中国安防智能化的现状：理想丰满，现实骨感

　　虽然是市场上“宠爱”的技术，但智能视频分析技术在中国的应用并非一帆风顺。全球一些专业的IVS研究厂家，像美国的ObjectVideo、Vidient；以色列的NICE，Mate，IOImage；澳大利亚的IOmniscient等。这些厂家都相继进入中国市场，一度造成外国厂商独占国内智能视频分析市场的局面。而终究因其技术与中国国情的差异性，无法真正渗透中国市场。而国内的一些智能视频分析厂家多数能够识别的行为特征仅局限于一些特定的场合。如目标跟踪、越界、计数、目标丢失、物体遗留等，主要应用于像看守所、监狱、博物馆、仓库、厂区、地铁站等相对固定的应用场景，而在针对社会层面的监控环境中，因监控场景的复杂和多变性导致监控的稳定性大打折扣，而以报警事件准确性为评价标准的智能监控产品也因此而突显了其应用局限性，因此，智能视频分析技术处于“叫好不叫座”的尴尬境地，那如果我们探究安防智能化规模化应用的拐点在哪?应该说，除了之前分析的本身技术具有的先天性优势之外，还需要解决以下瓶颈问题，或许，聚沙成塔，安防智能化的大爆发指日可待。

　　技术难能满足应用需求。目前来看，虽然近年智能视频技术迅速发展，应用范围也在不断扩展，市场上已经有了网络监控的各种产品，如网络摄像机、网络矩阵等，但由于这些系统的质量还有待提高，图像看起来有明显的延迟、跳动、不够清晰等缺陷，由于硬件本身性能不够稳定，易出现死机、重启、误漏报等问题。而智能视频分析本身算法的局限，在理想环境下才可实现其全部功能，所以在实际应用中，只能初步实现较简单的功能。

　　首先是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。

　　又例如，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；其次，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；

　　再次，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；最后，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。