近几年，智能分析技术成为安防企业争相追逐的热点和亮点。传统的安防技术更多地强调事中响应的实时性或事后查证的有效性。所以，高清、无损和无延时代表了过去几年安防行业的主要发展方向。

　　无论是IP方案中的4K、H.265，还是同轴方案中的HDCVI、HDSDI，都围绕着这一方向向前发展。但随着高清的普及，摄像机设备也越来越多，如何有效利用这些资源，成为了业主用户头疼的问题。大量的设备处于“睡眠”状态，只有当发生人身损害或财产损失的事件后，才被“激活”。这种“监而不控”的状态显然不是业主的诉求。于是，智能分析技术应运而生。

　　当我们还在憧憬着智能视频分析技术的前景时，现实给所有安防智能化厂商上了沉重的一课，智能分析技术居然存在明显bug。

　　1.技术难题

　　很多智能视频分析技术受限于应用场景，为了得到较好的准确率，往往需要“天时”、“地利”和“人和”。好不容易凑齐了三个要素，提供了非常标准的场景，我们仍可能遇到智能分析“罢工”的情况。其实，问题就出在算法本身上。

　　首先，传统的智能分析算法通常采取人工选择特征的方法，如尺度不变特征，方向梯度直方图特征，局部二值模式特征等。很明显，特征选择的好坏直接决定着算法准确率的上限。算法研究团队的重点任务变成了投入更多的人力去挖掘出更好的特征。数据集越大，特征越难发现和选择，就好像一个无底洞一样，不断地试探，不断地积累，时间和人力成本相当之高。而所谓SIFT特征、HOG特征、LBP特征，都是算法人员在某种假设的前提下，寻找特定数据集在某一层面的表示。但这种表示是否真的有效，还是要靠算法人员的经验和运气呢？每种特征都有自己的提取方式，遵循着自己的理论支持，但如果理论假设本身与现实相悖呢？我们无从知晓。

　　其次，有些智能分析算法模型为浅层学习模型，如支持向量机、逻辑回归等。浅层学习模型通常有0或1层隐层节点，可以在一定规模的数据集下发挥较强的表达能力。但当数据量不断增大时，这些模型就会处于欠拟合的状态。通俗点说就是数据量太大，模型不够复杂，覆盖不了所有数据。而算法模型无法解析大数据，直接制约了其应用的广度和深度，也限制了其进一步发展的空间。

　　2.市场难题

　　市场价格相对昂贵，因其远高于传统视频设备的开发难度，使得智能化产品普遍存在较高的开发成本，这足以影响智能产品大规模的推广应用。

　　用户本身需求的不确定性同样造成市场难得原因。目前国内市场对智能视频的普遍认识虽然较几年前得到了很大的提升，然而在用户对智能视频的期待与认知上仍存在一定的差距。一方面用户需要从根本上看清自身的需求，另一方面也必须弄清楚智能视频的功能与实际应用能解决的问题。这还需要厂家、工程商与用户多方面的努力。