人工智能在監(jiān)控和通過(guò)預(yù)防危險(xiǎn)情況實(shí)現(xiàn)更好的安全方面發(fā)揮了關(guān)鍵作用。人工智能攝像頭使對(duì)錄像的實(shí)時(shí)監(jiān)控和智能分析成為可能，從而防止盜竊等事件的發(fā)生。

人工智能（AI）在制造業(yè)、汽車業(yè)、醫(yī)療保健業(yè)、娛樂(lè)業(yè)、金融業(yè)等眾多行業(yè)都取得了驚人的發(fā)展，但仍處于起步階段。

在所有的應(yīng)用中，人工智能以及深度學(xué)習(xí)和機(jī)器學(xué)習(xí)在監(jiān)控中的應(yīng)用正得到飛速發(fā)展，因?yàn)樗谕ㄟ^(guò)預(yù)防危險(xiǎn)情況實(shí)現(xiàn)安全方面具有深遠(yuǎn)的影響。根據(jù)最近的一份報(bào)告ResearchAndMarkets.com，全球視頻監(jiān)控市場(chǎng)規(guī)模預(yù)計(jì)將以10.4%的復(fù)合年增長(zhǎng)率，從2020年的455億美元增長(zhǎng)到2025年的746億美元。

人工智能接管被動(dòng)監(jiān)視解決方案

雖然在全球范圍內(nèi)大規(guī)模安裝閉路電視攝像機(jī)在屏幕上直播視頻，但無(wú)論是在零售店、醫(yī)院、辦公室等地，它們通常都是被動(dòng)的，只有在發(fā)生違規(guī)事件或有潛在威脅的信息后才予以關(guān)注。此外，解析可能是一項(xiàng)艱巨的任務(wù)，因?yàn)楂@得的大量數(shù)據(jù)無(wú)法在傳統(tǒng)系統(tǒng)中得到充分利用。人工智能攝像頭更具侵入性，可以對(duì)錄像進(jìn)行實(shí)時(shí)監(jiān)控和智能分析，從而防止此類事件的發(fā)生。

大多數(shù)情況下，低分辨率相機(jī)用于記錄，導(dǎo)致圖像質(zhì)量較差。人工智能可以用來(lái)銳化不清晰的圖像，以獲得有意義的信息。不管怎樣，分辨率、面部、物體和事件識(shí)別都變得容易得多。甚至可以根據(jù)某人的身體特征，如身高、姿勢(shì)、體型以及活動(dòng)模式進(jìn)行識(shí)別。

這也是有益的，因?yàn)橛捎诔掷m(xù)監(jiān)測(cè)造成的精神和身體疲勞等原因，操作人員往往會(huì)漏掉關(guān)鍵的細(xì)節(jié)，這可能會(huì)造成嚴(yán)重后果。人工智能確保沒(méi)有錯(cuò)誤和注意廣度問(wèn)題。當(dāng)需要在工廠等場(chǎng)所進(jìn)行遠(yuǎn)程監(jiān)控時(shí)，可以將理想狀態(tài)和性能參數(shù)編程到人工智能系統(tǒng)中，它可以提醒操作員，節(jié)省成本，防止機(jī)器故障。

在人工智能運(yùn)作的背后

基于機(jī)器的學(xué)習(xí)算法用于監(jiān)視和分析從監(jiān)視解決方案中記錄的圖像、視頻和數(shù)據(jù)。最常見的人工智能類型是基于規(guī)則的，程序員向系統(tǒng)提供預(yù)先設(shè)計(jì)的規(guī)則，這些規(guī)則在理想情況下必須是正確的。但慢慢地，不需要預(yù)定義規(guī)則的行為分析的使用正在增長(zhǎng)。自學(xué)習(xí)系統(tǒng)通過(guò)自動(dòng)檢測(cè)和分類與目標(biāo)環(huán)境相關(guān)的數(shù)據(jù)來(lái)工作。

自動(dòng)化平臺(tái)允許順利收集和存儲(chǔ)來(lái)自多個(gè)來(lái)源的信息。例如，由IC Realtime開發(fā)的人工智能平臺(tái)Ella使數(shù)據(jù)可以立即搜索。用戶甚至可以通過(guò)時(shí)間范圍和位置等過(guò)濾器縮小結(jié)果范圍，并通過(guò)對(duì)相關(guān)性進(jìn)行評(píng)級(jí)來(lái)給出反饋。

在監(jiān)控方面，人工智能可以利用基于機(jī)器的視覺，并接受培訓(xùn)，觀察實(shí)時(shí)流中的每一個(gè)細(xì)節(jié)，或者記錄并通知操作員，即使是最輕微的活動(dòng)偏差（事件、行為或行動(dòng)），這在理想情況下是常有的，確保主動(dòng)的實(shí)時(shí)安全。輸入到算法中的數(shù)據(jù)可以包括地理位置、生物特征數(shù)據(jù)、社交媒體、逮捕記錄等。深度學(xué)習(xí)擁有大量工程化的神經(jīng)網(wǎng)絡(luò)，可以實(shí)時(shí)檢測(cè)物體。流行的方法包括更快的區(qū)域CNN（RCNN）、你只看一次（YOLO）和單次探測(cè)（SSD）網(wǎng)絡(luò)。算法的選擇取決于速度、精度、大小等參數(shù)。

