在視頻圖像監控系統的實際應用中，普遍存在著“看不清、存取慢、提取難、檢索不可靠”的問題。主要表現為視頻圖像不清晰難以取證、海量視頻圖像存儲難和下載慢、視頻格式多不對通、目標特征檢索不可靠、圖像查找比對誤差大，缺少視頻圖像信息深度挖掘有效工具等技術難題。這些問題極大的影響了監控在實際中的使用，需要大力開展視頻圖像智能分析技術的研究。
　　目前視頻圖像智能分析主要是指運用智能分析算法，對輸入視頻圖像進行自動或半自動的內容分析，提取客戶所感興趣的、關鍵的有效信息。針對不同的分析目的，智能分析算法有其自身的具體要求，比如環境因素的干擾(狂風暴雨所造成的背景混亂，光線變化所造成的顏色的變化，白天和夜晚不同條件所造成的清晰度的變化等)和硬件困擾(圖像分析目標的清晰度、角度和尺寸)，這種要求在實際使用時對客戶會造成一定的困擾。客戶希望實際使用的系統具有很高的準確性和環境適應性，而現有的系統只能在要求的環境中工作良好。因此，一方面視頻圖像智能分析算法需要提高算法的普適性要求，一方面也迫切要求視頻圖像智能分析系統業界標準的出臺，以規范施工質量和引導客戶預期。
　　視頻圖像智能分析主要有兩種產品形態：前端智能和后端智能。后端智能是前端攝像機只負責采集視頻圖像，將碼流傳遞到后端服務器做集中處理。這樣對于后端的計算壓力比較大，也不利于實時處理，比較好的是做到按“需”處理。前端智能以感知型攝像機為代表，將智能分析算法嵌入到前端攝像機，前端攝像機對采集的視頻內容立即進行分析，提取出畫面中關鍵的、感興趣的、有效的信息，形成結構化的數據，將后端感興趣的內容實時傳給后端做存儲或深入分析。
　　前端智能分析的優勢在于每一路前端攝像機都可以做智能的實時分析，消滅延時，減輕后端的計算壓力，可以做到無遺漏的智能分析。同時，解放后端的計算資源，以集中優勢計算資源做更深入的分析。在實現方式上，智能前端化是目前的一大趨勢。從某種意義上說，前端和后端配合起來做智能分析，才真正讓視頻圖像智能分析大數據化。
　　這種智能分析的系統，是真正的“大數據”系統，不大可能有少數廠商獨霸江湖，它對于互聯互通的要求，先天就比較高。市場上現有的多種視頻圖像智能分析設備，分別由不同的廠家生產，缺少統一的規范和接口，導致其在監控系統中的應用受到了限制，不利于智能分析的深入發展。也要求有智能視頻圖像分析標準，來進一步規范安防監控嵌入式視頻實時智能分析設備，為視頻圖像智能分析技術在監控中的發展奠定基礎。
　　我們可喜的看到，交通和金融行業，視頻圖像智能分析已經有一定的深入應用。就智能交通而言，號牌識別的功能已經基本成熟，可以及時為交通部門準確的提供諸如車流量、擁塞成都和事故監控、違章檢測等交通信息，使交通部門能有效的獲取有關交通狀況信息，及時進行處理。總體而言，國內智能交通系統的應用主要還是集中在智能視頻監控功能，但實際的監控任務仍需要較多的人工參與。很多情況下，視頻監控系統提供的信息，不能直接關聯到后臺應用，不能及時充分的發揮監控系統應有的實時機動的監督作用。另一方面，為了及時防止違章違法行為，對無人值守的視頻監控系統的需求量日益上升。這兩方面是目前國內智能交通存在的瓶頸。
　　視頻圖像智能分析技術，在國際上已經有近10年的發展與應用，目前在國內也已被持續研發和廣泛應用，特別在一些不太復雜的應用其效果還是比較好的。其未來的發展還要持續優化產品形態，讓生產出來的智能分析產品能夠更好地適應各種的實際環境，提高智能應用的準確性，真正達到高效智能。
　　隨著智能視頻分析技術的發展，視頻分析技術的應用將不止停留在原來能“看”(監控)的程度;還要能“懂”得監控場景中目標物體的行為;能夠 “想”目標物體是什么，他要做什么;更可以把想的結果“說”出來。真正能夠有變革意義的在于能從以前的“被動監控”向“事前控制、主動預警、事中追蹤、事后分析”演化。