絕大多數(shù)智能視頻分析都是基于運動目標檢測技術，即首先智能分析系統(tǒng)能準確地完成對運動目標的檢測，將運動物體與圖像背景有效分離，提取出運動目標信息。
從計算機視覺的實際應用上來看，運動目標檢測與識別、分析所面臨主要挑戰(zhàn)和需解決問題可以歸結(jié)為三個方面，即算法的魯棒性、準確性、實時性。
魯棒性
魯棒性就是系統(tǒng)的健壯性，用以表征控制系統(tǒng)對特性或參數(shù)攝動的不敏感性。運動目標檢測算法的魯棒性是能夠在各種環(huán)境條件下實現(xiàn)對運動目標持續(xù)、穩(wěn)定的檢測、分析和識別。
影響算法魯棒性的最主要原因有如下幾項：目標狀態(tài)的改變、環(huán)境光照的變化、部分遮擋引起的目標不規(guī)則變形和全部遮擋引起的運動目標暫時消失。
準確性
運動目標檢測和識別針對不同應用情況，其檢測識別率不同，幾乎無法實現(xiàn)100%檢測成功，即存在誤檢和漏檢情況。由于實際的監(jiān)控場景環(huán)境復雜、千變?nèi)f化，其中存在大量噪聲和干擾情況，通過算法的優(yōu)化可提高一定的檢測準確率，同時往往只能根據(jù)實際需求，在誤檢率(虛警率)和漏檢率(漏警率)之間尋求平衡折中。
實時性
一個實用的智能視頻監(jiān)控系統(tǒng)，必須具備能夠?qū)σ曨l圖像序列進行實時處理的能力。由于對視頻動態(tài)圖像的處理方法是建立在二維數(shù)字信號的處理基礎上，所處理的對象包含巨大的數(shù)據(jù)量和信息量，要求算法不能計算太復雜，必須快速、實時。對于實時分析預警任務，計算復雜度是至關重要的，這樣才能把系統(tǒng)更多的資源分配給更高級的任務。而這其中實時性和魯棒性又常常是矛盾的，如何尋求平衡發(fā)展是技術的關鍵。
尤其指出，目前已有公司自主研發(fā)的視頻運動檢測算法，相比經(jīng)典的運動檢測算法，受光線和鏡頭抖動的影響較小，而且計算時間更少，更加適合實時產(chǎn)品的開發(fā)。同時在自主算法基礎上封裝開發(fā)包(SDK)，在該公司數(shù)字安防系統(tǒng)軟件平臺、網(wǎng)絡攝像機系列產(chǎn)品中集成，實現(xiàn)了系統(tǒng)級和產(chǎn)品級的可靠應用。同時，項目組正在廣泛地建立多種場景的視頻庫，針對多種場景的視頻使用自有算法做測試，以便更好完善算法，減少需要調(diào)整參數(shù)的個數(shù)，從而更好地滿足實際應用需求。
a&s傳媒是全球知名展覽公司法蘭克福展覽集團旗下的專業(yè)媒體平臺，自1994年品牌成立以來，一直專注于安全&自動化產(chǎn)業(yè)前沿產(chǎn)品、技術及市場趨勢的專業(yè)媒體傳播和品牌服務。從安全管理到產(chǎn)業(yè)數(shù)字化，a&s傳媒擁有首屈一指的國際行業(yè)展覽會資源以及豐富的媒體經(jīng)驗，提供媒體、活動、展會等整合營銷服務。
粵公網(wǎng)安備 44030402000264號
