视频分析使用人工智能通过将计算机视觉和深度学习应用于视频片段或真实的视频流来完成各种任务。视频分析有时称为视频内容分析或智能视频分析。
新的视频分析技术迅速受欢迎。主要采用是一家寻求使用最新技术来解决长期问题的公司，以及在人工智能（AL）出现之前一直在运行视频监视系统的公司。
深度学习和机器学习的进步（AL的两个子集）使视频分析能够改变传统模式，该模式曾经需要手动干预才能成功完成自动化任务。
使用深度学习来进行视频内容分析，实际时间视频处理的能力以及视频识别软件的准确性的提高以及视频分析市场的推广一直在不断发展。
多年来，由于算法的出现，例如蒙版R-CNN或YOLO，视频源中的实时对象检测可能变得可能发生。视频分析程序可检测和跟踪车辆，人员和交通信号灯等目标。这些目标已标记，可用于车辆或人员流量统计等场景。
视频运动检测是一种通过分析一系列图像中的差异来定义场景活动的一种方法。视频运动检测通常是通过框架参考或像素匹配进行的。帧参考和像素匹配涉及视频帧检测之间的水平或垂直变化，并将其视为检测。该技术通常用于使用运动检测和分析视频。不仅可以内置在网络视频产品中（例如IP/CCTV摄像机），也可以通过视频管理软件提供。
AI视频分析已致力于通过创建通用方法来识别和检测视频流中的不同对象。视频分析允许标记某些对象并提醒可疑行为。
围栏攀岩检测系统的视频分析的一个具体示例。智能系统通常是训练的。人们知道人们从篱笆上脱颖而出是很正常的，但是爬上篱笆或围栏上的挣扎是一种异常行为。训练后，视频分析软件可以识别运动的细微差异。
AI系统可以从智能摄像机接收真实的视频反馈，并实时检测到电子围栏的规则和不规则行为。如果有人开始爬上围栏，该软件将垂直练习视为异常事件并发布警报相比之下，如果有人走到篱笆旁边，他们将进行水平运动，并且检测系统不会将其归类为可疑活动。
目前，有许多不同变体的视频分析和应用技术。直接在设备上运行的对象检测算法，而不是实时执行检测（边缘计算）的外部服务器。
各种AI算法可以同时运行，并且可以通过消息，电话或视频管理系统向管理人员发送警报。
视频源对象的分类涉及在给定的视频中检测真实的摄像机源或危险对象。有时很难检测到摄像机前安全人员看到的对象之间的微小差异。可以通过视频分析程序检测到这些程序。这些程序在培训后可以发现很小的差异。这些小差异可能会导致潜在的安全风险。
例如，X射线安全检查可以使用训练有素的视频分析来对安全检查过程中行李的真实时间反馈进行分类，以识别感兴趣的特定对象，例如锐利工具。此类技术已在全球实施。
与电子围栏中讨论的锻炼检测相似，其他类型的行为也与进行视频分析的相关基础。它所涉及的应用通常用于区域安全。
AI视频智能分析市场的传统参与者包括思科，Avigilon，Axiscommunications，Aventura Systems，Genetec，IBM，Intellivision，Bosch Security，Huawei等。VIDEO分析市场都分为服务和软件。（服务）可以消费产品（服务）或产品成功的成功。
市场上最常见方案的视频分析涉及安全：事件检测，入侵管理，数量统计，流量监控，自动车牌识别（ANPR），面部识别，AR和手势估算等待。技术在零售，医疗和酒店场景中也发挥了重要作用。
最近，市场中引入了一个新的计算机视觉平台，使企业能够提供自定义的视频分析应用程序。VideoAnalysis Solutions由低代码开发平台构建的Video Analysis Solutions帮助公司使用自定义的视频分析解决方案，同时提供功能，速度，简单性和速度Ready -MADS软件的灵活性解决方案。
值得一提的是Tsingsee绿犀牛的技术，因为它将通过使用已部署的AL算法，真实的时间处理，对整个视频分析软件的开发方向具有指导意义。大量智能摄像机视频源可用于实现大量视频访问，智能分析和处理能力。在目前，EasyCVR已经实现了AI智能识别技术的研究和开发，例如面部检测，人们的流量统计，车辆统计，车辆检测和车牌识别，并广泛用于交通，物流，安全，防火和其他方案。
将来，Tsingsee Green Rhino视频将基于深度学习视频分析提供更多的行业解决方案。