最早的視頻監控智能需求是能夠實現視頻監控的移動偵測報警，以減少對存儲硬盤的需求數量。這一時期的智能是基於視頻內容的變化對比進行檢測的，解決了視頻監控系統存儲成本和監控有效性的問題。這類特性我們可以稱之為“智能策略”。
隨著網絡攝像機的發展和應用，基於視頻圖像的報警佈防需求被明確提出。在圖像清晰的情況下，能夠具體識別目標大小、位置、移動方向、移動速度等，結合視頻中設置的座標位置判斷，從而產生告警信息。這類智能功能被演化為：絆線檢測、入侵檢測、遺留物檢測、徘徊檢測、人數統計等。這類智能能夠滿足在一些特定場景下的自動報警防範應用。這類智能特性我們可以稱之為“基礎行為智能”。
攝像機的智能功能在這一時期還有一個重要的發展分支就是智能交通攝像機，也就是我們在城市的道路上經常看到的車輛卡口攝像機和電子警察攝像機。早期車輛卡口攝像機最主要實現的就是對過往車輛的車牌識別功能。由於我國的車牌類型和格式比較統一，實現上主要識別有限的漢字、字母和數字。通過數學建模的方式實現準確的車牌字母識別。這類智能特性我們可以稱之為“模式目標識別”。
隨著高清網絡攝像機的部署數量不斷增加，每天產生大量的視頻監控數據，這些數據如何搜索成為一個比較重要的問題。廠家提出的解決方案有兩種，一種是採用後端服務器對視頻圖像進行智能分析，處理的方式包括：視頻濃縮、機非人分離和機非人數據結構化等。另一種是在前端直接實現機非人分離和機非人數據結構化。通過前端對非結構化視頻數據的結構化處理，為後端實現監控預警和快速檢索提供了必要的條件，同時降低了對後端服務器的性能要求。這類智能特性我們可以稱之為“結構化目標識別”。
從智能分類上來看，智能一直伴隨著安防視頻監控在不斷成長。從其應用發展來看，智能策略解決視頻監控效率的問題；基礎行為智能解決了視頻監控的事後搜索效率問題和事前預警問題；模式目標識別和結構化目標識別則進一步解決了精確目標的事前預警問題。
以目前比較熱門的人臉抓拍攝像機為例，在道路、車站等公共場景下，人臉抓拍攝像機都需要進行額外的補光。原因是補光燈與攝像機之間需要有一個合理的角度，讓光線能夠均勻散開，從而得到更好效果的人臉抓拍圖片。基於這一原理的需要，目前的人臉槍機形態顯然不能滿足，分離式安裝又對工程施工的標準化帶來很大難度。我們大膽的想象一下，這類攝像機的形態未來可能不是槍型的，而會演變為長方形，或者更像我們現在的警燈，甚至直接就隱藏在橫杆內形成一體化的安裝方式。
還以人臉抓拍攝像機為例，應用在門禁上，用於管控人員出入。在該類應用場景下，可以要求用戶對攝像機抓拍圖像進行配合，為了能夠實現更好的配合，需要提供一個顯示屏用於提示用戶是否站對位置並被正確識別。在嚴格的環境中，甚至可以要求人員配合相應的動作，以避免仿照。在這樣的應用場景下，攝像機的形態顯然已經不能是傳統的槍、筒、半、球等形態。它的形態應該更加類似於平板電腦，只是攝像機採用的是專業的網絡攝像機技術。
除了在產品形態上會發生較大的變化外，攝像機的圖像評價方式或許也會發生一些變化。依然以人臉抓拍攝像機為例，傳統的攝像機清晰度指標主要關注整體畫面和靜態情況下的圖像清晰度，一般測試會採用測試卡靜止放置的情況下讀取線數的方法。這類評價方法在人臉抓拍攝像機上似乎不是很適應。因為在人臉抓拍應用中，我們不再關心整體的畫面清晰度，而是關注於目標人臉的清晰度及其在運動情況下抓拍呈現的效果。從技術角度講，人臉抓拍攝像機的清晰度評價指標應該是運動人臉的五官辨識程度或者是運動條件下的目標清晰度。
閱讀更多 泰戈爾電子設備 的文章
