本文通过对智能视频分析系统功能，产品市场供需，发展状况进行分析，提出了典型智能视频分结构，为各行各业智能视频监控系统的建设提供了理论和方案性的指导。
视频监控技术经过数字化、网络化、高清化，已经到了智能化时代。随着人工智能的快速发展，特别是深度学习技术的出现，视频智能分析技术得到了广泛认可和应用。视频监控在现代社会中广泛应用，而且在各行各业中越来越重要。对这些已有的海量视频进行后端智能分析，提取关键事件信息，能大大提高检索效率。
中山监控工程表示本文将消防隐患排查业务与视频智能分析技术相结合，研发一套视频智能分析消防隐患排查系统；系统可对监控视频实时智能分析，一旦发生消防安全隐患事件，及时上报，并联动视频进行人工复核，可实现对消防安全隐患的有效管理，大大提升了安全隐患排查效率。该系统同时贴合消防业务场景，对算法进行优化，不断迭代，提升算法的准确率。
系统组成
系统可接入主流监控厂家前端IPC设备，对接入的实时视频流进行解码处理，然后发送至带有专业AI芯片的视频智能分析仪进行数据分析，一旦满足报警触发条件，系统将报警事件上传到中心，收到报警后，中心平台实时视频弹窗，便于人工复核，一时间排除误报，并了解现场实际情况。
技术路线
本系统采用基于深度学习的视频智能分析技术 有效提升了算法准确率，场景适应性也提高了。传统智能算法是人工来设计特征，不同角度、不同光照下的很多特征很难被发现，所以，虽然传统智能算法有时能够在特定环境和时间下表现出良好的性能，但只要画质、环境等条件发生改变，准确率可能就会出现明显的下降，而深度学习可以自主提炼出更丰富更适合的特征参数，具有更强的抗环境干扰能力。
深度学习让智能识别种类更丰富，理论上只要有足够多的样本进行训练，深度学习都能够实现比较的目标分类识别，自主特征学习的特点又让深度学习特别适合用于抽象、复杂的目标特征，以及行为分析领域。因此对于消防隐患的识别，例如电瓶车检测、消控室人员行为规范等，采用深度学习效果更好。
实际应用中充分考虑利旧，保持原有系统网络架构不变。以易出现消防安全隐患的点位为视频源，接入到后台进行处理分析。隐患事件信息及时上报，并联动实时视频行复核，排除误报。保存历史事件，包括报警录像，方便后续查询和处理。通过统计分析．既可发现高频隐患事件，也可发现易发生安全隐患的高频点位信息视频智能分析系统主要实现以下功能
码流接入：支持主流编码格式H.264和H.26的前端摄像机接入，支持标准RTSP和ONVIF协议 接人，兼容市面上主流厂家摄像机品牌，对输入码流 进行解码处理。
视频显示支持：HDMI高清视频输出，多画面显示。
码流存储：支持对接人码流进行全天存储和报警录像，存放报警前后10秒内的视频。
参数配置：包括算法配置、通道配置以及设备配置。算法配置除了设置算法类别外，还支持屏蔽区域，易误报或不感兴趣区域可设置成屏蔽区域，减少干扰；算法灵敏度和事件持续时间闽值也可以设置，这样更加灵活，适应更多场景。
智能分析：基于深度学习算法，实时检测当前接入视频存在的消防安全隐患，事件持续时间超过设置的阈值时上传报警，通过客户端、Weh以及手机APP等方式来推送。
