摄像机智能化的实现依赖于各种图像处理算法的研究、设计和实现。近些年，国内研究在这方面所取得的成果是十分丰富的，但这些成果所形成的实际生产力却仍然有限。究其原因，除了市场需求的发展需要一个过程外，最主要的还是有一些技术挑战尚未完全克服。限于篇幅，这里仅摘取其中两点进行分析。
    一是“智能”算法的前端化、固态化。尽管智能化是新一代摄像机的重要标志，但其进程却始于模拟时代。经过多年的发展，诸如移动侦测、人脸识别、自动跟踪等智能视频算法日趋成熟并在一些特定场合得到了广泛应用。随着分布式计算技术架构的发展，特别是云计算概念的提出，与摄像机智能化相关的算法实现也呈现出十分明显的前端化(即内置于摄像机)倾向。理论上，将前期大量经过实践检验、比较成熟的算法，从桌面以上的平台移植到嵌入式平台成为最可行的第一步。但这看似容易的第一步，真的走起来却并不轻松。最困难的，也是最能体现技术水平的就是算法实现的可移植性。由于不同嵌入式系统在系统结构、指令系统以及处理能力等多方面都存在差异，对本来就对计算效率极其敏感的图像处理算法来说，要实现高度的可移植性(无论是静态的还是动态的)是十分困难的。解决之道就是在产品开发中引入软件可移植性工程，将自主研制的算法以不同目标环境下的支持库形式提供给需求者。

    此外，随着摄像机所能提供的图像分辨率的不断提升，智能视频算法需要处理的数据量也急剧增加。在很多场合下，算法实现需要固态化才能满足实时性要求。所谓固态化就是用专用芯片来实现相关的算法。这就需要有既懂算法软件、又懂硬件描述语言，具有长期实践经验的技术人员，来设计可靠、高效的算法芯片。

    正是因为上述两项工作的技术门槛高，并要求产品研发机构保持持续、稳定的资源投入，真正实现前端智能的摄像机产品目前尚不丰富。

    二是视频结构化描述技术。与视频结构化描述相关的技术大致包括机器视觉与模式识别、语义网与知识库、大数据或海量信息处理以及系统管理和应用技术等。现阶段，上述各项技术研究，就其本身来说，无论开展的时间是长是短，都或多或少取得了一定的成果，有的甚至已经得到了大量的应用(如车牌识别)。可是，如果从满足实现视频结构化目标所需的角度来看，“孤岛”现象仍十分明显。我们可以“从视频图像中区分出多个不同的感兴趣目标”这一最基础的工作为例来理解这方面的情况。作为一项高度拟人化功能，要完成它就需要依据已有经验对实时图像进行时空分割、特征提取、对象识别等处理。这里所说的“已有经验”在系统中就表现为“样本库”、“特征库”或“知识库”。鉴于这些库的形成需要经历一定的积累或“学习”过程，在没有一个有效规则的情况下，这些经验的共享和交流是十分困难的，形成“孤岛”也就是很自然的了。

    三、摄像机智能化对产业发展的影响

    从视频监控产业的发展来看，包括上述技术挑战在内的各种摄像机智能化所涉及技术难题的有效解决，都是行业本身、业内企业必须给予足够重视的。从个人理解的层面来看，要能更加有效地推进摄像机智能化，一个可行的做法就是学习国际上的成功经验，由对此感兴趣的“产、学、研、用”机构一起组成一个合作体，依照“规范标准统一、知识合理共享”的原则，以市场需求为导向，形成产业的、技术的规范，以此来引领整个行业朝着“技术领先、规模占优”的方向发展。

    同时，在当前的国内外经济形势下，视频监控行业无疑是一个极其“吸引眼球”的产业，这样的产业应该具有一定的引领作用。从对其它产业的依赖度来看，摄像机智能化最合适、最可行的是进一步带动半导体行业的发展。国内半导体行业最近一次的兴起始于上世纪九十年代末期，也正是依靠国内有巨大产品需求的多个带“金”字工程的推进，其在十多年间取得了长足的进步。鉴于国内视频监控市场的巨大规模，特别是在摄像机智能化达到了“规范标准统一”的条件下，或许应该为国内的半导体行业所重视。视频监控行业凭借其自身的智能化发展成为推动国内半导体行业再次发展的源动力，这一点确实值得期待。