1、检测标准的不统一是视频质量诊断技术发展的一大障碍

        对于前文提到的各种类型的视频质量问题，也就一些非常典型的实际案例，从产品的现场布置和反馈来看，对视频质量诊断的结果经常会发生分歧。如轻微的颜色异常、轻微的雪花点或不明显的干扰等，不同的人观察的结果会不同，人为主观的因素影响非常大，这都为产品的推广和客户的认同带来了困扰。

2、非常见故障视频资源少，算法模型不健全，导致某些故障视频无法检测

        目前的视频质量类型大多还是集中在最常见的一些质量问题的总结和归纳，无严重的偏色、亮度异常等。但是还有非常多的视频质量问题是算法设计中没有考虑到的，尤其是视频噪声、人为干扰等功能，在东莞监控安装的实际现场有一些无法预料的视频出现，如视频重影、一行或几行视频滚动、部分黑屏部分条纹、不确定的OSD菜单视频等等，不常见视频的检测问题需要持续搜集样本，更新算法模型才能准确识别，而这个过程可能是漫长的。

3、算法本身还需要优化，在检测的准确流率和算法效率上要持续提高和完善。

         只有提升了检测率，才能真正实现人力的节省。只有提高了算法的效率和性能，才能使用低成本的硬件平台推广，才能产生更好的投入产出比，这也是视频质量诊断技术永远的追求目标，只有超越了准确性、效率的瓶颈，该技术才能真正实现价值。

以上文章来源由东莞监控工程http://www.chtonb.com.cn整理提供。