首先，必须是一个人工智能的应用。具体来说，如计算机视觉就是所有真正智能视觉系统的基础。

　　其次，视频分析软件必须能够准确地把前景物体从背景对象中分离出来，因为一个真正的智能分析系统必须是一个可以精确地传输和解释实际事件并且产生报告的，而不是仅仅对运动作出反应。

　　第三，智能视频分析系统必须能够为用户提供相关的实时信息，因为人必须和系统实现非常智能并且非常容易的沟通，才能够做出关键的诸如区别某个对象是否是坏人而需要进行相应的处理。

　　那么现如今什么样的视频分析技术在现如今被说成是智能化的呢?有两类技术，一类较新，一类是较老。

　　新的一类技术是生物识别技术如面部识别，还有原理相近的自动车牌识别。虽然这两项技术都是基于计算机视觉并且进行分析的，但是这一类技术的工作的成功率是相对的，需要将所收集的资料与一个资料库进行对比，才能够得出分析的结果。因为关系数据库的应用程序并不是智能的，所以面部识别与车牌识别并不是基于计算机视觉分析的智能的分析技术。然而，此类技术被公认是非常智能的，是因为这类技术相对简单，对其感兴趣的有相对庞大的后端服务器的用户可以通过企业软件来运行此类技术。

　　其他的智能视频分析技术，一般是智能视频运动检测或者VMD。对于此类技术的崇尚者历来就有，但是我们千万不要被VMD愚弄，VMD显然不是智能的。VMD没有分析的过程，仅仅对运动作出反应，并不解释所发生的事件。用户需要提防边缘智能设备，如VMD数码相机和后端的过滤软件。过滤软件必须针对其过滤对象进行相应的参数和规模配置，来减少假警报。除了过滤软件，VMD摄像机也仍然只是对运动作出反应。实施上，VMD解决方案与智能本来就是两个相矛盾的提法，只能给监控市场带来更多的混乱。

　　软件公司，设备制造商，端到端的解决方案提供商，他们都在说自己的设备如何如何智能，最根本的原因，都在于追逐金钱，追逐企业经济效益。

　　之前VMD并不是一种智能设备，而突然称其智能可以增加其30%的价格，这样使得最终用户购买不到其所需要的真正的智能设备。而且，现在又越来越多的企业不是真正在其产品中嵌入实时视频分析功能，而是开始疯狂强调自己已有产品的智能性，试图来混乱市场。

　　对于很多制造商来说，支持智能视频分析研究的资金和成本代价是非常大的，并且真正推向市场被市场所接受也需要一定的时间，因此许多规模较小的视频分析企业都被诸如通用电气，西门子，霍尼韦尔和IBM这样的大公司收购。

　　最后对所有智能视频分析软件提供商提出一个尖锐的问题：有多少公司的视频分析产品真正满足了上述的三个条件，是真正的智能视频分析产品，多少视频分析解决方案有非常全面的功能而不仅仅是很少的集中分析功能，并且可以很容易地集成到现有的任何一个监控系统基础设施之中，很好地运作呢?这个问题值得我们反思。