1、簡單模式：視頻來源來自于模擬監控頭，比較適合小型單一的監控系統

　　2、聯網模式：視頻來自于編碼后的網絡數據，適用于大型聯網監控，在大型監控系統中有獨特的優勢，不需要做任何線路的更改，可以任意選擇要分析的視頻，操作極其方便

　　智能視頻分析系統概述

　　智能視頻(IV，Intelligent Video)源自計算機視覺(CV，Computer Vision)技術。計算機視覺技術是人工智能(AI，Artificial Intelligent)研究的分支之一，它能夠在圖像及圖像描述之間建立映射關系，從而使計算機能夠通過數字圖像處理和分析來理解視頻畫面中的內容。

　　視頻監控中所提到的智能監控技術主要是指：“運用智能算法，對輸入視頻圖像進行自動的內容分析，提取當前監控畫面中我們所感興趣的，關鍵的，有效的信息?！叭绻褦z像機看作人的眼睛，而智能視頻系統或設備則可以看作人的大腦。智能視頻分析技術借助計算機強大的數據處理功能，對視頻畫面中的海量數據進行高速分析，過濾掉用戶不關心的信息，僅僅為監控者提供有用的關鍵信息。智能視頻監控以數字化、網絡化視頻監控為基礎，但又有別于一般的網絡化視頻監控，它是一種更高端的視頻監控應用。

　　智能視頻分析系統是一種涉及圖像處理、模式識別、人工智能等多個領域的智能視頻分析產品。它能夠對視頻區域內出現的警戒區警戒線闖入、物品遺留或丟失、逆行、人群密度異常等異常情況進行分析，能夠對視頻區域內出現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，及時發出告警信息。能夠同時監測同一場景里多個目標，可以根據防范目標的特點進行靈活設置;它能夠適應不同的環境變化，包括光照、四季、晝夜、晴雨等，并能夠很好地抗攝像頭抖動。其改變了以往視頻“被動”監控的狀態，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，識別和區分物體，可自定義事件類型，一旦發現異常情況或者突發事件能及時的發出警報，其在安防領域的應用必然有助于克服了人力疲憊的局限性，從而更加有效地協助安全人員處理突發事件。

　　智能視頻分析的發展過程

　　智能視頻監控技術是基于圖像處理、模式識別的新型視頻監控技術。簡而言之，就是發現圖像中運動的物體，并對其進行跟蹤、分析，及時發現“異常”行為，觸發報警并采取其他措施進行干預。智能視頻分析技術(Video Analytics)綜合了多學科的研究成果。主要包括圖像處理，跟蹤技術，模式識別，軟件工程，數字信號處理(DSP)等領域。隨著計算機處理能力的提高，在90年代，對圖像的處理逐漸變成研究熱點。其中卡內基-梅隆(CMU)大學在1999年完成的在校園內的智能圖像監控系統是比較有代表性的研究項目。當時的智能圖像監控技術仍處在實驗室研究為主階段。

　　2001年911事件發生后，美國在安防科研方面大大加強了投資力度。許多研究機構和研究人員紛紛加入了安防類技術的研究和開發。智能視頻分析是其中的一個亮點。從研究論文的數量來看，2002年到2005年有一個明顯的高峰期。這和此期間科研經費的大量投入是相吻合的。目前此研究領域的科研論文逐漸轉移到細分的問題和方向上去了。 這并不代表智能視頻監控變成了一個已經解決了的問題。恰恰相反，即使目前最優秀的商業系統離人們對此類技術的期待值還有一些距離。解決問題的方法也沒有達成共識。它實際上反應了原創性的理論工作在減少。此項技術的進步在未來可能更多地依賴企業自身的科研開發力量。

　　智能視頻分析系統的功能

　　目前市場上的智能視頻分析系統通常都具有以下功能：

　　1. 圖像采集/接口

　　2. 運動物體檢測

　　3. 多物體跟蹤

　　4. 行為特征分析

　　5. 設定報警條件

　　6. 報警聯動

　　1、圖像采集/接口

　　絕大多數的智能視頻分析算法是基于非壓縮圖像格式，如RGB或者YUV，所以圖像信號在被采集以后不經過壓縮直接送給視頻分析單元，幾乎所有的視頻分析系統都自帶有圖像采集功能，通常是通過BNC輸入模擬圖像信號。

　　現有的圖像監控系統中圖像信號通常是以壓縮圖像流的形式存在，例如MPEG4、H.264、MJPEG等。IP相機通常也直接輸出壓縮圖像流。直接從壓縮的圖像流中進行運動檢測是一個較偏的研究方向，還沒有被主流廠家接受。當然也可以將圖像流解壓還原成原始圖像格式后再進行分析。常用的壓縮格式都不是無損(lossless)壓縮。和壓縮前的原始圖像相比，解壓后的圖像會損失掉一些信息。不過由于壓縮算法的特點，丟失的信息通常是高頻的噪聲信號，所以對運動檢測 的影響是較小的。當然前提是壓縮流有足夠的帶寬。如果壓縮比太高，圖像會出現“馬賽克”效應，給視頻分析增加難度。

　　由于實時圖像處理對處理器的要求非常高，所以用于視頻分析的圖像的分辨率通常比僅用于顯示或者傳輸的圖像要小。分辨率大小會影響到檢測距離和對運動物體的敏感性。有些產品通過降低處理的幀率來適應處理器的處理能力。過低的幀率會影響到跟蹤算法的可靠性。它可能造成對運動物體運動性質的判斷錯誤。

　　2、 運動物體檢測

　　簡單地說，運動檢測就是發現圖像中運動的物體。運動物體可以簡單定義為圖像中變化的部分。一些初級的運動檢測算法就是基于這些概念，例如早期的DVR產品的運動偵測功能等。它們通常也沒有跟蹤功能。此類方法的誤報警率太高，不適合用作實時報警系統。

　　并不是所有圖像中的變化都是我們感興趣的運動物體。例如由相機自身引入的變化，它包括像素的噪聲，相機自動光圈控制電路引起的整體亮度變化，圖像傳輸中引入的高低頻周期噪聲信號，紅外相機周期校準所帶來的突變等。外界環境引入的變化包括地面光照在多云天氣里迅速的變化，運動物體的陰影，水面波浪或者波光粼粼的現象，陸地上樹枝的擺動，夜間汽車大燈造成的光暈，雨雪天氣等現象。另外相機在大風天，尤其是高燈桿上容易抖動。由上述這些現象造成的圖像變化通常是應該被過濾掉的。它們可以通過算法或者其它技術手段加以解決。

　　從算法的角度來看，可以簡單地分為兩大類。一類是建立背景模型，通過和背景模型相對比來發現運動物體。另一類是通過“光流”法，通過發現運動物體對光流場的影響來發現運動物體。另外就是介于兩者之間或者兩者結合的方法。背景模型法對運動物體的提取較完整，有利于下一步對物體的跟蹤，分類以及將來的檢索。但是它要求相機固定。如果沒有有效的穩定算法，在相機抖動的情況下容易產生誤報警。光流法對相機穩定性的要求低。即使相機安裝在云臺上，或者其它運動平臺如飛機上，也可以進行運動檢測。不過由于光流法是基于導數的檢測方法。它較容易受到圖像噪音的影響。所以它不適用于檢測小物體，檢測距離較近。