[ 導讀 ] 智能分析經過多年發展，實際應用也在逐步增加。在實際環境中，光照變化無常、目標運動復雜性、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計的難度。

    智能分析經過多年發展，實際應用也在逐步增加。在實際環境中，光照變化無常、目標運動復雜性、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計的難度。本文具體分析了影響智能分析應用的幾個方面：

    背景的復雜性：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關系。大多數系統一般是通過統計方法預測目標的位置、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雜背景、光照變化和遮擋等情況有較強的適應性，而這又要以復雜的運算為代價。

    針對上述的問題，如何來提升視頻智能分析系統的有效性與實用性，我們可以從下述方面加以改進或是提升。

    1、優化算法，制定針對場景的分析策略，使得算法的準確性得以增加。

    2、合理選擇攝像機安裝角度，分析的準確程度，絕大部分取決于角度的合理性。

    3、增加輔助補充設備，像增加補光燈或是紅外光源，使在各種復雜條件下能加以應用。

    視頻智能分析系統是未來視頻監控系統發展的必然趨勢，作為從海量數據中獲取有用信息最方便快捷的手段，將會成為視頻監控系統的主力軍，并且隨著高清化，智能化的有機結合，隨著攝像機與智能分析的一體化發展，其產生的作用及影響會越來越[FS:PAGE]大，將傳統的人防轉變為技防。

【聲明】物流產品網轉載本文目的在于傳遞信息，并不代表贊同其觀點或對真實性負責，物流產品網倡導尊重與保護知識產權。如發現文章存在版權問題，煩請聯系小編電話：010-82387008，我們將及時進行處理。