視頻監控是安全防范系統的重要組成部分，監控系統包括前端攝像機、傳輸線纜、視頻監控平臺。

車牌識別能夠檢測到監控路面的車輛并自動提取車輛牌照信息進行處理，是現代智能警務系統中的重要組成部分。

5G技術的發展推動了車載應用、應急指揮、臨時監控等無線視頻解決方案。移動視頻監控成本低、靈活度高、部署簡單。

深度學習是人工智能領域中機器學習的一種方法，實現對語音、圖像和人臉的識別。

視頻濃縮摘要技術，實現將24小時的視頻濃縮為幾分鐘，使得找人或車效率高得多。

人臉識別技術，在身份核驗方面廣泛應用，將攝像頭采集的面部照片與內部信息進行實時比對。

視頻偵查是在偵查破案過程中，通過關聯、分析、比對，從視頻圖像中獲取偵查線索和犯罪證據。

治安預警，實現對視頻中人臉、體貌特征、行為、場景等內容的描述。

特征和行為的識別，通過監控視頻內容描述模型，實現監控場景的視頻分析與語義理解。

目標檢測與識別一般采用背景建模和運動分割的方法。通過建立監控場景的背景圖像，利用差值計算檢測。

視頻對象特征的提取是視頻偵查工作中重要的基礎環節，實現從不同質量的視頻源中提取出可靠的目標。

在對視頻內容目標提取一系列關注特征后，可以通過計算機自動識別、人工識別。

視頻目標檢索是視頻偵查的重要應用之一。視頻監控大數據平臺，通過目標特征和行為的識別描述技術進行特征提取。

通過大數據平臺，對監控視頻數據進行加工，形成視頻內容索引。用戶訪問平臺時，根據索引摘要的內容調用。

在硬件層面，可以通過攝像頭的升級，提升前端視頻采集設備的分辨率。在軟件層面，通過視頻編解碼技術。

在視頻序列中，通過技術手段把若干個物體從視頻場景中提取出來的過程，就是視頻提取和分割。

目標檢測采用背景差分法、混合高斯背景模型、光流信息。背景差分法利用幀圖像與背景圖像相減，獲取對象運動區域。

運動跟蹤是在圖像序列的每一幅圖像中定位找出位置，對運動進行估計。運動跟蹤的常見方法包括粒子濾波跟蹤。

圖像去噪和質量提升是圖像處理領域的經典問題。深度學習方法，可以直接從大量數據中學習，實現圖像去噪和質量提升。

行人檢測與行人再標識是智能安防系統中的關鍵技術。行人檢測的目標通常較小，不同行人之間的表觀差異較大，如服裝。

基于監控視頻的車輛檢測方法分為兩類：基于運動信息的車輛檢測方法和基于特征信息的車輛檢測方法。

車輛識別目前分為兩個大類，包括基于車牌信息的車輛識別方法和基于車輛表觀信息的車輛識別方法。

圖像視頻中的文本語義理解，包括文本與非文本圖像的鑒別、圖像中的文本檢測與識別、視頻文本識別。

視頻偵查對象描述，包括特征和行為的識別描述、目標檢測和分類、關注特征,對所關注的對象及其特征、行為的分析。

視頻圖像分析識別算法能夠實現目標的快速檢測和分類，對于所關注的部分特征，做出比較準確的識別描述。

視頻目標檢索，根據關注目標特征信息，對視頻資源知識庫中視頻描述分析特征提取結果進行對比檢索。

目標追蹤的監控對象是運動的人或車輛。當需要對特征對象進行連續監控的時候，需要進行目標跟蹤。

在知識樣本的收集和管理的基礎上，從樣本中提取能夠服務于視頻偵查應用的信息。

智能交通領域視頻監控，需要實現車輛特征的提取，路口環境下交通流中的目標檢測和事件感知。