IVS的出现，可说是数字安防监控市场的一场革命。DVR及网络摄影机所能达成的，是让人可以看得更多、看得更远；而IVS所要达成的，却是让人可以不要再看。IVS让危机处理的时间点，从”事后”提前到”事发”，甚至进展到”事前”（譬如侦测到有人在徘徊）。无疑的已把监控提升到另一个境界。

　　IVS系统的样貌依个别应用而定。依目前监控业的产业结构，一个完整的IVS系统大致由三类子系统整合而成，分别是监视系统、影像分析系统，及保全、门禁、消防、照明等系统。这三类子系统所扮演的角色，非常类似自动控制领域里的感应器、控制器和致动器。或许我们可以这么说：IVS是一个以”影像分析”作为控制方法的自动控制系统。

　　影像分析是新的领域，其他系统则是目前已存在的系统。感应系统与致动系统的连结，原本是透过警卫或是低阶的沟通方式（譬如DIO）。而在IVS的世界里，我们希望这个连结能透过更为聪明的影像分析方式来达成。

　　影像分析能做些什么？

　　当我们谈到影像分析能做些什么时，最好先有一个共识：我们所面对的是一个开放的、未明确定义的题目。譬如当我们提到人数统计，有人想到大卖场，有人想到跨年晚会。以人的认知而言，大卖场与跨年晚会的差别只在于人多人少；但以影像分析的角度而言，人与人磨肩擦踵、跟人与人之间保有某种距离，两者是完全不同的场景。

　　下表列出目前市场上普遍可取得的影像分析功能。表中各项功能依其适用广泛度分为”普遍适用”及”有条件适用”两类。所谓有条件适用指的是，该功能就人的认知而言变异性或许不大，但就影像分析的角度而言，变异性却很大，以致必须对使用场景加以限制。不过不管哪一类，都会受到环境因素（下雨、反光、闪光、背景晃动等）的影响而降低准确度。

　　就目前市场的实际使用状况来看，需求度高、适用性也高的入侵侦测（广义的入侵侦测包含区域侦测），将成为穿透市场的第一利器。对于大空间的防卫，譬如机场、海防、边境，或是豪宅庭园，入侵侦测是一个架设成本低，但实用性很高的解决方式。而车牌辨识由于其所倚赖的OCR技术早已发展成熟，故应用本身也相对成熟。至于人脸侦测，目前已广泛运用在高阶数位相机的对焦系统上。

　　至于前文提到的人数统计，除了计算开放区域的人数外，如果我们在卖场内各分区装设多组计数摄影机，那么把各区的统计数字配合POS系统的实际销售数字，便可作为顾客消费行为分析的依据（譬如为何某专柜的来客数与销货数不成比例）。

　　除了人数统计之外，车辆统计亦是另一个需求度明确的应用。而就如同人数统计所面对的难题，密度这个因素，同样也影响到车辆统计的准确度。直觉上，就算严重塞车，车与车之间总还是有点距离吧？这话是不错，不过实务上，除非把摄影机架在极高的空中垂直往下拍，要不然，以我们目前的高速公路即时影像为例，当车多时，车与车的影像是连在一起的，这会造成判定上的困难。

　　另外，有一项需求度很高，在此却没有被列出的功能：人脸辨识（不是人脸侦测）。以目前的技术程度，即使我们对使用场景加以限制（譬如机场通关时），要从上千人的资料库中认出某一个人，困难度仍相当高。

　　好的影像分析功能

　　那么到底该如何打造一个好的影像分析功能？要回答这个问题之前，我们先来看影像分析是怎么做的。

　　一般而言，一个影像分析技术，是由多个处理步骤连结而成。每一个处理步骤的任务，是从前一个步骤所提供的较复杂的资讯中，抽取出简化后的特徵资讯，以供下一个步骤使用，直到最后得以回答使用者”有多少”、”是或不是”这样简单的答案。影像分析技术的好坏，便取决于一、各别处理步骤的好坏；二、处理步骤的选择及顺序；三、参数的调整。

　　在这三个项目当中，第一项技术的领导者是学术界。由于学术界的资讯是透通的，故这个项目的技术力在各厂商间的差异并不大。厂商们主要的着力处在于依据实际场景来微调第二项及第三项。简单地说，一个好的影像分析功能，关键在它的参数调得够好、够细腻。而参数要调得好、调得细腻，则有赖厂商们长期面对各种不同场景所累积出的调校功夫。

