其二，不具备行为的判断能力
例如，周界防范，机器中行为分析的区域入侵功能能够发现活动目标，并可以在这些活动目标中利用技术手段把用户希望的目标(例如人体)提取出来。但是再进一步，这个闯入者的动机是什么，是偶尔路过，还是故意闯入，是否有意的往警戒区域内探望，这些都无法靠机器来识别；再次，特征识别技术对画面要求高。对于基于特征识别的分析技术，对于图像的要求比较高。除了画面本身清晰度外，也需要清楚的展示目标物体的特征，目前计算机的识别能力大大低于人类对物体特征的识别能力，不同的光照条件和拍摄角度，都将改变计算机所看到的特征；
其三，CPU的处理能力仍然是瓶颈
要满足实际复杂的应用环境就需要越加复杂的算法，随之带来了巨大的计算量，目前DSP芯片的能力有限，已经不能满足某些复杂算法的需要。因此，难以开发相应高级功能的嵌入式产品，这也增加了很多产品的施工难度与实际推广的阻力。
对于以上阻碍，如何突破，可以先考虑在监控场景相对固定、光照条件容易保障且目标、行为特征信息辨识度较高的场合(如大型活动安保区域、室内ATM机周边以及监狱、看守所、拘留所、审讯室等特殊场所内部)开展异常目标、行为、事件自动分析报警应用，提高封闭环境区域的安全管控能力；开展治安卡口信息识别、电子警察、市境道口车驾查控等系统海量数据后台挖掘、智能关联分析应用，提高治安卡口和市境道口的车辆查控能力；开展大型活动安保区域出入口、火车站高铁(动车组)旅客自助进站通道、地铁车站地下人行通道等区域的人像采集与比对示范应用，提升人员公共集聚区域可疑目标布控能力。
其次，基于复杂背景或场景的异常目标、行为、事件智能分析是安防智能视频分析应用难点，也是安防实战应用关键领域。为此，需要在高效智能视频分析算法等关键技术研发取得有效突破的前提下，有针对性选择人流集聚度高、治安形势复杂的公共活动区域开展智能视频分析深度应用，力争使智能视频分析应用在安防实战关键领域尽早取得实质性进展，为安防智能视频分析大规模应用创造必要条件。
