發展趨勢：隨著智能監控中對人的運動分析研究和其它相關技術的發展，智能行為監控廠家來講述幾個方面己經成為未來的發展趨勢。

      AI智能行為監控為了完成優化尺度和廣域的分析，可以尋求準確實時的多攝像機的信息融合方法，以便機器更好地理解人的通信行為。目前音頻和視頻的信號處理相對獨立，如何更好地集成音頻和視頻信息用于多模態用戶接口是一個嚴峻的挑戰。

      人的運動分析與生物特征識別相結合,在智能房間的門禁系統、軍事安全基地的視覺監控系統、高級人機交互等應用中，人的運動分析與生物特征識別相結合的研究日益顯得重要。在人機交互中不僅需要機器能知道人是否存在、人的位置和行為，而且還需要利用特征識別技術來識別與其交流的人是誰。

      目前的研究主要集中在人的臉像識別、步態識別或特定行為的識別。近距離時一般可以通過跟蹤人臉來加以身份識別;如果是遠距離的監控，臉的特征可能被隱藏，或者分辨率太低不易識別，然而進入監控領域的人的運動步態是可見的，這激活了步態作為一個獨特的生物行為特征應用于人的身份鑒別。由于人的步態具有易于感知、非侵犯性、難于偽裝等優點，近來己引起了計算機視覺研究者們濃厚的研究興趣。

      行為理解與描述高層處理的轉變,人的行為理解是需要引起高度注意并且是具挑戰的研究方向，因為觀察人的終目標就是分析和理解人的個人行為、人與人之間及人與其它目標的交互行為等。目前人的運動理解還是集中于人的跟蹤、標準姿勢識別、簡單行為識別等問題，如人的一組通常的行為(跑、蹲、站、跳、爬、指等)的定義和分類。近年來利用機器學習工具構建人行為的統計模型的研究有了的進展，但行為識別仍舊處于初級階段，連續特征的典型匹配過程中常引入人運動模型的簡化約束條件來減少歧義性，而這些限制與一般的圖像條件卻是不吻合的，因此行為理解的難點仍是在于特征選擇和機器學習。