海量信息

　　目前视频监控系统的主要应用模式还是“事后调查取证”，然而此举实属亡羊补牢。因为等到事件发生后，再到硬盘中调出相应录像回放，查找原因，实际已错过处理事件的最佳良机。倘若监控室内显示的是多路图像信息，保安、监控室管理员等人员更难合理有效地进行处理。在海量信息面前，人们寄希望于智能视频分析对绝大多数的无用信息进行过滤，将有用信息推送到用户面前。在港口项目中，摄像机点位数通常高达几百路，甚至更多。因而藉由智能分析对海量信息进行处理，成了众多港口管理者的共同的心声。

　　港口特殊环境

　　与其他应用领域相比，港口点多，面大，风大以及水域广都是智能视频分析需要注意的问题。

　　点位多需要智能视频分析系统能有非常大的吞吐能力，在系统架构上要有足够的可扩展性。由于港口视频监控的重要性，最好要有一定的冗余机制。没有明显的造成系统瘫痪的设备节点；

　　面大的结果就是图像中的目标通常较小。所以图像分析的精度要高。一些嵌入式的视频分析产品由于处理能力的限制，将视频图像裁剪成较小的图像进行分析，就会限制对目标的敏感度。保持对小目标的分析能力对处理能力提出了较高要求。同时由于小目标和图像噪声信息容易混淆，所以对算法的鲁棒性也有更高的要求；

　　风大带来的问题就是摄像机抖动。图像抖动不仅仅造成视觉疲劳，同时对于普通的智能视频分析会产生大量的误报警，造成系统无法使用。所以在港口的视频分析系统必须有过硬的图像防抖动功能。

　　另外，对于水域的监控是港口视频监控的重要部分。水域的波浪，阳光在水面的反光都会使普通智能视频监控系统产生大量误报警。所以必须有专门的算法过滤此类噪音信息，同时保持对船只的跟踪。

　　摄像机信息各自独立

　　现有的主流智能视频监控对每一路图像分别进行智能分析，将分析结果集中推送给用户。摄像机资源之间没有配合、协同。同一运动目标经过多台摄像机视野会被报告为多个独立的录像片段。由于每台摄像机触警条件不同，当物体在一台摄像机视野内触发报警，运动到其它摄像机视野的时候，很可能被视作正常的运动物体。同时，由于时间短，监控人员有可能来不及反应，从而丢失目标。

　　数年前，曾在一个较为偏僻的港口进行设备安装。待到收工后，准备乘坐出租车回家。因而拜托在监控室里面的保安通过电视墙寻找出租车，并通过对讲让现场保安拦截下来，以便出港。看似简单的事情，保安做起来很困难。出租车先后在电视墙上的不同屏幕上出现，保安人员却一直难弄清楚它的具体位置与走向。

　　可以想象当有触警事件发生时，这种响应模式会非常被动。这其实是视频监控行业中的一个普遍问题。通过监控人员对摄像机图像进行不断“翻译”，得出目标的真实方位，不但增加了监控疲劳程度，也降低了用户体验满意度。