智能視頻分析系統能夠對視頻區域內出現的運動目標自動識別出目標類型并跟蹤，對目標進行標記并畫出目標運動軌跡，能夠同時監測同一場景里多個目標，可以根據防范目標的特點進行靈活設置;改變了以往視頻“被動”監控的狀態，不僅僅局限于提供視頻畫面，而且能主動對視頻信息進行智能分析，識別和區分物體，可自定義事件類型，一旦發現異常情況

　　或者突發事件能及時的發出警報，其在安防領域的應用必然有助于克服了人力疲憊的局限性，從而更加有效地協助安全人員處理突發事件。

　　那是不是視頻分析系統就是萬能的呢?其存在哪些方面的不足呢?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。我們可具體來看一下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。