以摄像头为基础的视觉监控系统被认为能够带来一个更加安全和稳定的社会。但是尽管经历了数十年的发展，它们却通常无法处理现实发生的状况。比如说，在2011年的伦敦骚乱期间，面部识别系统也只帮助警察逮捕了一位嫌犯。
这项技术的失败意味着视觉监控系统目前仍然依靠工作人员坐在监控室耗费数小时时间观看录像，这就无法给人们带来充分的保护。但是最近的研究表明，视频分析软件有可能获得巨大的提升。一个完全不同的领域已经带来了视频分析软件的巨大进步，那就是顿狈础序列分析。分析视频画面类似于顿狈础测序分析，基因测序软件所使用的工具和技术有可能带来自动化的视觉监控系统。
自从伦敦警察在1960年安装第一台闭路电视摄像机以来，已经有600万台摄像机分布在英国各处。但是自动视觉监控仍然主要受限于相对受控的环境。比如探测财产的非法入侵，统计通过特定大门的人员数量或者汽车尾号的识别，这些工作都能够准确的完成。但是分析一群人的视频或者在一条公共街道上识别个体是不可靠的，因为户外场景的变化非常频繁。
为了改善自动视频分析技术，我们需要一种能够应对这种变化的软件，这才是提升这项技术的根本。另外一个涉及处理大量可变数据的领域就是基因组学。自从2001年科学家成功完成人类首个基因组图谱以来，基因组数据已经发生了指数级的增长。这么庞大的数据和基因变化程度，意味着人们必须投入大量的记忆和资源来研发专门的软件和计算机设备对其进行处理。
现在的科学家们有可能能够相当轻松的获得基因分析服务来进行各个课题的研究，比如说如何对抗疾病和设计个性化医疗服务还有人类史的秘密等。基因分析需要通过基因突变的调查来研究基因随着时间发生的进化。这与视觉监控系统有着惊人的相似性，视觉监控系统会在场景不断变化的环境中探测和追踪移动的行人。
我们能够将视频中图像之间的差异视作一种突变，这样我们就能够将基因分析技术用于视频分析。这一概念的早期测试已经证实了它的可行性。英国金斯顿大学的研究团队已经首次证实，即使是自由移动的摄像头拍摄的视频也能够进行分析。
与此同时，意大利维罗纳大学的研究人员已经证实，图像处理工作能够借于助标准的基因分析工具。这一应用非常重要的，因为它能够极大的降低软件研发的成本和时间。将这项技术与我们的策略相结合有可能最终带来视觉监控的革命性变化。如果这一概念得到采用，那么未来十年内就有可能出现更智能的摄像头。
