智能阐明作为视频监控下一个手艺的竞争核心，在安防监控业内已然成为炙手可热的研究课题。而今不仅安防设备商/集成商对此功能簇拥而至，许多IT范畴的集成商因为算法成本研发的成本不高，所以也起头从其他范畴的智能识别涉足智能监控，或过程后端SDK供给办事，或与摄像机设备商合作，而且往往在产物形态上有异于当前主流的摄像机外形。

　　如斯浩繁繁杂的摄像机产物及智能算法功能，不得不进行一些环节性手艺的区分鉴别。以深度进修的人脸检测、人脸识别、人群阐明、车牌识别、图像识别等手艺而言，通俗的二维智能算法多半过程后端大数据库的比对实现查找匹配的功能，在简洁的应用场景下，精确率都能达到85%以上，但在复杂的应用场景，如拥挤的人群、遮挡物浩繁、移动速渡过快等状况下，二维智能算法的缺陷流露无遗。

　　通俗摄像机智能阐明的错误及根源

　　在市情上，通俗的智能摄像机存在三个错误：一是不带变焦的摄像机对远距离的方针无法看清方针细节;二是带变焦的镜头固然过程人工操作，或许看清远处方针，但不及跟踪活动方针，同时因完端赖肉眼调查，轻易疲惫，也需要大量人力投入，成本昂扬;三是部门智能摄像机能识别车牌及实现有限的报警功能，但对安装角度、方针距离有很高要求，不适合大面积应用，而且在对多个活动方针实现主动锁定、主动跟踪、主动预警等方面的手艺不敷成熟。

　　而对于造成摄像机智能阐明功能存在这些错误，业内专业人士认为，当前大大都多半做智能视频阐明的厂家都是在后台对前端摄像机采集的图像进行阐明处理，但因传输带宽及存储空间的瓶颈，前端传回后台的图像普通都颠末压缩处理，清楚度变差，这大大降低了视频阐明的识别率。今朝，视频阐明的浩繁产物都存在如许那样的问题，根源就在于视频源的低质量。

　　智能阐明算法存在的艰巨

　　当前，智能阐明算法存在的最大艰巨，首要来自于两方面：第一，是对处理器芯片的及时处理能力要求很高，受制于处理器的有限资源，摄像机前端在及时处理能力上较弱，这会大大限制产物功能的有效性;第二，是对前端设备的制约较多，如芯片的处理能力、芯片的散热方案较难实现等。今朝大大都多半商用的智能阐明算法还存在误检/漏检率高，场景顺应性差等问题，现实应用成效有限。而学术界高精度的算法例存在硬件要求高，不顺应于大面积贸易化运用。

　　分歧摄像机可否主动识别统一小我的方式

　　在视频监控的智能阐明功能中，对于统一小我进入分歧摄像机之间可否被精确识别出来，业界一向在研究，假如此功能或许实现，对于公安破案将带来极大的接济。对此算法，有业内助士认为，行人的跨摄像头跟踪，首要或许过程两种算法来实现，一是行人匹配算法，也就是哄骗某个特定行人的纹理特征和活动特征;另一个是人脸识别算法，也就是过程人脸检测算法和人脸匹配手艺，来判断是否有统一小我泛起在分歧的摄像机里。

　　纵观整个安防市场，固然视频监控智而今还在起步阶段，许多摄像机内的智能阐明功能也只是作为高附加值在项目招投标中略有表现，但跟着算法精度的多元化和精度的晋升，以及芯片及后端设备成本的下降，或许预估对智能阐明功能进行大规模的贸易应用已经为期不远。