视频监控主要包括公安机关在城市公共区域建设的“天网”系统、社会视频监控系统、卡口监控系统。视频监控采集的视频图像数据具有极高的价值。

车牌识别能够检测到监控路面的车辆并自动提取车辆牌照信息进行处理，是现代智能警务系统中的重要组成部分。

5G技术的发展推动了车载应用、应急指挥、临时监控等无线视频解决方案。移动视频监控相对于传统视频监控拥有成本低、灵活度高、部署简单的优点。

基于深度学习的视频找人技术取得很大进展。深度学习是人工智能领域中机器学习的一种方法，实现对语音、图像和人脸的识别。

实现将24小时的视频浓缩为几分钟。夜间或某些偏僻区域的录像由于目标出现很少，几小时的视频中需要查看的部分往往只有几十秒，使得找人或车效率高得多。

人脸识别技术在身份核验方面广泛应用。在设备前将身份证放在读取区域，屏幕上显示出身份信息，并将摄像头采集的面部照片与身份证内部信息进行实时比对。

视频侦查是在侦查破案过程中，通过关联、分析、比对，从视频图像中获取侦查线索和犯罪证据，查获犯罪嫌疑人，实现预防、控制、揭露、证实犯罪的侦查手段。

治安预警，实现对视频中人脸、体貌特征、行为、场景等内容的描述。当发生打架、人员聚集、追赶等事件时，视频监控人工智能平台实现报警信息和视频主动推送到治安中心平台。

特征和行为的识别，通过监控视频内容描述模型，实现监控场景的视频分析与语义理解。特征和行为的识别，包括人员识别、车辆识别、监控对象行为理解、监控场景理解等视频侦查应用。

目标检测与识别一般采用背景建模和运动分割的方法。通过建立监控场景的背景图像，利用差值计算检测出前景目标的所在区域，利用前景区域的图像特征，判断目标所属类别。

视频对象特征的提取是视频侦查工作中重要的基础环节，实现从不同质量的视频源中提取出可靠的目标。对于人员特征，包括外型特征（身高、体型、发型、面部特征、服装颜色）和行为特征等。

视频内容标注与标准化，在对视频内容目标提取一系列关注特征后，可以通过计算机自动识别、人工识别等方式获取相关信息以服务侦查工作。

视频目标检索是视频侦查的重要应用之一。视频监控人工智能平台，通过目标特征和行为的识别描述技术进行特征提取，并将相关目标信息存储于数据库。平台根据关注目标特征信息实现关注目标识别。

视频摘要通过人工智能平台，对监控视频数据进行加工，形成视频内容索引。用户访问平台时，根据索引摘要的内容调用目标在视频中出现的时间和位置，实现视频的内容压缩和视频内容的检索。

在软件层面，通过视频编解码技术，实现以最小的数据码流传送最为清晰的视频内容。同时，采用色差校正算法和结构样本训练的方法来做色差纠正，解决由于光线差异引起的差别问题。

在视频序列中，通过技术手段把若干个物体从视频场景中提取出来的过程，就是视频提取和分割。这些物体有重要特征或属性，如亮度、色彩、运动特征。

目标检测采用背景差分法、混合高斯背景模型、光流信息。背景差分法利用当前帧图像与背景图像相减，以获取对象运动区域。

目标跟踪是在图像序列的每一幅图像中定位找出位置，对运动进行估计。目标跟踪的常见方法包括粒子滤波跟踪、模板匹配、卡尔曼滤波跟踪。

图像去噪和质量提升是图像处理领域的经典问题。通过深度学习方法，可以直接从大量数据中学习图像的未知的先验特性，最终更加准确地刻画图像中的先验信息，实现图像去噪和质量提升。

行人检测与行人再标识是智能安防系统中的关键技术。行人检测的目标通常较小，不同行人之间的表观差异较大，如行人的服装、姿态变化。

基于监控视频的车辆检测方法分为两类：基于运动信息的车辆检测方法和基于特征信息的车辆检测方法。基于运动信息的车辆检测方法主要包括光流法、帧差法和背景法等。

车辆识别目前分为两个大类，包括基于车牌信息的车辆识别方法和基于车辆表观信息的车辆识别方法。基于车牌信息的车辆识别方法，包括三个功能模块，即车牌定位、字符分割和字符识别。

视频侦查对象描述，包括特征和行为的识别描述、目标检测和分类、关注特征。特征和行为的识别描述，是对所关注的对象及其特征、行为的分析和理解，包括人员识别、车辆识别、监控对象行为理解等。

视频图像分析识别算法能够实现目标的快速检测和分类，对于所关注的部分特征，如车牌、车型、速度、车身颜色，做出比较准确的识别描述。

视频目标检索，根据关注目标特征信息，对视频资源知识库中视频描述分析特征提取结果进行对比检索，实现在多视频源的情况下快速识别出关注目标。

目标追踪的监控对象是运动的人或车辆。当需要对特征对象进行连续监控的时候，需要进行目标跟踪。视频侦查的应用过程中，需要对关注目标的行进路线进行实时观察。