智能分析作為視頻監控下 一個技能的競賽焦點，在安防監控業界已然變成炙手可熱的研究課題。如今不僅安防設備商/集成商對此功用蜂擁而至，許多IT范疇的集成商因為算法本錢研制的 本錢不高，所以也開端從其他范疇的智能辨認進入智能監控，或經過后端SDK供給效勞，或與攝像機設備商協作，而且通常在商品形狀上有異于當時干流的攝像機 外形。

如此很多冗雜的攝像機商品及智能算法功用，不得不進行一些關鍵性技能的區別區分。以深度學習的人臉檢查、人臉辨認、人群分析、車牌辨認、圖畫辨認等技能而言，一般的二維智能算法八成經過后端大數據庫的比對完成查找匹配的功用，在簡略的使用場景下，精確率都能到達85%以上，但在雜亂的使用場景，如擁堵的人群、遮擋物很多、移動速度過快等情況下，二維智能算法的缺陷表露無遺。

一般攝像機智能分析的缺陷及本源

在市面上，一般的智能攝像機存在三個缺陷：一是不帶變焦的攝像機對遠間隔的方針無法看清方針細節;二是帶變焦的鏡頭盡管經過人工操作，能夠看清 遠處方針，但不能盯梢運動方針，一起因完全賴肉眼觀察，容易疲憊，也需求很多人力投入，本錢昂揚;三是有些智能攝像機能辨認車牌及完成有限的報警功用，但 對裝置視點、方針間隔有很高請求，不適合大面積使用，而且在對多個運動方針完成主動確定、主動盯梢、主動預警等方面的技能不行老練。

而關于形成攝像機智能分析功用存在這些缺陷，業界專業人士以為，當時大多數做智能視頻分析的廠家都是在后臺對前端攝像機收集的圖畫進行分析處 理，但因傳輸帶寬及存儲空間的瓶頸，前端傳回后臺的圖畫一般都經過緊縮處理，清晰度變差，這大大降低了視頻分析的辨認率。如今，視頻分析的很多商品都存在 這么那樣的疑問，本源就在于視頻源的低質量。

智能分析算法存在的艱難

當時，智能分析算法存在的最大艱難，首要來自于兩方面：榜首，是對處理器芯片的實時處理才能請求很高，受制于處理器的有限資源，攝像機前端在實 時處理才能上較弱，這會大大約束商品功用的有效性;第二，是對前端設備的制約較多，如芯片的處理才能、芯片的散熱方案較難完成等。如今大多數商用的智能分 析算法還存在誤檢/漏檢率高，場景適應性差等疑問，實踐使用作用有限。而學術界高精度的算規律存在硬件請求高，不適應于大面積商業化運用。

不一樣攝像機能否主動辨認同一自己的辦法

在視頻監控的智能分析功用中，關于同一自己進入不一樣攝像機之間能否被精確辨認出來，業界一直在研究，假如此功用能夠完成，關于公安破案將帶來極 大的幫助。對此算法，有業界人士以為，行人的跨攝像頭盯梢，首要能夠經過兩種算法來完成，一是行人匹配算法，也即是使用某個特定行人的紋路特征和運動特 征;另一個是人臉辨認算法，也即是經過人臉檢查算法和人臉匹配技能，來判別是不是有同一自己出如今不一樣的攝像機里。

縱觀整個安防商場，盡管視頻監控智如今還在起步期間，許多攝像機內的智能分析功用也只是作為高附加值在項目招投標中略有表現，但隨著算法精度的多樣化和精度的提高，以及芯片及后端設備本錢的降低，能夠預估對智能分析功用進行大規模的商業使用現已為期不遠。

來源：機房監控機房環境監控機房監控系統http://www.scdprobes.com