技术是基于图像处理、模式识别的新型视频监控技术。简而言之，就是发现图像中运动的物体，并对其进行跟踪、分析，及时发现“异常”行为，触发报警并采取其他措施进行干预。
智能视频分析的发展过程
智能视频分析技术(Video Analytics)综合了多学科的研究成果。主要包括图像处理、跟踪技术、模式识别、软件工程，数字信号处理(DSP)等领域。2001年“911”事件发生后，美国在安防科研方面大大加强了投资力度。许多研究机构和研究人员纷纷加入了安防类技术研究和开发，智能视频分析是其中的一个亮点。从研究论文的数量来看，2002年到2005年有一个明显的高峰期，这和此期间科研经费的大量投入是相吻合的。目前此研究领域的科研论文逐渐转移到细分问题和方向。这并不代表智能视频监控变成了一个已经解决了的问题，恰恰相反，即使目前最优秀的商业系统离人们对此类技术的期待值还有一些距离。解决问题的方法也没有达成共识，它实际上反映了原创性的理论工作在减少，此项技术的进步在未来可能更多地依赖企业自身科研开发力量。
国内此市场的发展滞后北美大概3到4年，现在具有自主知识产权和研发能力的国内公司并不多，主要有北京的文安、智安邦，上海的安维尔、弘视等。由于公司都处在早期的市场拓展阶段，已经完成的有代表性工程项目并不多，典型的有核电站、军队项目、港口等。
主要功能
目前市场上的智能视频分析系统通常都具有以下功能：
1、图像采集/接口。绝大多数的智能视频分析算法是基于非压缩图像格式，如RGB或者YUV。所以图像信号在被采集以后不经过压缩直接送给视频分析单元。几乎所有的视频分析系统都自带有图像采集功能，通常是通过BNC输入模拟图像信号。现有的图像监控系统中图像信号通常是以压缩图像流的形式存在。可以将图像流解压还原成原始图像格式后再进行分析。
2、运动物体检测。简单地说，运动检测就是发现图像中运动的物体，运动物体可以简单定义为图像中变化的部分。一些初级的运动检测算法就是基于这些概念，此类方法的误报警率太高，不适合用作实时报警系统。
并不是所有图像中的变化都是我们感兴趣的运动物体，例如由相机自身引入的变化，它包括像素噪声，相机自动光圈控制电路引起的整体亮度变化，图像传输中引入的高低频周期噪声信号，红外相机周期校准所带来的突变等。外界环境引入的变化包括地面光照在多云天气里迅速的变化，运动物体阴影，水面波浪或者波光粼粼现象，陆地上树枝的摆动，夜间汽车大灯造成的光晕，雨雪天气等现象。另外相机在大风天，尤其是高灯杆上容易抖动，由上述这些现象造成的图像变化是应该被过滤掉的，它们可以通过算法或者其它技术手段加以解决。
从算法的角度来看，可以简单地分为两大类。一类是建立背景模型，通过和背景模型相对比来发现运动物体。另一类是通过“光流”法，通过发现运动物体对光流场的影响来发现运动物体。另外就是介于两者之间或者两者结合的方法。
3、多物体跟踪。跟踪实质上就是将在每一帧上发现的同一物体沿时间顺序串起来。此领
