在這樣負責的環境中，智能監控技術步入發展的瓶頸，該如何突破這一瓶頸是目前智能監控技術的一大重點難題。如今，在各行各業中，智能監控應用相當廣泛，若能將智能監控的環境區分、運算算法簡化，也是實現智能監控一大突破重點。

    在實際環境中光照變化、目標運動復雜性、遮擋、目標與背景顏色相似、背景雜亂等都會增加智能分析算法設計的難度。當應用環境背景復雜，光照變化引起目標顏色與背景顏色的變化時，分析軟件可能造成虛假檢測與錯誤跟蹤，這種光照變化對算法的影響是無法完全消除的。此外，當視頻圖像中運動目標被部分或完全遮擋，又或是多個目標相互遮擋時，目標信息的缺失會影響智能分析軟件在分析跟蹤時的穩定性。目前的智能分析系統一方面要保證大量信息分析跟蹤的實時性，選擇計算量小的分析算法，同時為了使分析算法對復雜背景、光照變化和遮擋等情況有較強的適應性，則要選擇復雜的分析運算方式，而若要同時滿足兩者，存在一定困難。　

    由此，當智能分析技術應用在各個行業時，若能進行應用環境的區分和運算方法的簡化，實現單一應用，為每個行業進行特定開發，并嵌入專門的算法，或只針對某一種或簡單幾種事件進行分析，比如重要出入口的人員跟蹤，系統只需嵌入分析及跟蹤算法等，則會簡化智能分析技術的運算方式，而智能分析技術也會更貼合行業需求特點，進行更為精準的分析運算。　

    智能分析技術的行業化開發需求一方面來源于行業發展與技術限制，同時，更大程度上取決于實際應用效果的真實反饋。目前智能分析技術有行為分析、特征識別、視頻診斷、分類統計等，而不同行業智能視頻分析技術應用的側重點也有不同。如監獄內的智能分析系統主要是越界檢測、區域內徘徊事件檢測、異常行為識別等，其主要是為防止服刑人員越獄和群毆事件的發生，并維護周界安全等。而對于道路交通高速公路等行業的應用需求，則主要是違章檢測、車流統計、逆向行駛、車牌識別、交通事件檢測等。對于機場、車站等人員流動性比較大的公共場所來說，為防止危險物品的爆炸和可疑人員犯罪等行為的發生，其對于遺棄物檢測和徘徊檢測的需求更為突出。

    目前智能分析技術主要受到應用環境的影響，使得很多功能在實際應用中不是很理想。目前最常見的行為分析功能，如跨線報警、區域入侵檢測以及人員聚集、徘徊、打架等，受到應用環境的影響非常嚴重，常常在實際應用中達不到預期目的。誤報或者漏報還是偏高。而且，很多深層次的應用單純從視頻中提取的信息量還是不夠，判斷準確性達不到要求。不過，大家對于智能監控未來的前景還是很看好的，監控系統每年還在加大建設，光靠人已經無法很好的處理成千上萬的監控攝像頭所產生的海量數據了，對視頻數據的智能化分析和深入應用是必然的趨勢。現在智能應用已經到了行業細分階段，經過實際的項目模式，已經提煉出一些適合做智能分析的行業和場景，進行深入的算法研究，很多產品已經能夠達到實際使用，解決客戶問題的目的。而且隨著視頻分析技術的不斷成熟，對很多復雜的場景也能夠進行比較精確的分析。

    IVS的前景十分美好，但仍面臨漫長的探索路程。智能視頻監控和普通視頻監控本質的區別在于：普通監控視頻只是幫助我們“看”；而智能視頻監控不僅要“看”，而且能“看見”、能“理解”，能夠搜尋目標，分析視頻內容，處理視頻監控的結果。

    這樣的目標在技術實現上有很大難度，首先面臨的問題是圖像分割：把關注的目標從圖像中分離出來。這是一個基本和圖像處理同時誕生的老問題，但至今仍得不到很好的解決。在圖像分割領域，各種方法層出不窮，基本是一個問題一種方法，或多種方法，但結果仍差強人意。

    除圖像分割外仍有接踵而至的難題，如特征提取、目標匹配、目標描述、目標跟蹤、多攝像機協同等。這些問題正是當前圖像處理、視頻分析的熱點問題，雖然已取得一些成果，但距離人們的期望還相當遙遠。總體上說，智能化是視頻監控的亮點，但同時又是視頻監控技術的關鍵和難點。智能視頻監控技術的研究和應用仍處在萌芽狀態，剛剛步入初級階段。