特征识别技术的原理与活动目标识别技术不同。特征识别无需背景模型而需要目标物体的特征，因此机器会存有一个可以用于描述这些特征的数据库，特征识别也就是在所得的图像中寻找与特征库里具有一定相似程度的物体以进行匹配，如果特殊库里描述的特征越多，得到的结果越正确，同时需要的计算量也越大。

　　智能视频分析的“短板”
　　虽然当前智能视频分析技术的主要原理阐述起来简洁明了，但是实施到具体的应用，还有许多复杂的技术问题。

　　1.无法完全消除误报的影响。
　　例如运动目标识别中的背景建模技术，在控制漏报数量的同时，还不能完全的删除误报。在以目标识别为技术基础的周界防范产品中，误报的数量一直是反映该产品优劣的一大指标。而误报的数量是由背景模型与实际使用情况之间的差距造成的。模型的适应能力越强，造成的误报越少，背后要求的技术也越高。影响背景模型建立的因数很多，例如空旷的柏油马路和边上有树木的围墙，6m高的摄像机与2m高的摄像机所拍摄的画面就需要不同的背景模型，白天和黑夜的状态需要的模型也不同。目前，行业中还没有开发出一种可以涵盖所有使用情况的背景模型来，也无法完全的解决随机事件的影响，如在黑夜环境下车灯造成的误报。

　　2.不具备行为的判断能力
　　例如周界防范，机器中行为分析的区域入侵功能能够发现活动目标，并可以在这些活动目标中利用技术手段把用户希望的目标(例如人体)提取出来。但是再进一步，这个闯入者的动机是什么，是偶尔路过，还是故意闯入，是否有意的往警戒区域内探望，这些都无法靠机器来识别。毕竟智能视频分析还只是一系列设定好的数学公式与程序，远没有达到人的判断能力。

　　3.特征识别技术对画面要求高
　　对于基于特征识别的分析技术，对于图像的要求比较高。除了画面本身清晰度外，也需要清楚的展示目标物体的特征，目前计算机的识别能力大大低于人类对物体特征的识别能力，不同的光照条件和拍摄角度，都将改变计算机所看到的特征。因此，对摄像机的安装以及周围环境的要求比较高。例如车牌识别的产品，对车牌在画面中呈现的角度，像素大小都有比较严格的要求，这些高要求限制了该类产品的实施与应用。

　　4.CPU的处理能力仍然是瓶颈。
　　要满足实际复杂的应用环境就需要越加复杂的算法，随之带来了巨大的计算量，目前DSP芯片的能力有限，已经不能满足某些复杂算法的需要。因此，难以开发相应高级功能的嵌入式产品，这也增加了很多产品的施工难度与实际推广的阻力。

　　总体而言，智能视频分析技术也如计算机一样，对于传统的手段是智能的，但是对于人的智慧来说，还处于低级的阶段。

　　智能视频分析发展是视频安防发展的必然趋势
　　前文提到了很多智能视频分析产品的弱点，读者们也许会迷惑：智能视频分析的产品能否真正实现应用，或者现有的技术能不能满足应用的需要?事实上，从智能视频分析产品推广应用和发展的角度来看，答案是肯定的。

　　首先，智能视频分析产品的出现和发展是视频安防行业发展的必然趋势。在视频安防飞速发展的今天，视频监控画面的海量信息超过人力有效处理范围的问题已经成为客观事实；而智能视频分析是一种滤除大量冗余信息的有效手段，可以很好地解决这一问题，因而越来越受到人们的重视。如同数字技术代替模拟技术一样，在不久的将来，智能视频分析定将成为监控整体方案中不可缺少的部分。

　　第二，传统产品同质化的现象已经越来越严重，制作一款相应产品的技术门槛越来越低，相对应的利润也越来越薄；而智能视频分析本身不断成长和定制化的特点，使其很难形成固定功能soc，即难以被“山寨化”——对于有实力的厂商而言，这是一个很好的利润增长点。

　　第三，智能视频分析产品虽然在其发展之初存在种种问题，但是依托强大的计算机技术，升级换代的速度非常快。在近两年的时间里，相关产品的表现已经出现了质的飞跃，并成功应用到了众多的经典项目之中。另外很重要的一点是，智能视频分析产品的功能定制非常灵活，相比目前广泛使用的红外对射等简单产品，智能视频分析在实用性上占有绝对优势。