历经三十多年的中国安防产业，其技术一直在不断的突破与革新。从新世纪的2002年开始的数字化潮流，到2005年网络架构，再到2010年厚积薄发的高清风暴，都能清晰的看到，中国安防正在谋变中。据IMS研究报告2012年中国安防智能化市场突破20亿元，中国安防市场逐渐走向高清化、智能化、数字化。

    2012中国安防市场突破20亿

    据IMS研究报告2012年中国安防智能化市场突破20亿元，其行业应用范围主要集中在从高端市场，如军队、政府、司法、金融、交通、核电站、机场与港口等，再到工业设施、教育、医疗等中端市场，已经渗透到居民小区、零售店铺、仓库管理、物流等民用市场。可以说中国智能安防市场应用百花齐放。那么，中国的智能安防市场有多大，智能安防发展状况如何?

    中国智能安防市场有多大

    在当下，中国安防行业谈及最多的话题是“如何高清化”。其实，视频监控从模拟到数字，再到网络、高清、一直在解决二个问题：“实时监控”和“记录存储”。如何由被动方式转为主动的实时准确监控，如何在海量视频数据中快速搜索到想要找的视频资源，这时，人们将目光关注到智能化领域。因此，下一个安防爆发点必将是智能化应用，未来，或许智能化将是安防系统的“标配”。

    目前，安防视频监控系统建设总体仍处于粗放型的规模扩张阶段，作为建设主体单位，安防用户更多关注的仍然是“监控覆盖率”，对事前预警重视程度还不够，智能视频分析应用方向的研发经费投入也明显不足。安防智能视频分析产品开发缺乏有效机制，一方面，大部分安防用户没有认真梳理应用需求，另一方面，企业产品研发部门缺乏对安防行业的深入理解，导致智能视频分析产品功能千遍一律，缺乏针对性。同时大部分系统集成商没有充分发挥产品研发与用户之间的桥梁作用，有的集成商甚至夸大智能视频分析产品功能，严重损伤了智能视频分析产品的市场形象。

    另外，从市场监管角度来看，由于缺乏权威标准认证体系，导致用户对产品性能无法有效度量、把控，严重影响用户对安防智能视频分析应用的信心。最后，智能视频分析产品价格昂贵，无法亲民。一套智能视频分析系统融合多种模式，要检测出多种行为必须在内部建立不同的算法，需要有专门的科研人员进行算法软件编制，而在安装过程中需要由专业的技术人员进行调试，以致成本过高。在2007年智能视频曾创下一路36万人民币的记录，虽然目前价格已有所下降，但还没有达到大规模破冰，一路价格仍在几万人民币左右，且根据功能的不同应用，价格差距颇大。

    中国安防智能化现状

    1、智能安防叫好不叫座：理想丰满，现实骨感

    虽然是市场上“宠爱”的技术，但智能视频分析技术在中国的应用并非一帆风顺。全球一些专业的IVS研究厂家，像美国的ObjectVideo、Vidient;***的NICE，Mate，IOImage;澳大利亚的IOmn    iscient等。这些厂家都相继进入中国市场，一度造成外国厂商独占国内智能视频分析市场的局面。而终究因其技术与中国国情的差异性，无法真正渗透中国市场。而国内的一些智能视频分析厂家多数能够识别的行为特征仅局限于一些特定的场合。如目标跟踪、越界、计数、目标丢失、物体遗留等，主要应用于像看守所、监狱、博物馆、仓库、厂区、地铁站等相对固定的应用场景，而在针对社会层面的监控环境中，因监控场景的复杂和多变性导致监控的稳定性大打折扣，而以报警事件准确性为评价标准的智能监控产品也因此而突显了其应用局限性。

    智能视频分析技术处于“叫好不叫座”的尴尬境地，那如果我们探究安防智能化规模化应用的拐点在哪?应该说，除了之前分析的本身技术具有的先天性优势之外，还需要解决以下瓶颈问题，或许，聚沙成塔，安防智能化的大爆发指日可待。

    2、技术难能满足应用需求

    目前来看，虽然近年智能视频技术迅速发展，应用范围也在不断扩展，市场上已经有了网络监控的各种产品，如网络摄像机、网络矩阵等，但由于这些系统的质量还有待提高，图像看起来有明显的延迟、跳动、不够清晰等缺陷，由于硬件本身性能不够稳定，易出现死机、重启、误漏报等问题。而智能视频分析本身算法的局限，在理想环境下才可实现其全部功能，所以在实际应用中，只能初步实现较简单的功能。

    无法完全消除误报的影响

    例如，运动目标识别中的背景建模技术，在控制漏报数量的同时，还不能完全的删除误报。在以目标识别为技术基础的周界防范产品中，误报的数量一直是反映该产品优劣的一大指标。而误报的数量是由背景模型与实际使用情况之间的差距造成的。模型的适应能力越强，造成的误报越少，背后要求的技术也越高。影响背景模型建立的因数很多。

    又例如，空旷的柏油马路和边上有树木的围墙，6m高的摄像机与2m高的摄像机所拍摄的画面就需要不同的背景模型，白天和黑夜的状态需要的模型也不同。目前，行业中还没有开发出一种可以涵盖所有使用情况的背景模型来，也无法完全的解决随机事件的影响，如在黑夜环境下车灯造成的误报;其次，不具备行为的判断能力。例如，周界防范，机器中行为分析的区域入侵功能能够发现活动目标，并可以在这些活动目标中利用技术手段把用户希望的目标(例如人体)提取出来。但是再进一步，这个闯入者的动机是什么，是偶尔路过，还是故意闯入，是否有意的往警戒区域内探望，这些都无法靠机器来识别;

    特征识别技术对画面要求高

    对于基于特征识别的分析技术，对于图像的要求比较高。除了画面本身清晰度外，也需要清楚的展示目标物体的特征，目前计算机的识别能力大大低于人类对物体特征的识别能力，不同的光照条件和拍摄角度，都将改变计算机所看到的特征;最后，CPU的处理能力仍然是瓶颈。要满足实际复杂的应用环境就需要越加复杂的算法，随之带来了巨大的计算量，目前DSP芯片的能力有限，已经不能满足某些复杂算法的需要。因此，难以开发相应高级功能的嵌入式产品，这也增加了很多产品的施工难度与实际推广的阻力。