視頻監(jiān)控的應(yīng)用已經(jīng)十分的廣泛，為了適應(yīng)市場的多面化，視頻監(jiān)控開始走向了智能化的發(fā)展。但是在發(fā)展過程中難免會遇到一些麻煩，下面是關(guān)于障礙的大盤點。

智能視頻分析系統(tǒng)能夠?qū)?a href="/" target="_self" title="重慶監(jiān)控">重慶監(jiān)控視頻區(qū)域內(nèi)出現(xiàn)的運動目標自動識別出目標類型并跟蹤，對目標進行標記并畫出目標運動軌跡，能夠同時監(jiān)測同一場景里多個目標，可以根據(jù)防范目標的特點進行靈活設(shè)置；改變了以往視頻“被動”監(jiān)控的狀態(tài)，不僅僅局限于提供視頻畫面，而且能主動對視頻信息進行智能分析，識別和區(qū)分物體，可自定義事件類型，一旦發(fā)現(xiàn)異常情況。

或者突發(fā)事件能及時的發(fā)出警報，其在安防領(lǐng)域的應(yīng)用必然有助于克服了人力疲憊的局限性，從而更加有效地協(xié)助安全人員處理突發(fā)事件。

那是不是視頻分析系統(tǒng)就是萬能的呢？其存在哪些方面的不足呢？在實際環(huán)境中，光照變化無常、目標運動復(fù)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算法設(shè)計的難度。我們可具體來看一下影響智能分析應(yīng)用的幾個方面：

背景的復(fù)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。采用不同的色彩空間可以減輕光照變化對算法的影響，但無法完全消除其影響；場景中前景目標與背景的相互轉(zhuǎn)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征提取帶來困難。

目標特征的取舍

序列圖像中包含大量可用于目標跟蹤的特征信息，如目標的運動、顏色、邊緣以及紋理等。但目標的特征信息一般會隨時變化的，選取合適的特征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，目標部分不可見會造成目標信息缺失，影響跟蹤的穩(wěn)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征與目標間的對應(yīng)關(guān)系。大多數(shù)系統(tǒng)一般是通過統(tǒng)計方法預(yù)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。

兼顧實時性與健壯性

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算法。健壯性是目標跟蹤的另一個重要性能，提高算法的健壯性就是要使算法對復(fù)雜背景、光照變化和遮擋等情況有較強的適應(yīng)性，而這又要以復(fù)雜的運算為代價。