視頻監(jiān)控系統(tǒng)從最初的模擬閉路電視監(jiān)控開始，經(jīng)歷了數(shù)字化、網(wǎng)絡(luò)化的發(fā)展，正在向分布式、智能化的方向邁進。在英國全國范圍內(nèi)已經(jīng)安裝攝像機420多萬個，平均每14人1個，一個人一天之中可能出現(xiàn)在多達3 00個攝像機前。海量的監(jiān)控圖像需要視頻監(jiān)控系統(tǒng)智能地選擇壓縮、存儲、檢索和使用內(nèi)容。

　　從上世紀90年代中期開始，以卡耐基梅隆大學(xué)(CMU)和麻省理工學(xué)院(MIT)為代表的，多家美國高校所參與的，由美國國防高級研究項目署設(shè)立的視覺監(jiān)控重大項目VSAM(Visual Surveillanceand Monitoring)，以及其它科研機構(gòu)的研究成果，使得智能視覺分析取得了快速發(fā)展。經(jīng)過科研人員40多年的不懈努力，計算機視覺已經(jīng)進入突破式發(fā)展階段。得益于計算機視覺的最新研究成果，智能視頻監(jiān)控開始得到產(chǎn)業(yè)化應(yīng)用。

　　當(dāng)前除了CMU和MIT，奧地利Graz理工大學(xué)的嵌入式智能攝像機研究組，IBM的S3(Smart Surveillance System)項目組，INTEL的IRISNET(Internet-scale Resource-intensive Sensor Network Service)項目組等，分別在分布式智能監(jiān)控系統(tǒng)的不同領(lǐng)域處于領(lǐng)先地位。Object Video、Hisign、3VR等公司率先實現(xiàn)了智能視頻監(jiān)控的工業(yè)應(yīng)用。在國內(nèi)，中科院自動化所、清華大學(xué)電子工程系和自動化系等處于研究的前列。

　　現(xiàn)在的智能視頻監(jiān)控大部分應(yīng)用都是以運動檢測、背景建模算法為基礎(chǔ)，一般只能處理較為簡單、遮擋重疊較少的場景，對于較為復(fù)雜的場景效果不佳。各種環(huán)境干擾，如：強光、震動、陰影、雨、雪等，雖然算法可以有一定濾除，但是仍然存在誤報、漏報問題?；谀Ｊ椒诸悺⒆R別算法的物體檢測計算較為復(fù)雜，一般只能針對具有較穩(wěn)定特征的物體，如：合作型(固定范圍)人臉檢測統(tǒng)計等，無法及時有效處理多類物體聯(lián)合檢測需求。