视频智能分析是AI落地安防的重要技术之一。所谓视频智能分析是利用基于深度学习的各类智能算法来分析前端设备采集的视频信息，实现对各种安全事件主动预警，并将报警信息反馈至监控平台及客户端。不过，目前从安防企业发展的产品和技术实现的功能来看，视频智能分析还处于感知智能发展阶段。
视频智能分析主要包括行为分析和特征识别。行为分析是基于背景模型为基础，技术应用表现在人员聚集、物品遗留、物品丢失、人员徘徊、人员倒地、安全帽/工装检测、区域人数统计、进入/离开区域以及跨越警戒线、火焰检测等方面。
特征识别主要包括车牌识别和人脸识别。较于传统视频分析，视频智能分析的重大突破在于，能够将场景中的背景和目标分离，识别出真正的目标，也就是具备对风、雨、雪等多种背景的过滤能力。从技术角度来看，就是通过建立人体活动算法模型，并借助计算机的高速计算能力，排除监视场景中的干扰因素，准确判断并动态跟踪人类在视频监视图像中的各种行为，达到有效预警。
当前，主流厂商推出的智能产品，视频智能分析技术均已实现了排除干扰背景因素，动态实时跟踪目标并分析目标行为的目的，大大提升了报警准确率。并且实现对人脸、人体、车辆等并行综合检测，精准全息化感知业务场景数据，提升综合研判能力，当前这类技术主要应用周界防范、人脸布控应用中。
不过，相较到人脸识别和车牌识别等特征识别，行为分析技术发展还不够成熟，但无疑它们是未来视频智能分析一个重要方向。其中以步态识别为代表体态识别以难隐藏性、非接触性和非侵入性等特点从众多技术中脱颖而出，成为目前生物特征识别领域的一匹“黑马”。步态识别通过身体体型和行走姿态来识别目标的身份，是一种颇为复杂的行为特征，体态识别技术不需要人为配合，能够适应更为普遍的应用场景，特别适合用来进行远距离身份识别。
除了视频的智能分析识别之外，物联网技术的结合应用也是人工智能的发展方向之一，将温度、湿度、水浸（水位）、空气浓度等环境信息集成进视频中并智能分析和识别，目前的技术发展已经可以做到物联网视频智能处理。例如多家厂商提出全息感知型摄像机便是其中的代表。
虽然视频智能分析在准确率和融合检测能力有很大的突破，但是从当前来看，智能安防行业的视频智能分析基本还处于视频结构化分析的感知智能阶段。公安系统包括其他监控系统，在数据应用上只是就结构化数据进行简单应用，数据价值并未完全发挥出来。
未来整个智能安防行业中的智能视频分析将走向知识图谱即认知智能、决策智能阶段。所谓的知识图谱是一种针对应用语义理解技术实现更高质量、可计算、计算机可理解的大数据结构，也就是针对多类异构数据源的知识结构化、关联化分析，属于实用型认知应用，能够更高效的实现决策智能，当前已经有一些主流厂商和技术商实现了在视频智能分析技术应用上实现一部分认知智能。
