視頻監控作為智能安防系統的重要組成部分，有著舉足輕重的作用，我們都知道，視頻監控中的視頻質量是采用視頻圖像分析的方法來測量系統中可能存在的故障。從現在普遍出現的攝像頭故障類型來看，影響視頻監控系統視頻質量的因素有很多，主要概括來說有以下三大類：

1、攝像機的設置不當或器件老化失效，包含攝像機的分辨率、攝像機對光照的靈敏度、鏡頭聚焦調整、色彩校正等；

2、大型監控網絡中視頻信號通過長距離電纜傳輸、多級矩陣切換以及多級網絡轉發，電源、控制器等多種干擾信號可能對視頻信號產生強烈的干擾，線路老化、接頭松動等現場環境的變化可能帶來視頻噪聲；

3、大量使用PTZ球機，長期的運動變焦有可能讓部分球機發生方向錯誤、不可控等故障。

那么針對以上提到的種種視頻故障，可將故障類型分成視頻信號缺失、視頻清晰度異常、視頻亮度異常、視頻噪聲、視頻雪花、視頻偏色、畫面凍結、PTZ運動失控8種。這其中，視頻信號缺失、畫面凍結兩種故障可通過人工設計基于視頻圖像比對的方法得出結論；PTZ運動失控則是由故障檢測系統發出運動指令，然后通過對視頻圖像的運動分析來檢測是否有故障。

而對于其他的5種故障，很難通過人工設定規則的方法來檢測，這就需要通過機器學習的方法，讓機器來模擬人的視覺反應，檢測視頻是否存在故障。而在實際運行的視頻監控系統中提取大量的視頻片斷，包括正常視頻以及存在各種故障的視頻，形成訓練樣本，并模擬人類視覺特性，針對不同故障類型提取了大量視頻圖像特征參數，用以訓練得到診斷不同故障的檢測器。在分析階段，獲取需要分析的一段固定長度的視頻，根據用戶設定的該路視頻的檢測項目，使用不同的故障檢測器，提取相應的視頻圖像特征，然后輸入到已訓練好的故障檢測模型中，即可獲取對該段視頻的故障評價結果。（來源網絡，僅作交流學習用途）