随着影像数据不断增加，人工智能和深度学习(DeepLearning，机器学习分支)技术已成为安全监控的关键，能够有效降低人为错误和误报，并大幅减少影像搜寻时间，对众多产业造成极大的影响。
人工智能深度学习技术深刻改变影像监控产业
人工智能发展方兴未艾，随着影像数据不断增加，也已成为安全监控的关键。本文将重点分析，深度学习科技如何在影像监控领域脱颖而出。
人工智能(ArtificialIntelligence,AI)为一项使机器能够从过去经验中学习的技术，又称为「机器学习(MachineLearning)」或「认知运算(CognitiveComputing)」，透过模仿人类大脑所组成的多层类神经网路辨别物件及其模式，并在无人类干预的情况下自行做出决策。随着影像数据不断增加，人工智能和深度学习(DeepLearning，机器学习分支)技术已成为安全监控的关键，能够有效降低人为错误和误报，并大幅减少影像搜寻时间，对众多产业造成极大的影响。
「深度学习」在影像监控领域脱颖而出
以深度学习为基础的演算法大幅胜过传统电脑视觉演算法，其主要塬因为深度学习系统能够持续24小时、每天不断训练及提升其数据量。许多应用结果皆显示，深度学习系统在某些领域上可达到近99.9%的嗜范龋而电脑演算法要超过95%的嗜范仁欠浅＠难的。
另外，深度学习系统展现卓越的能力，能够侦测未知或非预期中的事件(异常事件)，此特性能显着地减少在安全影像分析系统中所产生的错误侦测。事实上，无法降低错误侦测率为影像监控产业的主要问题，因此目前各大产业皆对于智慧影像分析解决方案有强烈的需求。虽然深度学习已应用于众多产业且得到突破性的成果，但并非所有应用都合适，然而在影像监控领域的应用则明显脱颖而出。
人工智能深度学习4大技术优势
人工智能深度学习技术应用于影像监控领域，可彰显下列4大优势：
1、降低误报率：人工智能侦测能够轻易辨别不同种类的人和物件，例如在此区域中设定侦测「人」，则当动物及车辆经过，或者树木产生的阴影，皆不会造成误报，可减少90%的误报率。换句话说，在没有人工智慧的情况下，动物、树、阴影、天气状况都将触动感应装置并误发出警报。
2、容易设置及维护：没有人工智能的传统影像监控必须考虑地形、摄影机视角、感应器位置等，一旦要在设定上作任何变动都需要手动重新计算这些因素，并可能会影响其他塬有的设定。相较之下，使用人工智慧侦测功能，可让系统管理者透过单一控制介面调整系统设定及摄影机，亦能随时在几分内调整特定区域内欲侦测的目标物件。
3、容易与第三方技术整合：人工智慧的本质就是学习，并且能够自行调整成适合在各种条件下的运行状态，因此人工智慧可以轻易且即时地与第叁方技术进行多层组合。例如，一旦在特定区域中侦测到目标物件，便会发出警报、自动开锁管制进出、或连动其他附加装置等，而这些设定皆只须从滑鼠按下按钮便能完成。人工智慧影像监控系统亦能够轻易地与现有的录影装置及储存系统(NVR)进行整合。
4、性能稳定持久：没有使用人工智慧的影像监控系统需要结合多项组件，以及复杂的设置才能提高侦测嗜范龋然而越多组件代表发生故障的机率越高，包括暴露在外的感应器若受到损害，便会造成错误或延误侦测。另一方面，以人力进行监控管制，也无法确保能得到稳定且正确的资讯。研究显示，一个人的专注力最多只能维持20分钟，而当人们同时面对多个物件，如监视多个摄影机监控萤幕，注意力更会快速下降。人工智慧技术可完全消除这些疑虑，此外使用人工智慧相对减少所需组件，有效降低系统故障的风险。
应用于监控影像分析4大亮点
基于人工智能深度学习技术的监控影像分析解决方案，亦可突显以下4大亮点：
1、区别人类、动物及雕像：人工智慧系统持续分析监控摄影机所捕捉的影像串流，能够区分人类的脸孔与非人类物件(如动物、雕像)的脸，并如人类的大脑，人工智慧会将这些讯息储存在记忆中。
2、人脸快搜：利用人工智能能够即时侦测图片中的人脸及特徵，使用者不需在系统中建立人脸资料库，只需上传目标物件的人脸照片到系统，人工智慧便能从记忆中搜寻相似的人脸，分析此目标人物在何时、何地出现过，并能够利用时间及摄影机位置与地图连接，获得此人物的行径并推测可能进行的路线。此外，使用者可以决定想要搜寻的日期与时间区间，亦可指定特定摄影机做搜寻，并能够调整相似度，决定所搜寻的人脸与上传的照片匹配程度高低。
3、人脸辨识：深度学习技术应用在人脸辨识上，能有效改善其准确度。美国国家标始际跹芯克(NIST)在过去10年中进行人脸辨识供应商测试(FRVT)，根据NIST的报告显示，在过去20年人脸辨识的错误率已大幅改善。现今大多数拥有高性能及高准确度的人脸辨识产品，都是基于深度学习技术。而根据Facebook和特拉维夫大学的研究，人脸辨识用于特定环境(例如辨识机场移民)，其嗜仿室汛锏99.9%。
4、入侵侦测：人工智能可使入侵侦测功能达到最高嗜范燃白畹臀蟊率。使用人工智慧，系统管理员可根据所需，配置具有不同条件及目标侦测物件的限制区域，包括特定颜色侦测或特徵侦测。例如，未穿着所需制服或携带食物/饮料的人、超过5人在此区域游荡、在特定时间有目标物件入侵、异常行为或逆向行进等，皆能嗜氛觳獠⒎⒊鼍报。
结语
由于人工智能深度学习技术具备上述优势及亮点，全球安全监控业者也已纷纷投入相关设备及应用开发。
该文观点仅代表作者，本站仅提供信息存储空间服务，转载请注明出处。若需了解详细的安防行业方案，或有其它建议反馈，欢迎联系我们。
