随着平安城市、智能交通等领域的快速发展并产生了海量的视频监控数据，这为后续的视频检索造成了很大的困难。而这种困难无疑推动了智能分析技术的发展，在后端智能分析设备越来越多的被应用于视频监控系统当中的同时，智能IPC的出现和发展快速的吸引了人们的眼球并迅速占据一块市场。
　　当下的智能分析技术
　　按照不同的应用领域，智能分析功能主要有：在针对人分析方面包括行为分析(如周界报警、异常行为)、人流量(计数、人群密度)、人脸识别(及年龄、性别)等;针对车辆的有交通事件检测(逆行、违停、拥堵等)、视频电子警察与卡口(车辆违章、车牌识别、车型、车标识别等);另外，通用的有视频质量诊断、视频浓缩与摘要、视频检索等。比较成熟的技术有：人流量统计、人脸识别、视频电子警察与卡口等，基于这些技术已经有成熟的商用系统。南京金智视讯技术有限公司产品经理(以下简称为“金智视讯”)丁海龙认为，智能分析技术从最早的概念，到如今获得广泛的使用，以及越来越成熟，特别是最近几年，呈现加速发展的势头。在技术发展特点上，对于传统技术的改进如背景建模、模板匹配等基本达到极致，新的基于机器学习的方法由于具备识别的准确性高、抗干扰能力强的特点正获得更广泛的使用。
　　杭州海康威视数字技术有限公司(以下简称为“海康威视”)田清波介绍道，随着计算机硬件性能的不断提升，原来受限于计算效率的算法得到了进一步的发展，同时以深度学习为代表的新的智能算法不断的涌现，旨在解决以前算法无法完成的智能功能。现在智能分析技术的主要有：智能算法复杂度高，为了达到更好的智能分析效果，现在算法的复杂度不断的提高，对硬件的要求也越来越高;智能分析技术适用场景更广，以前的智能算法旨在解决单一场景单一问题，算法的普适性较差，因此对智能设备的安装要求很高，现在的算法能通过自学习功能，适应不断变化的场景，更好的实现智能分析功能;智能分析技术对于大数据的依赖越来越大，随着大数据、云计算技术的发展，以大数据、云计算为基础的智能算法也得到了快速的发展;智能算法的实用性更强，随着人们对智能算法的了解，也提出了越来越多智能相关的需求，如何解决这些用户的需求，成为了智能分析技术的主要原因，智能技术也越来越朝着解决人们生活中的实际问题方向发展。
    当然，无论哪种技术，多多少少都会存在一些技术难点，智能分析技术也不例外，其技术难点一般认为有以下几个方面。

    背景的复杂性：光照变化引起目标颜色与背景颜色的变化，可能造成虚假检测与错误跟踪。采用不同的色彩空间可以减轻光照变化对算法的影响，但无法完全消除其影响;场景中前景目标与背景的相互转换，与行李的放下、拿起，车辆的启动与停止;目标语背景颜色相似时会影响目标检测与跟踪的效果;目标阴影与背景颜色存在差别通常被检测为前景，这给运动目标的分割与特征提取带来困难。
    目标特征的取舍：序列图像中包含大量可用于目标跟踪的特征信息，如目标的运动、颜色、边缘以及纹理等。但目标的特征信息一般是时变的，选取合适的特征信息保证跟踪的有效性比较困难。
    遮挡问题：遮挡是目标跟踪中必须解决的难点问题。运动目标被部分或完全遮挡，又或是多个目标相互遮挡时，目标部分不可见回造成目标信息缺失，影响跟踪的稳定性。为了减少遮挡带来的歧义性问题，必须正确处理遮挡时特征与目标间的对应关系。大多数系统一般是通过统计方法预测目标的位置、尺度等，都不能很好地处理较严重的遮挡问题。
    兼顾实时性与鲁棒性：序列图像包含大量信息，要保证目标跟踪的实时性要求，必须选择计算量小的算法。鲁棒性是目标跟踪的另一个重要性能，提高算法的鲁棒性就是要使算法对复杂背景、光照变化和遮挡等情况有较强的适应性，而这又要以复杂的运算为代价。

‍‍‍