采用計算機視覺的方法，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，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，從而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這就是智能分析技術。

在大數據時代，如何在海量數據中準確抓取有效信息進行快速反應成為當下問題，智能分析技術，通過大數據檢索，可以快速的找出與之相關的信息，加快有關部門的辦事效率，能更好的服務于人民群眾，因此備受關注。

當下常見的智能識別技術有：

1、雙機自動跟蹤：智能分析攝像機加普通快球方式。可應用于城市報警應急預案。突發事件的物體跟蹤。

2、人流量統計：統計框選區域進出人員的數量，應用于超市商場顧客流量的分析統計，幫助商家制定相應的銷售策略。應用于景點、地鐵口，提供流量數據供人員管制應用。

3、穿越警戒區：通過設置虛擬圍籬，對周界進行偵測。當發現可疑人員或者物體穿越圍籬，即觸發報警，并將報警信號上傳至監控管理中心。同時可將報警畫面通過網絡上傳至遠程監看用戶。應用于交通馬路人行橫道或斑馬線、廠區重點區域圍墻、學校、看守所圍墻等。

4、丟失分析：通過在監控畫面上畫出一塊放置重要物品的區域作為警戒區域，只要此物品離開了警戒區域，那么將立即觸發報警規則。應用于重點保護區域如博物館，展覽廳，拍賣會，金銀店等。

5、方向分析：在實際監控中，人們可能會關心人流的方向和車流的運動方向，通過方向的識別可以判斷目標是否為不合法走動或行駛，如果出現逆向行為，目標將會被自動鎖定，并同時報警。應用于單向行駛的道路;重要出入口等。

6、智能跟蹤：對可疑人或物體進行目標鎖定，對目標的運動軌跡進行記錄，同時攝像機將跟隨目標轉動并報警。應用于高檔小區，人員禁入區域，機密區域，重要保護區域等。并可作為案發后，對案件回放過程的軌跡進行分析。達到迅速破案的作用。雖然近年智能視頻分析技術迅速發展，應用范圍也在不斷擴展，市場上已經有了網絡監控的各種產品，如網絡攝像機、網絡矩陣等，但由于這些產品的質量還有待提高，圖像看起來有明顯的延遲、跳動、不夠清晰等缺陷，由于硬件本身性能不夠穩定，易出現死機、重啟、誤漏報等問題。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。

目前，這些技術應用也已經十分廣泛，它們就圍繞在我們生活中。

如在商場超市，智能視頻分析技術通過對進店顧客、或從店門口過往的顧客、或在店內瀏覽購物的顧客，實現對顧客行為的數據采集，并進行系統的、深層次的顧客數據分析，能了解到顧客的消費行為、消費方式、顧客的特征(性別/年齡)，同時還可了解到店鋪的客流量、店內陳列貨品熱門區域(顧客熱點瀏覽區域)、廣告/櫥窗關注度等重要信息。

另外，還可以通過智能視頻分析系統，采集某區域、街道、路口等的車流量、人流量和過往人流的男女比例、年齡段等，為店鋪選址提供更有價值、更精確、更有說服力的參考依據。

相對于傳統店鋪監控系統，智能監控系統有著非常大的優勢，系統使用更加靈活、方便，能讓店鋪管理者能隨時隨地了解店鋪的情況。而新增的智能周界入侵、客流統計功能，讓原本“呆滯”的監控系統變得“聰明”，也讓監控系統變成了可以幫助店鋪經營管理的系統。

在旅游景區，視頻監控有效防止游客對景點文物建筑的傷害，同時對規范游客行為，防止游客意外發生，發現森林火險。智能視頻監控在景區中應用，大大提高響應速度，將一般監控系統的事后分析變成了事中分析和預警，能識別可疑活動(例如有人在公共場所遺留了可疑物體，或者有人在敏感區域停留的時間過長)，在安全威脅發生之前就能夠提示工作人員關注相關監控畫面以提前做好準備，還可以使用戶更加確切的定義在特定的安全威脅出現時應當采取的動作，并由監控系統本身來確保危機處理步驟能夠按照預定的計劃精確執行，有效防止在混亂中由于人為因素而造成的延誤。

在智能交通領域，應用最多的智能視頻分析技術主要是：車牌識別、交通流量檢測、車輛逆行、遺棄物、車牌數據管理、黑名單比對、交通事件管理、交通流數據管理和違法數據管理等。智能分析技術可以通過智能化的信息挖掘給交通管理部門帶來多樣化的應用。

