現有視頻分析算法和早期移動偵測最大的區別就在于是否對運動物體進行跟蹤。運動物體檢測和跟蹤是視頻分析的基礎。這兩方面做扎實了，才有可能對物體的行為特性進行分析，同時也才有可能較容易地針對某些特殊應用迅速開發出來新功能模塊。跟蹤實質上就是將在每一幀上發現的同一物體沿時間順序串起來。此領域本身就是一個相對獨立的活躍的研究領域。主要研究方向是在復雜環境下，如多個運動物體，多個相機，運動物體之間互相遮擋，消失及重現等情況下進行有效跟蹤。例如在擁擠的地鐵站臺對某個人進行跟蹤;對草叢里身著迷彩服沿一定方向爬行的士兵進行跟蹤。雖然在每一幀里用肉眼無法辨明此士兵的位置，但是積累了一定幀數后，系統發現了他。以上實例主要還停留在實驗室演示階段。但是它們代表了跟蹤算法的發展方向。

　　在實際監控應用中，尤其是對一些入侵報警的應用案例中，對跟蹤算法的要求比較低。現有的商業系統對運動物體“融合”及其它復雜應用場景的跟蹤效果并不理想。但是參照以往技術發展速度，這方面會很快完善起來。

　　4、行為特征分析

　　行為特征分析是從圖像中尋找滿足預先設定的行為特征的事件。目前市場上比較典型的應用包括：

　　(1)分類： 判斷運動物體是人，車，船只，飛機。

　　(2)停止或者突然加速：例如車輛在隧道或者公路上拋錨;大街上搶劫得手后逃跑等場景。

　　(3)徘徊：例如在敏感區域外觀察的人員。對正常通過的行人、車輛不報警。

　　(4)遺留物： 例如對在機場，油庫等地放置爆炸物然后離開。

　　(5)物品遺失： 例如博物館的貴重展品保護。當發現展品消失后，系統會立刻報警。

　　(6)人數統計：例如 對進入超市等場所的人數進行統計。并結合銷售數據繪制一天當中平均消費額曲線。

　　(7)人群密度：例如當聚集人員過多時報警。或者人群突然散開，如出現異常情況時，進行報警。

　　(8)人員倒地： 例如當人員由直立突然變成平躺。

　　總的來說，智能視頻分析可以作很多事情。所以需要視頻分析開發人員和最終用戶進行有效溝通。由于智能視頻分析還是一個較新的技術，在國內了解此項技術的圈子目前只拓展到集成商這個層面上，所以很多適合視頻分析技術的應用場景還有待市場開發。但有一點是一目了然的：企業必須掌握核心技術并具有自主研究開發能力。智能視頻分析的市場是由許多細分小市場組成的，新的應用正不斷地出現。在可預見的將來，這會是這個市場的一個明顯特點。

　　5、設定報警條件

　　在視頻監控里引入“智能”極大地豐富了監控內容，提高了監控的靈活性。用戶可以針對某個特定行為進行報警。例如簡單地說，當運動物體穿越某條界限時報警。也可以使用更多的限定條件，如在晚上7點到早晨7點之間對進入某個區域的人員進行報警，對出去的人員，進出的車輛不報警。由于是通過軟件設定報警條件，更改報警策略通常來說非常容易。例如有一批貴重貨物在倉庫里只存放一天，可以在那一天在屏幕上倉庫周圍設置虛擬邊界，就像孫悟空用金箍棒畫個圈將唐僧等人保護起來一樣，很快地建立起保護措施。用戶也可以依據不同設施的具體安保需求設定不同的策略。例如白天和夜晚的監控內容不一樣，工作日和周末監控內容、監控力度也不一樣。系統自動切換，避免了人員監控的隨意性。目前可供選擇的報警要素包括區域、時間段、物體種類、尺寸、運動方向、速度、行為特征等許多內容。

　　6、報警聯動

　　在智能視頻分析系統發現異常情況以后，通常需要作3類事情：

　　1) 核實報警真實性： 通過另外一臺云臺相機對報警事件拉近進行詳細調查。由于監控范圍的需要，報警相機的監控范圍通常較大，而且經常是固定相機。另外一臺云臺相機可以和一臺或者幾臺固定報警相機相配合自動或者手動響應報警事件。報警錄像片段通常會被同時存在硬盤上。

　　2). 及時通知、提醒監控人員： 常用實時提示方法包括語音提示監控人員，如“倉庫門口發現人員。”;在屏幕上彈出報警圖像;在圖像上用標識框標識觸警物體;顯示觸警物體之前的運動軌跡。另外也有非實時的技術手段，如通過郵件或者短信的形式通知負責人員，并附以觸警截圖。目前通過手機瀏覽實時監控圖像已經較成熟。3G手機在國內的普及必將促使手機成為有一個響應平臺。除了DVR備份以外，智能視頻分析系統可以存儲報警錄像片段，供監控人員迅速檢索。

　　3). 觸發其它外部響應手段： 為避免頻繁出警，有些系統可以和喇叭聯動，提醒入侵人員已經被監控。通常他們在知道被發現后會迅速離開。