智能監(jiān)控圖像內(nèi)容分析研究過程可以分四個(gè)階段（層次）。
一是將（運(yùn)動(dòng)）目標(biāo)從圖像中分離出來。在簡(jiǎn)單單純的背景環(huán)境下針對(duì)單目標(biāo)進(jìn)行目標(biāo)分類；
二是在簡(jiǎn)單環(huán)境下、目標(biāo)狀態(tài)、行為的分析，比如運(yùn)動(dòng)方向、方式、目標(biāo)的復(fù)合或離散；進(jìn)而實(shí)現(xiàn)發(fā)現(xiàn)和告警異常的行為；實(shí)現(xiàn)產(chǎn)生目標(biāo)運(yùn)動(dòng)軌跡，實(shí)現(xiàn)目標(biāo)的自動(dòng)跟蹤以及目標(biāo)行為的統(tǒng)計(jì)、關(guān)聯(lián)、過濾、趨勢(shì)預(yù)測(cè)等，這是目前視頻監(jiān)控領(lǐng)域主要的應(yīng)用；
三是在復(fù)雜環(huán)境下，也就是通常的視頻監(jiān)控環(huán)境，實(shí)現(xiàn)上述功能，進(jìn)行(單源、多源)圖像的關(guān)聯(lián)，這也是視頻監(jiān)控圖像內(nèi)容分析走向?qū)嵱玫年P(guān)鍵；
四是視頻語義的解釋，通過對(duì)圖像序列的理解，生成圖像視頻語義的文件（與圖像信息相對(duì)應(yīng)），目前看在大數(shù)據(jù)的不斷走向成熟，海量數(shù)據(jù)是視頻語義解釋的基礎(chǔ)。
前三階段稱為視頻半語義解釋，主要是判斷圖像中是否出現(xiàn)“不正?！鼻闆r，不能充分、準(zhǔn)確地理解圖像內(nèi)容。最后一種視頻語義解釋是圖像內(nèi)容分析的最高境界，是大數(shù)據(jù)的基礎(chǔ)，還有很多技術(shù)要解決。
目前，視頻監(jiān)控圖像結(jié)構(gòu)和內(nèi)容的描述還需目視解釋的幫助。視頻監(jiān)控智能化也是逐步發(fā)展的過程，不會(huì)一蹴而就，也沒有終極的結(jié)果，要經(jīng)過不斷的積累和技術(shù)突破。需要指出的是視頻監(jiān)控智能化已經(jīng)實(shí)現(xiàn)的觀點(diǎn)是不正確的，希望它能解決目前監(jiān)控系統(tǒng)的所有問題和不足也不現(xiàn)實(shí)。同時(shí)也要強(qiáng)調(diào)智能應(yīng)用一定要有人的智慧參與，切忌把智能變成傻瓜的代名詞。