安防分析技術是智能交通眾多技術中的一種，安防技術和智能交通最大的切入點是對車輛的檢測和識別，然后是對交通事件的檢測和交通參與人的檢測。對這些檢測用的最多最有效的是視頻檢測技術。通過視頻檢測技術獲得車輛的相關信息，對相關的交通事件和交通行為的分析和檢測。另外，從對交通參與人，行人、機場、車站行人的檢測，獲得相應的信息并作為信息源的來源提供給智能交通系統。智能分析在智能交通的建設發揮著舉足輕重的作用。

其它的如在金融、校園、平安城市中，智能分析技術都越來越被重視，對智能分析技術的要求也越來越高，伴隨著智能分析技術的進步。

未來智能分析技術在以下五中技術中將進一步完善。

智能碼流技術

智能碼流，是系統根據圖像識別后，根據畫面運動主體的運動速度，將正常錄制的視頻進行碼流調整，進行最后的視頻存儲。對于運動慢的運動主體，碼流記錄甚至可以低至8幀/秒(fps)以下，對于正常速度運動的主體，碼流設定正常的25fps，對于敏感圖像的運動物體的視頻碼流可設定在30fps以上。對于高速的運動主體，在高速攝像機的配合下，碼流可高達1000fps以上。智能碼流技術，可以減少非敏感圖像占用視頻存儲資源，從而對敏感圖像提供了充裕的記載能力。

動態區域自適應的智能監控技術

以某車庫視頻監控畫面為例，畫面上的敏感信息為運動的車輛和人。不敏感畫面是背景(地面和屋頂)。但在實際的視頻記錄中，背景(地面和屋頂)占據了50%以上的存儲空間。通過圖像識別技術，可以判定固定背景與運動物體圖像，因而，具備了只在記載畫面的中有運動的技術可能。動態區域智能監控，就是只記載除背景以外的運動物體，從而大大減少了視頻存儲空間的需求，相同的存儲空間，可保留的視頻時間長度可以成倍提高。攝像系統，通過圖像識別技術，可以智能學習，判斷哪些圖像是背景，即便是由云臺控制的攝像頭，通過設定的時間內的自動學習，也可以自動判定錄制視頻中的新背景，從而實現對運動物體圖像的智能監控。

非敏感區域的低碼流記載技術

視頻上方的25%到30%的區域，通常是天空或建筑的頂部圖像，基本屬于敏感要素不太可能出現的區域。如某些典型監控圖像中的紅色馬賽克部分的圖像，基本不會含有人們關心的視頻內容，因此可以把視頻圖像的非敏感區域的忽略或者用低碼流另外記錄，只需在回放的時候與高碼流的視頻做一個同步。值得說明的是，非敏感區域在不同應用場景，各有不同，有的也許在視頻圖像的下方，有的監控場景，非敏感區域是不規則的，可以在視頻監控系統安置好后，根據實際情況再進行應用層面的人工設定。

人臉/車輛識別(或其他敏感移動物體)驅動高清攝錄技術

在特殊的場景下，比如大樓的進口處、電梯等地方，人臉是敏感圖像。在車庫內、小區的進出口處，車輛及其號牌是敏感圖像。若全部用高清的視頻固然可以滿足監控需求，但視頻存儲，特別是長時間的保存就會需要海量的存儲空間;若根據圖像識別技術，判斷出現設定的敏感圖像的時候，才驅動攝像頭啟動高清記錄，對于一般的非敏感圖像，則啟動標清甚至低碼率的視頻流來記錄。這樣高清與標清相結合的監控記錄，即保證了記錄敏感圖像的質量，同時又較大程度上減少了視頻存儲量。

序列幀視頻文件分布存儲技術

把視頻在一秒內產生的幀為標識成序列幀，同時編制存儲與播放序列，把不同序列的幀劃分為數個文件存儲;單個幀序列文件可以單獨播放，效果等同于低碼流記錄的視頻效果。

所有幀序列可以合成完全視頻一起播放時，則是高清(或標清)的視頻效果。當需要回收存儲空間的時候，可按存儲策略規劃，先將一部分序列幀視頻文件所占的區域覆蓋。另一部份則保存下來，從而更有效的利用存儲空間。

例如按原存儲能力可以保留1個月的視頻數據，經過視頻幀文件的分布存儲后，可以保留數個月的有選擇的序列幀視頻的文件數據。對已保留了中長期的序列幀視頻文件進行部分覆蓋，實現淡入淡出式的視頻逐漸丟棄，長期保留的視頻數據不是一下完全消失，而是慢慢的消失、丟棄。從而最大限度地延長監控視頻保留的時間。

隨著云計算、大數據的發展，智能視頻分析在未來的大數據應用中起著至關重要的作用，隨著眾多高校、科研院校、大型安防企業、專業的算法公司對智能視頻分析技術不斷的探索和創新，基于云計算、云存儲概念的智能分析應用產品已經露出了苗頭，所以說智能視頻分析技術在未來必將會呈現出飛速的發展和廣泛的應用。