欢迎到
IVS的应用在市场上已经可以说是越来越普及，利用这项崭新的影像分析技术，可以帮助用户从数百万人里辨识出某一特定的可疑人物，也让传统的监控系统得以有了更智能的运作效能。
智能型监视系统主要是建构在数字监视平台上，也就是当模拟讯号数字化之后，就可以做数字讯号的处理，而智能型监视系统就是要处理数字符影像讯号。就技术而言，数字符影像处理技巧是最基本的单位，不同的技巧可以组合成各式各样的应用。
智能型监视系统目前在运用上最大的问题在于场景的不可确定性，例如：水的波纹、树叶被风吹动、烟雾等等。就现今来说，在数学上或是科学上，还没有一种完美的公式可解，只能求最佳化或最佳解，并没有一种定理可以完全包容。
首先，监视系统就是帮助人们拥有千里眼、顺风耳的能力。随着科技的进步，网络的普及，传统的VCR已经不敷使用，VCR所具备的能力只限于事后补救，以及被动式监看。当VCR进步到DVR之后，模拟的讯号变成数字讯号，搭配计算机的处理能力，要处理数字讯号变得容易多。成为数字讯号之后，就可以进行许多的演算及统计处理，而量化之后的数值变明确、干净多了。
一些传统的问题，就可以透过算法来过滤，例如噪声去除、影像复原、影像增强等等。
为什么要有IVS？
以往必须透过硬件组件处理的问题，现在可以直接在软件上作演算优化。虽然DVR已经很方便了，但是由于各自独立，对于较大范围的区域无法有效率及低成本的布建。而DVR最多的频道数取决于该设备的设计规格。
为了有效统合近来兴起的IP风潮，NVR就出现了！NVR几乎可以包容许多不同的DVR讯号或是网络摄影机（Network Camera），透过网络化，NVR除了可以管理许多的DVR之外，NVR和NVR彼此之间也可以互相串在一起。此时，需求变更了。从人的观点来看，频道数目太多，无法摆放在屏幕上，就算全部频道都摆放上去，影像也会缩小到根本看不清楚，一点意义也没有。
这个问题可分为两个方面来讨论，人真的能够一眼看尽所有画面，而知道每个画面发生的事件吗？第二，就算人真的能够看完所有画面，且能知道发生的事件，但人真的能够实时的反应处理吗？这两个答案都是非常困难的。
从系统的观点来看，这么多的频道要显示处理，负载将会非常的沉重，假设有100个Channel的画面要显示，单靠CPU能达到实时处理吗？既有的影像处理技术要放在哪一端呢？是Server端或是Client端，负载要加在哪一个位置才适当。有100个Channel的影像数据传入，网络该如何布建？Server该如何应付？都是在设计上会遇到或必须考虑的问题。综合上述，这么多的问题，该如何用比较适当的处理方式。IVS就是最好的一个答案！
何为IVS？
IVS是一种影像演算的流程，透过许多影像运算（Image Processing）的排列组合，就会形成一个有意义的IVS。IVS能帮助人们处理有规则条件的事件，所以IVS要具备的基本能力就是有处理「对象」、「事件」、「条件」的功能，要从场景中切割出对象、追踪对象，进而掌握对象的行为，看对象是否会触发事件，接着再依据所触发的事件，有条件的进行主动式反应。否则依据统计结果，许多NVR的用户，面对这么多的频道，反而希望要有DVR定时切换频道的旧功能。例如监视屏幕只有4分割画面，16个频道分别每隔一定时间自动切换，由频道1、2、3、4→5、6、7、8→9、10、11、12→13、14、15、16轮播。
但是有了IVS之后，人们可以为不同频道设定适当的IVS。IVS代替人们去监看各频道的对象，当有事件触发之后，可以在第一时间内依照设定的条件去做主动式反应。因此频道数目多寡就可以透过IVS先做第一层的过滤，减轻人们的负担。
不同的IVS可以很弹性的建构在Server端或是Client端，有些演算可以建构在Client端，有事件被触发时，可以发送讯息到Server端，由Server端有条件地去处理，或是建构在Server端的演算，以弥补Client端演算能力的不足。因此有了IVS，人们主要是在监视「事件讯息」而非「摄录画面」，这样的效果会远比由人去一一监看画面来得更有效率。
可以全部信赖IVS的监控事件讯息吗？
在目前答案是否定的。IVS还是有误侦测率的，不可预期的场景环境变化是造成误侦测率的主要原因之一。因此现阶段的IVS都会提供参数，好让使用者依据当前环境而做适当的微调，以期能够发挥功效。也因此，让人员认识IVS的训练就变得十分重要。例如，在一个鲜少有人进出的匣道，画面稳定无噪声，可以将对象侦测灵敏度设定较高，一有风吹草动就立刻通报；反之，在一个人来人往的走道（通常都会用来侦测对象遗落或是移失），对象侦测的灵敏度就必须更适当的设定，否则太多的触发事件，也只会让人更为头痛而已。
当然，设定IVS端靠用户个人的经验是不足的，还需要专业厂商的协助。因为算法的know how各有不同。IVS目前只能成为协助者，帮助人们做适当的监视与反应，做第一关的过滤，当有事件触发后，再通知人们做行为上的处理。
如何挑选IVS？
IVS究竟还需要发展多久才能成为一个可靠的帮手，事实上是选择题，有些算法已经发展了许多年，几乎非常的稳定，这一类的算法值得信赖。而较为新颖的应用，因为发展尚未成熟，只能作为宣传广告，消费者则必须在特定条件下方可运作，这类的实验室产品，必须审慎选择。
至于要如何得知IVS是有效用的？可以从两个方面调查，首先，自己做功课，调查该IVS的数字符影像处理技术的成熟度。例如：视讯增强，这从模拟时代就开始发展的算法，已经是非常稳定有用，几乎可以说是应用得非常广泛，这项功能可以在许多学术期刊、杂志文献上看见，相信各家厂商略有不同，而这类的数字符影像处理技术其实也只是参数上的设计，因此也无需特别调查，只须了解即可。
其次，现场环境实际测试，这类属于特定条件式的算法，因为各家know how不同，最好有厂商的协助设定，做现场的环境测试，才能比较出优劣。
不过不管如何，要谈IVS，基本上还是离不开「对象」、「事件」、「条件」等3项要点，在测试时尽量依据这3项做实际检视。例如：遗失物品侦测。有些厂商必须先手动圈选侦测范围，才能监视是否有物品遗失；而有的厂商是做全景侦测，无须太多设定，当画面有物品遗失，就会发出警报。这就是设计上know how的不同。无论如何，IVS近几年的发展几乎是呈倍数成长，安防产业已经注意到这一块未来的产值，是非常具有潜力的。相信大量人力资源投入，学界与产业界的合作，能够勾勒出漂亮的愿景。综观而言，「对象」、「事件」、「条件」是IVS评量的3件要素。IVS底层算法应当可以很容易拆解与组合，在设计上才能很有弹性的调整，无论是建构在Server端或是Client端，挑选IVS必须了解数字符影像处理的成熟度或者做现场实际测试，这样才能找到合适的产品。此外，整个系统的整合能力也是考虑重点之一，有些绑死的IVS产品，只为特定的机种服务，很容易造成局限性。一个优秀的系统，至少要能够接受绝大多数的影像来源，一个良好的IVS，至少要有能力被调整并兼容不同的数字符影像讯号。因此能够随着环境的变迁做适当调整，对于布署智能型监视系统才有意义。
_ 赖岱佑