IVS起源于计算机视觉技术(computer vision)，它对影像进行分析，从影像中提取信息，发现感兴趣事件，从而可以在某些场合替代人为监控或者协助人为监控。在911事件以后，国际上基于反恐的形势，对于IVS的需求越来越迫切，CPU处理能力的快速提升，也实现许多复杂影像的算法，这些因素不断地推动着IVS及其市场的发展。
IVS的优势在于它可以一天24小时不间断地对影像进行监控，一旦有事件发生时，可以及时报警﹔相对于人为监控来说，IVS的可靠性更高，成本更加低廉。
目前市场上出现了许多IVS的相关产品，这些产品成功地协助许多的应用案例，但是也有一些客户表示市面上的IVS产品没有确实地满足他们的需要，如存在误报率或漏报率过高的问题。
因此要解决这一问题，就必须对IVS的核心技术有着深入的理解。只有具备了这样的基础，才能了解现阶段的IVS能够做什么，不能够做什么，影响其性能的因素有哪些。
IVS分析技术的比较
IVS技术主要是指对摄影机所拍摄的影像进行分析，获得影像中的运动目标信息，提取语意级别的事件信息，从而做出反应的一种技术(也有针对移动摄影机影像进行分析的技术，但不是IVS产品的主流)。
IVS的主要框架分为前景检测、目标检测、目标跟踪、目标分类、轨迹分析、事件检测等几个部分。下列分别简单介绍这六种分析技术的差异。
一、前景检测技术：是将「图像中变化剧烈的图像区域」(blob)从图像背景中分离出来。前景检测技术的实现方法包括帧差法、多高斯背景建模及非参数背景建模等方法，各种方法的复杂程度不同，对于各种场景的适应能力也有很大差异。
二、目标检测技术：是指分析「图像中变化剧烈的图像区域」在影像序列中的状态，将具有稳定存在状态及运动规律的区域作为运动目标再提取出来。
三、目标跟踪技术：是指利用运动目标的历史信息，预测运动目标在本帧可能出现的位置，并在预测位置附近搜索该运动目标。目标跟踪技术也有多种实现方法，包括连接区域跟踪、模板匹配、粒子滤波等等，这些方法在不同场景下的表现也有较大的差异性。
四、目标分类技术：是指对跟踪成功的目标进行分类，一般将目标分为人和车辆两类，也有一些特殊应用会对目标进行其它类型的分辨。目标分类技术会利用一些图像特征(包括目标轮廓、目标尺寸、目标纹理等)实现目标类型的判别。
五、轨迹分析技术：是指对跟踪成功的目标运动轨迹进行分析，对运动轨迹进行平滑及误差修正，使目标运动轨迹更加接近于真实状态。
六、事件检测技术：是指将目标信息与用户设定的报警规则进行逻辑判断，判断是否有目标触发了报警规则，并做出报警响应。
有时为了提高IVS在某些场景下的性能，一些附加模块也会被加入算法框架。例如「抗震动模块」可以提升该技术在摄影机震动情况下的处理效果;「阴影抑制模块」可以提升该技术在阴影严重的室外场景下的处理效果;「车灯抑制模块」可以提升该技术在光照剧烈变化场景下的处理效果;「碰撞处理模块」可以提升该技术在目标图像频繁及互相遮挡场景下的跟踪准确度。
在IVS技术的常用框架下，大多数模块都有多种实现方案，仅前景检测一项就有多达7～8种选择(或者更多)，这些实现方案之间的复杂度差异很大，它们的稳定性及性能差异也非常明显。如果在上述框架下采用简单易用的方案来实现各个模块，要建置一套IVS技术并不是非常困难，但是其性能及其对各种场景的适应能力就很难得到保证。这就是为什么各种IVS产品提供的功能大同小异，却存在很大性能差异的原因。
举例来说，简单的帧差法就可以实现前景检测，在稳定简单的场景下该方法也可以得到较好的前景检测结果，但是在影像发生变动或者光照变化时，大量的静态图像区域就会被当作前景误检出来。
一套性能优越的IVS技术在算法设计过程就需要考虑监控场景中可能出现的各种复杂情况，内部的各个算法模块必须要具有对复杂场景的适应性，并且加入各种附加模块以提升IVS技术对特殊场景的处理效果。
一般IVS的分析规则主要有以下几类：
一、绊线规则：可分析运动物体在场景中的运动方向和轨迹，满足特定场所逆行报警的需求。绊线规则又可分为单绊线和多绊线规则，应用多绊线规则更可满足客户复杂的报警需求。
二、区域规则：可分析运动物体在特点区域内的进、出，或突然出现在场景中以及消失在场景中等。
三、遗留或消失规则：可分析特定场景中突然出现的遗留物体，或原场景中物体的突然消失。这种规则目前会特别针对反恐需求所提出的爆炸物检测提供了很好地解决方案，同时针对公共场所的防盗也有明显的优势。
四、徘徊规则：可分析特定场景中运动物体的徘徊、逗留，保障安全通道的畅通或特定场所的可疑人员。
五、人流量计数或统计规则：可对特定场景里的人流量密度进行分析统计，防止拥堵、推挤等安全事故，并可应用于特定商业场所其它需求的分析统计。
如何提高IVS的性能?
