智能視頻監(jiān)控就是用計算機依照人設(shè)定的規(guī)則，來“觀察”監(jiān)控圖像，及時發(fā)現(xiàn)問題，報告給監(jiān)控人員，由監(jiān)控人員進一步判斷事件性質(zhì)。進行處置。它對視頻監(jiān)控效果是一個質(zhì)的提升。

　　海量信息

　　目前視頻監(jiān)控系統(tǒng)的主要應用模式還是“事后調(diào)查取證”，然而此舉實屬亡羊補牢。因為等到事件發(fā)生后，再到硬盤中調(diào)出相應錄像回放，查找原因，實際已錯過處理事件的最佳良機。倘若監(jiān)控室內(nèi)顯示的是多路圖像信息，保安、監(jiān)控室管理員等人員更難合理有效地進行處理。在海量信息面前，人們寄希望于智能視頻分析對絕大多數(shù)的無用信息進行過濾，將有用信息推送到用戶面前。在港口項目中，攝像機點位數(shù)通常高達幾百路，甚至更多。因而藉由智能分析對海量信息進行處理，成了眾多港口管理者的共同的心聲。

　　 港口特殊環(huán)境

　　 與其他應用領(lǐng)域相比，港口點多，面大，風大以及水域廣都是智能視頻分析需要注意的問題。

　　· 點位多需要智能視頻分析系統(tǒng)能有非常大的吞吐能力，在系統(tǒng)架構(gòu)上要有足夠的可擴展性。由于港口視頻監(jiān)控的重要性，最好要有一定的冗余機制。沒有明顯的造成系統(tǒng)癱瘓的設(shè)備節(jié)點；

　　· 面大的結(jié)果就是圖像中的目標通常較小。所以圖像分析的精度要高。一些嵌入式的視頻分析產(chǎn)品由于處理能力的限制，將視頻圖像裁剪成較小的圖像進行分析，就會限制對目標的敏感度。保持對小目標的分析能力對處理能力提出了較高要求。同時由于小目標和圖像噪聲信息容易混淆，所以對算法的魯棒性也有更高的要求；

　　· 風大帶來的問題就是攝像機抖動。圖像抖動不僅僅造成視覺疲勞，同時對于普通的智能視頻分析會產(chǎn)生大量的誤報警，造成系統(tǒng)無法使用。所以在港口的視頻分析系統(tǒng)必須有過硬的圖像防抖動功能。

　　另外，對于水域的監(jiān)控是港口視頻監(jiān)控的重要部分。水域的波浪，陽光在水面的反光都會使普通智能視頻監(jiān)控系統(tǒng)產(chǎn)生大量誤報警。所以必須有專門的算法過濾此類噪音信息，同時保持對船只的跟蹤。

　　攝像機信息各自獨立

　　現(xiàn)有的主流智能視頻監(jiān)控對每一路圖像分別進行智能分析，將分析結(jié)果集中推送給用戶。攝像機資源之間沒有配合、協(xié)同。同一運動目標經(jīng)過多臺攝像機視野會被報告為多個獨立的錄像片段。由于每臺攝像機觸警條件不同，當物體在一臺攝像機視野內(nèi)觸發(fā)報警，運動到其它攝像機視野的時候，很可能被視作正常的運動物體。同時，由于時間短，監(jiān)控人員有可能來不及反應，從而丟失目標。

　　數(shù)年前，筆者曾在一個較為偏僻的港口進行設(shè)備安裝。待到收工后，準備乘坐出租車回家。因而拜托在監(jiān)控室里面的保安通過電視墻尋找出租車，并通過對講讓現(xiàn)場保安攔截下來，以便出港?？此坪唵蔚氖虑椋０沧銎饋砗芾щy。出租車先后在電視墻上的不同屏幕上出現(xiàn)，保安人員卻一直難弄清楚它的具體位置與走向。

　　可以想象當有觸警事件發(fā)生時，這種響應模式會非常被動。這其實是視頻監(jiān)控行業(yè)中的一個普遍問題。通過監(jiān)控人員對攝像機圖像進行不斷“翻譯”，得出目標的真實方位，不但增加了監(jiān)控疲勞程度，也降低了用戶體驗滿意度。