智能分析技術(shù)主要呈現(xiàn)以下趨勢：
1、高清化
智能視頻分析算法的復雜度通常與其輸入圖像保持正比的關(guān)系，圖像越大需要做更多運算。由于高清相機的廣泛應用，芯片平臺處理能力與算法復雜度之間的矛盾進一步凸顯。為了滿足實時處理的要求，在很多情況下只能對圖像進行下采樣。這樣做，會大大降低算法的精度，無法發(fā)揮高清圖像具備更豐厚圖像細節(jié)的優(yōu)勢。
2、標配化
智能視頻分析標配化發(fā)展，使更多的視頻監(jiān)控產(chǎn)品集成了分析功能，智能分析應用范圍進一步擴展。攝像機等產(chǎn)品考慮到功耗散熱等因素，一般都會采用低主頻的處理器作為主控芯片；另一方面，越來越多的智能分析算法，如人體檢測、車牌識別、車輛分析、人臉檢測等，需要被集成到監(jiān)控系統(tǒng)中，芯片需要運行日益增多的智能算法，處理復雜度因功能的累加而不斷增加。芯片處理能力與算法需求之間的矛盾日益
加劇。
3、深度化
從最初的移動偵測到背景建模方法，再到基于級聯(lián)分類器的目標檢測，最后到目前大熱的深度學習，算法準確率提高的同時，運輸復雜度也呈現(xiàn)出指數(shù)上升的趨勢。每一種新算法的提出，對芯片平臺的運算能力都是新的挑戰(zhàn)。分析不再只限于降低的運動偵測或是目標檢測，而是要進一步分析挖掘視頻中更深層次的內(nèi)容：屬性（人、車、動物、車輛類型、顏色、車標品牌等），行為（運動方向、幅度、異常行為等），交互（碰撞預警、聚集、騷亂等）。
4、數(shù)據(jù)挖掘技術(shù)
電力視頻監(jiān)控系統(tǒng)運行時間越長積累的歷史數(shù)據(jù)就越多，這些視頻、環(huán)境、告警數(shù)據(jù)本身是沒有太多用途的，但其中蘊含的信息卻極具價值。如何充分利用機器學習、數(shù)據(jù)挖掘技術(shù)，在海量音視頻、圖片、告警數(shù)據(jù)中分析、提煉出具有輔助決策、指導生產(chǎn)的信息也是擺在我們面前的一個課題。
5、統(tǒng)一、融合
變電站視頻監(jiān)控系統(tǒng)建設(shè)的目標之一不是獨立存在，而是要全面地和站內(nèi)綜合自動化系統(tǒng)、動力環(huán)境、門禁一卡通子系統(tǒng)、安防、消防、蓄電池系統(tǒng)、通信電源子系統(tǒng)、UPS子系統(tǒng)等實現(xiàn)有機聯(lián)動。目前電力系統(tǒng)僅實現(xiàn)了比較簡單的聯(lián)動功能，未來我們的預測是變電站內(nèi)將逐步形成以視頻數(shù)據(jù)為核心的完整而同一的“變電站輔助監(jiān)控物聯(lián)網(wǎng)”生態(tài)。
