視頻分析

用戶可以根據的視頻內容分析功能，通過在不同攝像機的場景中預設不同的報警規則，一旦目標在場景中出現了違反預定義規則的行為，系統會自動發出報警，監控工作站自動彈出報警信息併發出警示音，用戶可以通過點擊報警信息，實現報警的場景重組並採取相關措施。

視頻內容分析技術通過對可視的監視攝像機視頻圖像進行分析，並具備對風、雨、雪、落葉、飛鳥、飄動的旗幟等多種背景的過濾能力，通過建立人類活動的模型，藉助計算機的高速計算能力使用各種過濾器，排除監視場景中非人類的干擾因素，準確判斷人類在視頻監視圖像中的各種活動。

視頻分析技術 發展方向：視頻分析實質是一種演演算法，甚至可以說與硬體，與系統架構沒什麼關係，視頻分析技術基於數字化圖像，基於圖像分析和計算機視覺。一方面，智能視頻將繼續數字化、網路化、智能化的進程。另一方面智能視頻監控將向著適應更為複雜和多變的場景發展；向著識別和分析更多的行為和異常事件的方向發展；向著更低的成本方向發展；向著真正“基於場景內容分析”的方向發展；向著提前預警和預防的方向發展。監控系統的數字化、網路化及晶元、演演算法的發展都與視頻分析密切相關。

實際環境中光照變化、目標運動複雜性、遮擋、目標與背景顏色相似、雜亂背景等都會增加目標檢測與跟蹤演演算法設計的難度，其難點問題主要在以下幾個方面：

背景的複雜性：光照變化引起目標顏色與背景顏色的變化，可能造成虛假檢測與錯誤跟蹤。採用不同的色彩空間可以減輕光照變化對演演算法的影響，但無法完全消除其影響；場景中前景目標與背景的相互轉換，與行李的放下、拿起，車輛的啟動與停止；目標與背景顏色相似時會影響目標檢測與跟蹤的效果；目標陰影與背景顏色存在差別通常被檢測為前景，這給運動目標的分割與特徵提取帶來困難。

目標特徵的取捨：序列圖像中包含大量可用於目標跟蹤的特徵信息，如目標的運動、顏色、邊緣以及紋理等。但目標的特徵信息一般是時變的，選取合適的特徵信息保證跟蹤的有效性比較困難。

遮擋問題：遮擋是目標跟蹤中必須解決的難點問題。運動目標被部分或完全遮擋，又或是多個目標相互遮擋時，目標部分不可見回造成目標信息缺失，影響跟蹤的穩定性。為了減少遮擋帶來的歧義性問題，必須正確處理遮擋時特徵與目標間的對應關係。大多數系統一般是通過統計方法預測目標的位置、尺度等，都不能很好地處理較嚴重的遮擋問題。

兼顧實時性與魯棒性：序列圖像包含大量信息，要保證目標跟蹤的實時性要求，必須選擇計算量小的演演算法。魯棒性是目標跟蹤的另一個重要性能，提高演演算法的魯棒性就是要使演演算法對複雜背景、光照變化和遮擋等情況有較強的適應性，而這又要以複雜的運算為代價。

視頻分析主流軟體是VICS，它是效率源在視頻偵查領域研發的一套視頻偵查作戰系統，該系統通過智能型操作系統將視頻數據提取、摘要、標註、軌跡、清晰、存儲等視頻偵查流程集成到一套專業系統中，從而使得繁瑣複雜的視頻偵查過程更為簡易快捷，該系統已經覆蓋全國80%的地區，一線辦案人員可在案件現場完成各種情況調查取證。