能視頻分析被稱監控智能化最為成熟技術體系

監控平臺發展的這些年，已經很明顯貼近監控高清、集成性的趨勢，但智能化的應用表現才剛剛起步，但前景不小。我們說的監控智能化，很多業內人士都認為智能視頻分析就是監控的智能化。從目前應用情況分析，智能視頻分析技術是監控智能化技術最為成熟的技術體系。

目前智能分析技術已經廣泛應用于各種安防領域，根據其實現的方式進行區分，有業內人士將其概括為以下幾種類型的智能分析。

診斷類智能分析：診斷類智能分析主要是針對視頻圖像出現的雪花、滾屏、模糊、偏色、增益失衡、云臺失控、畫面凍結等常見的攝像頭故障、視頻信號干擾、視頻質量下降進行準確分析、判斷和報警。診斷類智能分析技術實現起來較為簡單，通常以后端管理平臺的形式出現，在大型的監控項目，特別是城市級監控的日常運維中作用十分明顯。目前市面上一些基于DSP的智能分析設備、DVR和DVS等都自帶該項輔助功能。

識別類智能分析：該項技術偏向于對靜態場景的分析處理，通過圖像識別、圖像比對及模式匹配等核心技術，實現對人、車、物等相關特征信息的提取與分析。在對車的識別分析應用上主要是車牌識別技術。該技術經過多年的發展與應用，目前已十分成熟。模糊車牌還原和識別技術的出現使得該項技術不再局限高清，開始向標清領域普及。車牌識別技術被廣泛應用于各停車場出入口、高速公路收費站等地，近些年更是發展迅速：配合交通電子卡口系統，車牌識別技術被大量用于車輛交通違章的抓拍，有效降低了車輛交通違章數量，大大減少了交通事故的發生。

行為類智能分析：該項技術側重于對動態場景的分析處理。典型的功能有：車輛逆行及相關交通違章檢測、防區入侵檢測、圍墻翻越檢測、絆線穿越檢測、物品偷盜檢測、占道經營檢測和客流統計等。移動偵測(VMD)是該類智能分析中的“早期智能”，VMD依據視頻畫面中像素塊的運動變化來進行判別，缺點明顯：基于二維的分析，誤報太高，無法識別移動的像素塊是干擾還是目標。

D1Net評論：

就目前監控智能化中應用最成熟的智能視頻分析技術發展來看，它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。