‘’视频感知‘’的概念与传统的"视频监控系统"还是有很大的区别的，无论是早期的模拟电视监控系统，还是后来的数字视频监控系统及当前主流的网络视频监控系统，其核心大多仍然停留在“监”和‘’控‘’的应用，主要通过人员的实时监控及事后的录像回放来进行各种应用（早期主要应用于安防），还称不上“视频感知”。

真正可以叫做“视频感知”或者说“视觉物联网”的系统，必须融入“智能”的概念，前端的摄像机不单单是实现光电转换和信号采集功能，编码器及硬盘录像机不单单实现编码压缩及网络传输功能，而ＮＶＲ则不单单是存储功能。

系统从前到后所有环节均需要全面“智能”升级，前端设备能够进行自动，主动的行为判断，后端设备基于前端设备采集的信息及系统预设规则，能够进行研判，挖掘，关联，响应，统计等功能，才能够称得上是真正的“智能视频感知”系统或者“视觉物联网”，目前来讲，尚属初级智能阶段。

视觉物联网的构成是由视觉传感器（摄像机），数据传输部分（包括无线网，因特网，视频专线），智能信息处理及识别部分，应用部分。视觉物联网通过传感器获取图像，图片，信息，然后进行视觉标签的提取（视频内容的识别，理解，分类等，目标对象包括人，车，物等）。

视觉物联网的架构：

视觉物联网可以这样进行定义：通过视频传感器及其他传感器，智能装置以及执行器件，实现对现场，目标的实时，在线，全面感知；并通过后端强大的海量数据处理，加工，智能分析，挖掘，达到对物理世界的精确感知，以了解状态，趋势。进行管理及决策。

视觉物联网的应用领域：

目前，智能网络视频监控系统已经有很广泛的应用领域，尤其在平安城市，智能交通，机房库房等领域。