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(cè)、人臉識(shí)別、人群分析、車牌識(shí)別、圖像識(shí)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(kù)的比對(duì)實(shí)現(xiàn)查找匹配的功能，在簡(jiǎn)單的應(yīng)用場(chǎng)景下，準(zhǔn)確率都能達(dá)到85%以上，但在復(fù)雜的應(yīng)用場(chǎng)景，如擁擠的人群、遮擋物眾多、移動(dòng)速度過快等狀況下，二維智能算法的缺陷表露無(wú)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(gè)缺點(diǎn)：一是不帶變焦的攝像機(jī)對(duì)遠(yuǎn)距離的目標(biāo)無(wú)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(dòng)目標(biāo)，同時(shí)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(shí)別車牌及實(shí)現(xiàn)有限的報(bào)警功能，但對(duì)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(duì)多個(gè)運(yùn)動(dòng)目標(biāo)實(shí)現(xiàn)自動(dòng)鎖定、自動(dòng)跟蹤、自動(dòng)預(yù)警等方面的技術(shù)不夠成熟。

而對(duì)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(tái)對(duì)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(chǔ)空間的瓶頸，前端傳回后臺(tái)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(shí)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(lái)自于兩方面：第一，是對(duì)處理器芯片的實(shí)時(shí)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(shí)處理能力上較弱，這會(huì)大大限制產(chǎn)品功能的有效性;第二，是對(duì)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(chǎng)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(duì)于同一個(gè)人進(jìn)入不同攝像機(jī)之間能否被準(zhǔn)確辨認(rèn)出來(lái)，業(yè)界一直在研究，如果此功能能夠?qū)崿F(xiàn)，對(duì)于公安破案將帶來(lái)極大的幫助。對(duì)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(lái)實(shí)現(xiàn)，一是行人匹配算法，也就是利用某個(gè)特定行人的紋理特征和運(yùn)動(dòng)特征;另一個(gè)是人臉識(shí)別算法，也就是通過人臉檢測(cè)算法和人臉匹配技術(shù)，來(lái)判斷是否有同一個(gè)人出現(xiàn)在不同的攝像機(jī)里。