　　不过，光是参数调得好还不够。一个可行的影像分析功能，除了技术本身的强度外，还有一个要件：它必须以可接受的运算成本来达成。影像分析技术之所以在近两、三年内成为大家瞩目的焦点，除了监视系统数位化的前提外，便是运算成本持续降低这个因素。有时为了在有限的运算力下完成一项功能，我们不得不牺牲部分精确度（譬如把影像缩小后再处理）作为妥协。运算成本愈低，愈复杂的分析功能便得以实现。

　　短期发展方向

　　IVS发展初期，一来应用尚不普遍，二来技术核心在演算法，故影像分析系统以纯软体搭配影像撷取系统为主。随着DVR及网络摄影机的普及，影像分析系统开始以SDK的方式与PC-based DVR或NVR整合，并朝着embelded的方式直接整合进Standalone DVR或网络摄影机。

　　由于”独立的智慧型前端设备”这样的诉求非常迷人，IVS技术将持续”往前端发展”。至于发展的速度，则取决于IVS技术授权费的降价速度。我们也可预见，未来将会有具有IVS功能的系统晶片问世。

　　不过虽然往前端发展的趋势势不可挡，后端软体的重要性却不会因此降低，反而可能更为增加。关于这个推论，我们从以下几点来观察。

　　一、在一个多网络摄影机的系统里，就算每支网络摄影机都变聪明了，但网络摄影机与网络摄影机之间的资讯整合，仍需依靠后端软体的支援。这时智慧型前端设备对后端软体的意义在于分担单一摄影机的分析运算。至于跨摄影机的高阶分析，甚至非影像资讯（譬如DIO）的分析，仍有赖后端软体负责处理。

　　二、不论前端设备如何智慧化，它所提供的影像分析资讯仍需与后端系统整合。而影像分析资讯的沟通目前并没有标准，也就是说后端系统每支援一个新的前端设备，就必须花费一次整合功夫。

　　三、除非某个智慧功能的运算力需求太大，非得采用分散式处理不可，否则从后端集中处理的成本通常比较低。并且集中式处理还有一个好处，它可以动态调整智慧功能在多个前端设备间的分配方式。藉由动态分配，集中式处理所需的智慧功能授权份数，可能得以少于分散式处理所需的份数。

　　四、前端设备再怎么聪明，也没有人那么聪明。前端设备没侦测到异场☆况，未必代表没有异场☆况。有时候，我们仍希望影像能被全时录下，以供事后人为分析，或在事后采用更复杂、非即时的影像分析方法，以便得到更进一步的分析结果。而事后分析这件事，通常比较适合在后端做。

　　上图分别表示前端智慧型系统及后端智慧型系统的架构。前端智慧型系统的好处是，对于即时反应需求甚高的应用（譬如物体追踪），前端设备可免除因网络延迟而造成的误差。而后端智慧型系统的好处是，后端设备除了可对每一路影像做分析外，还可跨多路影像做交叉分析，并且每一路影像所欲启动之智慧功能可以随时调整。

　　总而观之，前端设备较好或后端设备较好，各有不同的诉求点，并与系统规模的大小及实体网络架构有关。而影像分析的准确度及总体拥有成本将成为最后的决胜关键。

　　长期发展方向

　　目前市场上居领导地位的IVS厂商，在推广产品时，不约而同提到”与客户沟通”的重要性。大家都同意，必须藉由事前沟通这个步骤，来降低客户因认知不同而产生的预期落差。而既然沟通扮演了这么重要的角色，便也暗示了IVS并不属于大量销售的产业。

　　我们认为，往垂直市场发展将是IVS未来最有利的发展方向。要求一项IVS功能适用于所有场景，几乎是一件不可能的任务。然而当我们把焦点集中在单一垂直市场，便可针对此市场特有的场景，为其打造一组更适切的参数。

　　另一个我们认为的未来重点，则是系统整合度。现阶段IVS的应用尚在推广初期，市场注意力大多集中在单一设备本身。然而，就如同前面的讨论，更聪明的设备，就更需要一套聪明的管理系统来扩大它们的威力，并且，它们之间最好已经高度整合完成。即便眼睛看得再远、耳朵听得再广，我们仍得靠大脑来作知觉统合。