视频分析功能的实施，对视频场景(Field of View, FOV)都有一定的要求，目的是使得报像机所采集的图像适合相应的视频分析算法模式。但是在一些情况下，摄像机的安装位置、角度，高度是不可改变或很难改变的，在此情况下，需要视频分析算法具有一定"自适应"技术措施来弥补算法本身FOV的各种限制。典型的视频场最相关因素如下。

声明：部分内容及图片来源于网络，如有侵权请联系删除。

1.摄像机角度

通常，在镜头的光轴上及附近区域，摄像机的成像与实际差别不大，但是，由于摄像机自身成像技术的限制，对于场景两侧的视频图像，可能会产生变形，而变形后的像素数量、高宽的比例关系会失衡，导致视频分析算法的识别能力下降。

2.摄像机高度

对于一些分析功能，如"人数统计"功能，通常要求摄像机安装在人流通过区域的正上方，这样才可以得到良好的探测效果和统计精度，如果摄像机安装的高度不够，那么可能造成人数统计的精确度急剧下降。

3.摄像机距离

视频分析算法实质是对像素进行检测，因此对目标像素尺寸有要求，通常，以最小识别像素数来标称，如5X5像素或10X10像素。那么，对于同一摄像机场景，如果距离过远，可能导致较远距离的目标无法被系统识别得到。

4.地形透视

通常在室外环境，如周界、铁路沿线、公路桥梁等场合，现场环境通常可能沟沟坎坎、凹凸不平，这对于摄像机景深有一定挑战。因为，地形的高低导致成像的像素区别，在同样距离的目标在高坡与地沟中成像差别较大，这样对系统的算法识别的有效性带来考验。