背景的复杂性：光照变化引起目标颜色与背景颜色的变化，可能造成虚假检测与错误跟踪。采用不同的色彩空间可以减轻光照变化对算法的影响，但无法完全消除其影响；场景中前景目标与背景的相互转换，与行李的放下、拿起，车辆的启动与停止；目标语背景颜色相似时会影响目标检测与跟踪的效果；目标阴影与背景颜色存在差别通常被检测为前景，这给运动目标的分割与特征提取带来困难。

目标特征的取舍：序列图像中包含大量可用于目标跟踪的特征信息，如目标的运动、颜色、边缘以及纹理等。但目标的特征信息一般是时变的，选取合适的特征信息保证跟踪的有效性比较困难。

遮挡问题：遮挡是目标跟踪中必须解决的难点问题。运动目标被部分或完全遮挡，又或是多个目标相互遮挡时，目标部分不可见回造成目标信息缺失，影响跟踪的稳定性。为了减少遮挡带来的歧义性问题，必须正确处理遮挡时特征与目标间的对应关系。大多数系统一般是通过统计方法预测目标的位置、尺度等，都不能很好地处理较严重的遮挡问题。

兼顾实时性与鲁棒性：序列图像包含大量信息，要保证目标跟踪的实时性要求，必须选择计算量小的算法。鲁棒性是目标跟踪的另一个重要性能，提高算法的鲁棒性就是要使算法对复杂背景、光照变化和遮挡等情况有较强的适应性，而这又要以复杂的运算为代价。

前言

智能视频分析，通过计算机实时分析视频图像，通过规则过滤，将违反设定规则的事件进行报警，通过视频分析技术，可以真正对视频监控系统效能发挥到最大，视频监控系统真正由能看到变成能想到。改技术从60年代开始，科学界一直都在不断完善，上海石安智能视频分析立足业界最新技术，在不求功能最多原则下，力求自身提供的智能视频分析仪的准确性达到业界最高水平，针对如何达到视频分析高准确性，提出了一些自己的看法。

准确率、误报率漏报率定义：

准确率：就是指设定分析规则后，捕捉的报警视频均是视频分析规则规定过滤的视频报警图像。简单说就是准确发现。

误报率：在没有出现攀高、非法跨越、非法闯入、长时间滞留、打架斗殴、夜晚起床等实际行为下，视频分析系统却产生报警信号数量比率，称为误报率。

漏报率：在出现攀高、非法跨越、非法闯入、长时间滞留、打架斗殴、夜晚起床等实际情况下，视频分析系统却不产生报警信号数量比率，称为漏报率。

准确率=1/(误报率+漏报率)

影响视频分析准确率要素：

影响视频分析准确率的要素非常多，主要包括：

1、风吹动树叶或物体产生晃动、包括摄像机本身的晃动；雪天色彩、雪花漂浮;雨滴水斑、积水反光；雾气模糊等。

2、动态物体包括飞鸟在视频中的飞舞，蚊子蜘蛛在镜头前的黑斑，甚至各种小动物（老鼠等）的干扰

3、光线变化：太阳从东升起在日落，光线变化非常复杂，另外物体移动产生的光影变化都是无法预期的。

4、海浪潮涌长生的潮涨潮落，水面波光粼粼等。

5、视频分析算法自身的缺陷：很多视频分析算法自身存在很多不确定性，就是在一些很好的环境下，都会产生不少的报警，说句实话，连视频算法开发者都无法发现和理解，因为很多逻辑语句集中在一起，潜在缺陷比比皆是。

6、视频分析功能：在一些基础功能如警戒线、警戒区域、视频遮断，这样的准确率会高一些，高级功能：如夜晚起身、打架斗殴等视频分析，能达到商用的，目前笔者掌握的信息，可能就上海石安智能可以达到要求。

视频分析准确率遇到的最大挑战

在智能视频分析使用中，目前遇到最大困难，在一些警戒线或者警戒区域使用中，由于各种干扰因素的交集影响，产生的误报率都是很高，很多视频分析仪产品在努力降低漏报率时候，无法遏制误报率大幅提升，一路视频24小时内产生的误报报警多得无法使用，综合准确率始终无法提供，很多智能视频分析系统（石安视频分析）成为了给领导演示的摆设