一套性能优越的IVS技术是否可以不受场景的影响，在各种场景下都达到最佳处理效果呢?答案是「否定的」。
首先，IVS技术是由计算机视觉技术的发展水平而决定，因为计算机视觉技术还处于发展阶段，与人脑相比，计算机的智能程度还逊色很多。它用一些数学模型来描述真实世界，并试图用这些数学模型来分析影像数据，并从中获取影像信息内容，但是最复杂的数学模型在现阶段也无法囊括真实世界中的所有特性(就算有这样的模型，普通CPU也支撑不了这样庞大的计算)。由于不同的监控场景与IVS技术的内部数学模型之间的吻合程度会有所不同，因此其精准度或多或少都会受到环境的影响。
其次，环境的复杂程度也会对处理结果产生重要影响，因为复杂的场景往往意味着有效信息提取的困难。在传统人为的监控系统中，监控者对于低照度、高度干扰、高拥挤程度影像的监测精准度一般会较低。
至于怎样才能使IVS技术获得令人满意的监控效果呢?首先要基于对IVS技术内部算法的理解，调整监控环境或者调试算法，使监控环境与其内部的算法模型达到最大的一致性。举例来说，如果IVS的目标分类模块将目标尺寸作为重要的分类特征，在大景深的场景中，目标尺寸变化幅度很大，该目标分类模块的精准度就会大大降低。有多种方法可以解决这一问题，降低场景的景深，或是加入场景标定算法等。
同时，要在条件允许的情况下尽量降低监控场景的复杂度，突出有效信息。例如，摄影机的选用及安装就非常重要，要选用性能较好的摄影机，提升图像的信噪比，如果对夜晚场景进行监控，则最好选用红外摄影机。安装摄影机时，要合理选择安装位置及摄影机的角度，尽量使影像图像干扰较少且目标重迭较少。
举例来说，要在较拥挤的场景中统计人流量，俯视角度就是一个比较理想的摄影机安装角度，因为在该角度下，目标的重迭程度较小(如果IVS使用了人脸检测算法来进行人流量统计，情况会有所不同)。除了摄影机的选用及安装外，合理设置警戒规则也会提升IVS的处理效果。举例来说，在统计车流量的分析中，若警戒的设置区域中有树木等物体遮挡目标，IVS在该区域就容易产生目标的误检及误跟踪。
IVS 的优势
传统的模拟影像监控方案，最大优势是在于图像清晰度相对较高，没有延时的特点，但这样的系统也有众多缺陷：
一、由于模拟监控系统后台监视器数量比前端影像源要少，造成大量的场景无法实时显示，使许多的影像无法做到实时监看和分析，特别是在大型的监控系统中，即使增加足够的后台监视器，工作人员往往因为面对众多监视器而产生信息泛滥，因而更难从监控场景中发现异常事件的问题。
二、监控系统往往需要多层管理，模拟监控系统要实现这一功能存在许多技术上的问题。
三、模拟监控系统在设计和施工的时候只能依据当前需求做出矩阵、管线预留等配置，后期如果涉及到系统变更、扩充等问题时，将是极大的困难。
四、模拟监控系统只能是一个独立的影像系统，当要考虑到影像数据与其它系统的整合与二次开发利用时，是不可能做到的。
五、模拟监控系统中的硬盘录像机系统对权限管理也存在很大的安全漏洞和技术障碍。比如有多个硬盘录像机，如要查看历史图像需要逐一登录时，由于每个硬盘录像机都保存多路影像，一旦出现设备故障时，或缺乏有效的备份机制等的问题，都将产生极大的危害。
六、对于整个安防系统来说，监控所占的投资份额是最大的，但大量的影像数据都是无效的保存在影像存储系统中，一旦真正有需要做历史检索时，其大量的人工及时间查找，这是一种极大的浪费。
由于数字化、网络化之后，影像监控系统除了可以包含传统的声音及影像等的数据，并整合如考勤、门禁、报警之外，增加IVS 后，更可以大大提升监控系统存储数据的利用价值。数字化、网络化、智能化的监控系统具有配置灵活、传输多样、管理简便、功能强大等优点，是下一代监控系统的发展趋势。
