近年来，深度学习在语音识别、图像识别、自然语言处理等应用中取得了显着的成效。深度学习也正影响着安防企业，影响着智能视频分析技术。智能视频分析是计算机图像视觉技术在安防领域应用的一个分支，是一种基于目标行为的智能监控系统技术，其支持的功能主要有：人车物特征识别采集、人员及物件行为报警、视频信号及质量诊断、视频增强处理、图像比对、视频摘要、内容分拣等。深度学习解决了传统智能视频分析技术人工选择特征准确率低、浅层学习模型无法解析大数据等问题，使视频分析过程中识别准确率更高、环境适应性更好、识别种类更丰富。大数据时代为算法研究提供了高效的计算工具，而数据量的增加也意味着需要更复杂的视频分析算法模型来诠释和挖掘这些数据，使占有巨大存储资源的视频数据发挥出更多的价值。
安防行业中不少企业已经在纷纷布局智能前端的市场，以安防龙头企业为例，它们推出的前端摄像机中内嵌深度学习算法，具有结构化信息提取、小型人脸库比对、人体属性分析、人员流量统计、道路实况检测、车辆特征识别、全景监控等多种功能，将前端设备的智能化应用发挥到极致。此外，还将人眼仿生、MSS多光谱成像、被动红外热成像技术等技术融入其中，可对因环境造成的图像模糊昏暗进行亮度与清晰度的还原，还能实现环境测温、防火防盗等功能，引导着前端设备在深度智能化这条路上越走越远。
前端设备插上了深度智能的翅膀作为视频监控的前端设备，监控摄像机是整个监控系统的重要组成部分，它经历了从模拟到数字化、网络化、高清化以及智能化的发展历程。视频图像来源是视频监控系统的第一环，运用传统的摄像机存在很大的局限性，如检测准确率不高，漏抓误报比较多，抓拍不清晰，图像质量不理想等。前端摄像机内置深度学习算法，可以对人脸、车辆等关键信息进行快速定位抓拍，有效解决漏抓误报问题，也能为后端分析服务器提供更清晰、更高质量的图片，更出色的成像效果大大提升了后端的资源利用率，同等条件下可大幅节省中心部署空间，同样的投入可以产生更大的效用。
