如此眾多繁雜的攝像機(jī)產(chǎn)品及智能算法功能，不得不進(jìn)行一些關(guān)鍵性技術(shù)的區(qū)分辨別。以深度學(xué)習(xí)的人臉檢測、人臉識別、人群分析、車牌識別、圖像識別等技術(shù)而言，普通的二維智能算法多半通過后端大數(shù)據(jù)庫的比對實(shí)現(xiàn)查找匹配的功能，在簡單的應(yīng)用場景下，準(zhǔn)確率都能達(dá)到85%以上，但在復(fù)雜的應(yīng)用場景，如擁擠的人群、遮擋物眾多、移動速度過快等狀況下，二維智能算法的缺陷表露無遺。

普通攝像機(jī)智能分析的缺點(diǎn)及根源

在市面上，普通的智能攝像機(jī)存在三個缺點(diǎn)：一是不帶變焦的攝像機(jī)對遠(yuǎn)距離的目標(biāo)無法看清目標(biāo)細(xì)節(jié);二是帶變焦的鏡頭雖然通過人工操作，可以看清遠(yuǎn)處目標(biāo)，但不能跟蹤運(yùn)動目標(biāo)，同時因完全靠肉眼觀察，容易疲勞，也需要大量人力投入，成本高昂;三是部分智能攝像機(jī)能識別車牌及實(shí)現(xiàn)有限的報警功能，但對安裝角度、目標(biāo)距離有很高要求，不適合大面積應(yīng)用，并且在對多個運(yùn)動目標(biāo)實(shí)現(xiàn)自動鎖定、自動跟蹤、自動預(yù)警等方面的技術(shù)不夠成熟。

而對于造成攝像機(jī)智能分析功能存在這些缺點(diǎn)，業(yè)內(nèi)專業(yè)人士認(rèn)為，當(dāng)前大多數(shù)做智能視頻分析的廠家都是在后臺對前端攝像機(jī)采集的圖像進(jìn)行分析處理，但因傳輸帶寬及存儲空間的瓶頸，前端傳回后臺的圖像一般都經(jīng)過壓縮處理，清晰度變差，這大大降低了視頻分析的識別率。目前，視頻分析的眾多產(chǎn)品都存在這樣那樣的問題，根源就在于視頻源的低質(zhì)量。

智能分析算法存在的困難

當(dāng)前，智能分析算法存在的最大困難，主要來自于兩方面：第一，是對處理器芯片的實(shí)時處理能力要求很高，受制于處理器的有限資源，攝像機(jī)前端在實(shí)時處理能力上較弱，這會大大限制產(chǎn)品功能的有效性;第二，是對前端設(shè)備的制約較多，如芯片的處理能力、芯片的散熱方案較難實(shí)現(xiàn)等。目前大多數(shù)商用的智能分析算法還存在誤檢/漏檢率高，場景適應(yīng)性差等問題，實(shí)際應(yīng)用效果有限。而學(xué)術(shù)界高精度的算法則存在硬件要求高，不適應(yīng)于大面積商業(yè)化運(yùn)用。

在視頻監(jiān)控的智能分析功能中，對于同一個人進(jìn)入不同攝像機(jī)之間能否被準(zhǔn)確辨認(rèn)出來，業(yè)界一直在研究，如果此功能能夠?qū)崿F(xiàn)，對于公安破案將帶來極大的幫助。對此算法，有業(yè)內(nèi)人士認(rèn)為，行人的跨攝像頭跟蹤，主要可以通過兩種算法來實(shí)現(xiàn)，一是行人匹配算法，也就是利用某個特定行人的紋理特征和運(yùn)動特征;另一個是人臉識別算法，也就是通過人臉檢測算法和人臉匹配技術(shù)，來判斷是否有同一個人出現(xiàn)在不同的攝像機(jī)里。