按需选型有必要，智能分析选型攻略收藏

　　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。

‍‍‍

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。