视频监控技术在智能分析方面的较慢发展，归功于智能芯片、算法及技术架构在业务应用于中的普及应用于。而随着业务的多元化所引起的技术差异化竞争，也使得安防企业在整个安防监控技术的发展上各有千秋。

　　行业背景及市场需求阐述　　城市公共场所监控摄像头成千上万，昼夜不时地监控和视频，由此产生出有海量的视频数据，在对这些海量视频通过人工展开重点目标查询的艰难相当大，花费时间较长，尤其是一些重点场所的监控视频，对目标查询有反感的动态、高效的市场需求。　　目前用于人工手段效率很低，即便用于视频稀释概要等技术处置也主要是对历史视频、图像展开分析，而且流程繁复，经常出现脑溢血应急案件时，往往不会贻误最佳的侦破时机，造成涉及情报研判和案件破案的响应速度跟上拒绝，无法符合公安事前高危预警、互动性事件处理拒绝。在视频监控协作公安侦破案件过程中，最理想的情况是一旦有最重要事件再次发生，立刻就可以较慢查询到关键目标的人、车、物等视图线索信息，然后展开人、车布控时还能动态预警。

　　基于上述背景及市场需求，视图提取技术可以符合这些市场需求，目标是将针对传统以人海战术居多的视频线索查询或事后对历史视频图像展开处置分析的方式，用动态、高效、自动、智能的技术构建。　　视图提取技术分析　　监控摄像头产生的海量完整、坚硬的信息，很多时候是用来储存或者拒绝接受对专职人员的监控。

如果通过人工处置这些视频信息，将不会显得单调而无趣，同时，大部分时间的完整视频中并不包括案件所注目的目标事件。摄像头如何被用来有效地的展开场景监测，并根据必须展开动态的预警，这是视频监控问题的研究目的。这就必须一种视频监控技术需要在监控场景中自动提供对正在再次发生的事件的叙述，并根据视频分析采取相应的措施。

　　虽然，有所不同的视频监控系统有有所不同的监控市场需求，但是它们在监控处置的过程中都必须处置一些共性问题。我们从分析监控人员的工作方式应从，来探究这些共性问题。监控人员在面临视频监控画面时，一般来说只是注目场景中的某些特定目标物。

比如，只是注目在监控场景中新的经常出现的目标物（陌生人），而会注目监控场景的景色变化或者物体放置方位的变动等。从每一帧视频画面中分离出目标物（陌生人），并对这一起标物展开长时间的追踪，这就是物体的检测、分类和追踪问题。

监控人员在对目标物的追踪过程中产生的一系列的信息并对之加以分析，然后给目标物的运动划入一个不道德叙述，并根据这个不道德叙述要求否对当时再次发生在监控场景中的事件得出出现异常报告。这个过程对于视频监控系统来说，就是在目标物被辨识并证实的基础上，分析目标物的不道德，按照原作的条件对系统解读的不道德分类，得出监控场景中的事件不道德叙述。

综上，通过对监控人员的实际工作流程和工作方式的分析，我们告诉视频监控过程中主要牵涉到到的问题还包括：目标物的辨识证实，目标物的追踪和目标物的不道德分析。问题核心是图像分类和图像搜寻。图像分类任务如：人车目标、车辆品牌、车辆颜色辨识、车辆类型辨识等。　　视图提取技术的构建方式　　视图提取技术构建了对海量视图的动态结构化萃取，对人、车、物辨识分离出来，萃取有效地结构化数据，并对视图中的车、人脸展开深度结构化处置，动态感官城市中的高危人员、高危车辆。

结构化后的高价值信息可以展开长年留存，让事后侦察搜寻目标显得更加便利，大大节约视频侦察时间和人力成本。

本文来源：pg电子官方网站-www.yifulou.org.cn