視頻分析功能的實施，對視頻場景(Field of View, FOV)都有一定的要求，目的是使得報像機所采集的圖像適合相應的視頻分析算法模式。但是在一些情況下，攝像機的安裝位置、角度，高度是不可改變或很難改變的，在此情況下，需要視頻分析算法具有一定"自適應"技術措施來彌補算法本身FOV的各種限制。典型的視頻場最相關因素如下。
聲明：部分內容及圖片來源于網絡，如有侵權請聯系刪除。
1.攝像機角度
通常，在鏡頭的光軸上及附近區域，攝像機的成像與實際差別不大，但是，由于攝像機自身成像技術的限制，對于場景兩側的視頻圖像，可能會產生變形，而變形后的像素數量、高寬的比例關系會失衡，導致視頻分析算法的識別能力下降。
2.攝像機高度
對于一些分析功能，如"人數統計"功能，通常要求攝像機安裝在人流通過區域的正上方，這樣才可以得到良好的探測效果和統計精度，如果攝像機安裝的高度不夠，那么可能造成人數統計的精確度急劇下降。
3.攝像機距離
視頻分析算法實質是對像素進行檢測，因此對目標像素尺寸有要求，通常，以最小識別像素數來標稱，如5X5像素或10X10像素。那么，對于同一攝像機場景，如果距離過遠，可能導致較遠距離的目標無法被系統識別得到。
4.地形透視
通常在室外環境，如周界、鐵路沿線、公路橋梁等場合，現場環境通常可能溝溝坎坎、凹凸不平，這對于攝像機景深有一定挑戰。因為，地形的高低導致成像的像素區別，在同樣距離的目標在高坡與地溝中成像差別較大，這樣對系統的算法識別的有效性帶來考驗。
