在视频分析技术的应用中，不止停留在原来能“看”监控的程度；还能“懂”监控场景中目标物体的行为；能够“想”目标物体是什么，行为意味着什么；更可以把想的结果“说”出来。最具变革意义在于从以前的“被动监控”向“事前控制、主动预警、事中追踪、事后分析”转变.。

　 　阻碍该技术发展的关键问题还是辨别率和识别速度之间的矛盾，因为在目前芯片处理能力的前提下，为尽快得出结果对图像处理分析过程就会简化，准确率就会受 到影响；反之，识别速度就会受到影响。而且在不同的应用场景中，对两者的要求也不一样，所以对视频分析软件提出了很大的挑战。

        1、分析准确率受环境影响大

　　系统针对复杂异常行为建模困难，目标与背景接近会导致目标特征信息提取困难；运动目标被遮挡会造成目标信息缺失；目标移动速度过快或算法过于复杂导致跟踪的有效性较低，上述因素易造成误报、漏报、跟踪困难等结果。

　　2、海量数据分析速度较慢

　 　针对后端平台的智能分析而言，前端采集设备回传大量的视频、图片等信息，都需要在平台服务器上叠加算法进行分析，由于服务器本身处理性能的限制，无法并 行处理大量数据，因此，虽然智能分析服务器的应用为公安、交警等需要大量检索视频的情况节省了人力与时间，但整体的效率仍有提高的空间。

未来视频分析技术的发展趋势如何？

　 　运动目标检测及跟踪处於智能视频监控系统的最底层，為后续的目标行為分析与理解提供可靠的数据来源。目前的目标检测及跟踪技术对光照变化较大、目标遮 挡、动态背景干扰等场景进行处理时效果并不理想。因此需对目标检测及跟踪技术继续深入研究，提高算法的准确性，使之能够适应更為復杂和多变的现场环境。

　　此外，目前市面上已有的智能视频分析功能大多集中在对单路摄像头採集的单源视频进行独立分析，缺乏多路多源监控视频的协同分析，因此应对跨摄像机目标跟踪技术进行研究，从而获取目标在大场景内的行踪轨跡，以进行更准确的行為分析。

　 　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，目标部分不可见会造成目标信息缺失，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，都不能狠好地处理较严重 的遮挡问题。出自，汉信www.hansun.com.cn