智能视频分析技术(Video Analytics)综合了多学科的研究成果，主要包括图像处理、跟踪技术、模式识别、软件工程、数字信号处理(DSP)等领域。从2001年911事件后，美国对视频分析技术加大投入，数据表明，从2002年至2005年是视频分析技术研究的一个高峰时期。国内的视频分析技术也得到迅速发展，但国内的智能分析应用应该是从2005年以后开始，从早期的行为分析应用到目前的各行业的深化应用。随着安防行业的迅速扩张和发展，国内的视频分析得到了非常迅猛的发展。
视频分析技术应用的现状
从技术角度来讲，目前国内智能分析技术主要还集中在两大类：一类是采用画面分割前景提取等方法对视频画面中的目标进行提取检测，通过各种不同的规则来区分不同的事件，从而实现不同判断并产生相应的报警联动等，例如：最早期的一些行为分析类功能（跨界、区域入侵、打架检测、人员聚集等）、还有早期的交通事件检测等都属于这类算法技术的应用。另一类是利用模式识别技术，对画面中特定的物体进行建模，并通过大量样本进行训练，从而达到对视频画面中的特定物体进行检测及相关应用。如车辆检测、人脸检测、人头检测（人流统计）等应用。
从应用角度来讲，目前国内智能分析技术主要有四大类：第一类是实时报警类。第二类是数据统计类，第三类是属性识别类。第四类是图像处理类。
第一类，实时报警类，主要是通过分析技术对实时视频进行内容的分析和判断，发现某种状态达到报警规则的要求时，系统即可发出报警联动。如最基础的跨线报警、闯入报警、打架报警、聚众报警等，当然随着应用的深入，各行业应用中也出现了很多带有行业特征的实时报警应用，如交通行业的拥堵报警、行人上高速报警；司法行业的攀高报警、离岗报警；金融行业的尾随报警、贴假广告报价等等。
第二类，数据统计类。主要是通过在特定的场景下，对视频内容中特定的内容进行统计，形成相关的报表和数据应用。例如，通过视频分析对公路上的车流量进行自动统计，通过视频分析对商场出入口等的人流量进行统计等等。
第三类，属性识别类，主要是对视频中特定事务的属性进行自动识别，达到对视频内容的深入应用和快速检索等目的。如人脸识别、车牌识别、车标识别、颜色识别、性别识别、身高识别、年龄识别、手势识别等等。目前安防行业中应用较多的主要还是人脸识别、车牌识别、车标识别等。
第四类，图像处理类。主要是对图像整体进行分析判断及优化处理以达到更好的效果或者将不清楚的内容通过算法计算处理达到看得清的效果。如目前的视频增强技术（去噪、去雾、锐化、加亮等）、视频复原技术（去模糊、畸变矫正等）。
从产品形态来讲，目前市场上主要有两大类产品形态，一类是前端智能产品。一类是后端服务器产品。这两类产品各有优缺点，根据不同的应用和项目类型有不同的选择。
目前市场上可以看到很多智能摄像机，即将一些视频分析算法移植到网络摄像机中，在摄像机中实现对实时视频的分析和检查，实现一些智能分析的功能（例如目前有实现车辆检测的车辆抓拍摄像机、实现区域入侵等功能的目标检测报警的摄像机、有实现人类检测抓拍的摄像机等等），智能摄像机自带分析功能，系统架构简单，同时目前的摄像机DSP处理能力已经完全能运行各种较为复杂的分析算法，分析效果和后端产品基本相同。
智能分析服务器在市场上应该还算是主流产品，服务器产品有软件开发周期短、项目应用灵活、改造项目适用性强等特点。同时也还有相对比较复杂的智能分析功能需要的计算量还是很大，完全移植到摄像机中需要大量优化和改进算法性能和提高前端设备硬件成本。而基于x86的服务器是目前运行这些复杂算法的最好选择，成本相对较低，能够达到的分析效果也最好。
例如，目前客流统计分析、人脸检索分析、人脸比对、交通事件检测、视频内容检索、视频质量诊断等应用大部分还集中在服务器产品上，移植到摄像机中的较少，即使有也是将部分运算量较小的内容移植到摄像机中处理。但是服务器产品有一个不争的劣势，那就是稳定性。稳定性方面肯定没嵌入式产品好。所以很多厂家还是会在成本控制的前提下，尽力优化算法将各种功能尽可能的移植到嵌入式设备中去，提高系统的稳定性，特别是一些需要在室外环境中使用的设备（如交通事件检测等应用）。
智能分析技术应用存在大问题
早期视频分析应用产品出现在市场上，着实引起了一段骚动，而且很多特殊的应用场景和应用环境，的确能给客户带来很大的价值。如商场的人流统计技术，为商场的数据分析带来了巨大的技术支撑。如车牌识别技术，给公安交通管理带来的价值是无法用数据来衡量的。但是，视频分析技术还没有完全成熟，目前应该还属于技术应用的初级阶段，还存在很多问题，这些问题可能也是限制视频智能分析应用快速发展的最主要的因素：
（一）、检测准确率达不到理想效果。视频分析技术的准确率基本达不到非常理想的效果，特别是实时报警类的应用，误报率和漏报率都是客户最关心的问题，如果误报太高，客户也受不了，如果漏报，客户更加受不了。特别是一些要求比较高的应用，只要有漏的，实际作用就不大了。
（二）、受环境干扰大。视频分析技术最大的一个问题就是受环境和视频质量的干扰太大，光线、杂物、恶劣天气、晃动、飞虫等的干扰，就会使应用系统效果非常差，甚至失效，无法进行正常工作。
(三)、安装调试复杂。智能分析应用产品几乎都需要按每一个应用场景进行不同的参数调试，而且会涉及到非常多的专业的参数调试。非专业人员根本无法调试出理想效果。
智能分析技术应用的发展趋势
总体来看，限制智能分析技术应用的最大因素就是准确率问题。所以智能分析技术应用的发展趋势肯定是朝着提高准确率的方向前进的。同时另一方面，大家也会寻找一些不关心准确率，而更多关注效率的一些应用方向。
主要应该有几个方面的发展：
(一)、从源头增加可判断信息。双目摄像机的推广应该是一个大方向，双目摄像机带有两个镜头，获取的视频中带有目标的深度信息。分析算法计算能够通过这些信息跟进,准确的判断物体之间的距离、深度、高度等信息，能够提高整体算法的准确性。
(二)、各种自学习和自适应算法的研究和应用。后续的智能分析产品应该是带有强大的自学习和自适应功能的。能够根据不同的复杂环境进行自动学习和过滤，能够将视频中的一些干扰目标进行自动过滤。从而达到提高准确率，降低调试复杂度的目的。例如，抗抖动算法、重复运动物体过滤、微小物体自动过滤、强光自动抑制、三维建模等技术的发展和深入应用。
(三)、视频数据深入挖掘应用迅速发展。随着视频分析技术的快速发展，视频数据量也非常大，如何让视频分析技术在大数据中发挥作用也成为人们关注的一个方向。利用各种不同的算法计算，将大量视频数据中不同属性的事物进行检索、标注、识别等应用，以达到对大量数据中内容的快速查找检索。大大降低人工成本，提高效率。甚至在有些方面让一些人工无法完成的任务成为可能。如：人脸大数据库检索，身份证库重复人员查找、视频中穿某种衣服、某种颜色的车辆查找、车牌查找、甚至可以做到以图搜图等应用（输入一张图片找到和图片类似的片段）。