對(duì)于監(jiān)控系統(tǒng)的訓(xùn)練，在數(shù)據(jù)準(zhǔn)備完成后對(duì)模型進(jìn)行訓(xùn)練。對(duì)于最后一步推斷，如果處理是在邊緣完成的，則需要使用板載gpu，或者由于微控制器不如gpu強(qiáng)大，所以需要使用精度較低的模型。

面部識(shí)別使用視頻片段和靜態(tài)圖像，不僅可以通過(guò)數(shù)據(jù)庫(kù)匹配進(jìn)行身份識(shí)別，還可以用于更深入的目的，如通過(guò)人群掃描進(jìn)行表情分析和其他類似趨勢(shì)的分析。例如，Evolv技術(shù)提供了一個(gè)由篩選機(jī)和面部識(shí)別應(yīng)用程序組成的安全系統(tǒng)。該安檢設(shè)備檢測(cè)金屬和非金屬爆炸物以及其他危險(xiǎn)武器，而面部識(shí)別算法則將攝像頭上的人臉與數(shù)據(jù)庫(kù)中的監(jiān)視名單相匹配。

它可以用在哪里？

當(dāng)涉及到國(guó)家安全時(shí)，支持人工智能的解決方案可以檢測(cè)無(wú)人值守的物品，如機(jī)場(chǎng)和地鐵站、火車站等地的行李，從而簡(jiǎn)化了安全人員的工作。此外，乘客可以通過(guò)面部識(shí)別和生物識(shí)別旅行證件進(jìn)行驗(yàn)證。如果不能清除，可以進(jìn)行人工篩選以滿足要求。這甚至適用于邊境管制系統(tǒng)。

有了像微型無(wú)人機(jī)這樣的移動(dòng)監(jiān)控機(jī)器人，可以覆蓋大片土地。例如，初創(chuàng)公司Shield AI提供Hivemind Nova無(wú)人機(jī)和機(jī)器學(xué)習(xí)應(yīng)用程序，該團(tuán)隊(duì)稱，這些應(yīng)用程序可以幫助軍事或安全人員監(jiān)視甚至沒(méi)有GPS的高威脅環(huán)境。

智能城市的主要方面之一是通過(guò)預(yù)測(cè)、預(yù)防、解決和減少犯罪和其他新出現(xiàn)的威脅來(lái)提高安全性，使之成為安全城市。智能城市通常使用一系列傳感器、跟蹤設(shè)備和監(jiān)控技術(shù)從互聯(lián)設(shè)備實(shí)時(shí)收集信息。然后集中處理和分析與城市運(yùn)行有關(guān)的信息?；谌斯ぶ悄艿谋O(jiān)控可以監(jiān)控零售店的人群，并識(shí)別出那些有可能參與商店行竊等活動(dòng)的人。

基于智能人工智能的監(jiān)控?cái)z像頭提高了安全性和工作效率

隨著系統(tǒng)變得智能化，所有東西都連接在一起，它們也變得容易受到網(wǎng)絡(luò)攻擊。許多智能手機(jī)也采用了面部識(shí)別技術(shù)，以保護(hù)用戶數(shù)據(jù)免受外部攻擊和黑客攻擊。人工智能和深度學(xué)習(xí)可以快速檢測(cè)到這些威脅，目前市場(chǎng)上大多數(shù)網(wǎng)絡(luò)安全軟件和產(chǎn)品都在使用。

Covid-19大流行的影響

在不同國(guó)家的Covid-19流行期間，由于需要保持社交距離，基于人工智能的技術(shù)解決方案，使非接觸功能處于頂峰。創(chuàng)業(yè)公司Landing AI已經(jīng)開發(fā)出了一種支持AI的社交距離檢測(cè)工具，它將視頻中的每個(gè)人都表示為一個(gè)點(diǎn)，當(dāng)兩個(gè)人之間的計(jì)算距離小于1.8米（6英尺）時(shí)，它就會(huì)變成亮紅色。

最近在印度推出了基于計(jì)算機(jī)視覺分析和智能圖像分析的解決方案。它通過(guò)面罩檢測(cè)、社會(huì)距離檢測(cè)和自動(dòng)車牌識(shí)別（ANPR）檢測(cè)車輛運(yùn)動(dòng)檢測(cè)違規(guī)行為，它可以部署在室內(nèi)和室外。

使能技術(shù)

人工智能并不是孤立地工作來(lái)實(shí)現(xiàn)它的目標(biāo)。物聯(lián)網(wǎng)（IoT）和云計(jì)算等技術(shù)在安全系統(tǒng)中AI實(shí)現(xiàn)的成功中起著關(guān)鍵作用。這使得智能揚(yáng)聲器、汽車內(nèi)置攝像頭和遙控門鎖等設(shè)備成為人工智能監(jiān)控的有效工具。隨著物聯(lián)網(wǎng)系統(tǒng)中越來(lái)越多的設(shè)備相互連接，需要共享大量的數(shù)據(jù)進(jìn)行處理。像微軟、阿里巴巴、亞馬遜、IBM這樣的巨頭都有云計(jì)算數(shù)據(jù)中心，這是一種比傳統(tǒng)的現(xiàn)場(chǎng)基礎(chǔ)設(shè)施更安全的數(shù)據(jù)存儲(chǔ)和通信方法，用于促進(jìn)人工智能任務(wù)。存儲(chǔ)在云服務(wù)器中的數(shù)據(jù)通?？梢酝ㄟ^(guò)互聯(lián)網(wǎng)訪問(wèn)。在通過(guò)4G/5G網(wǎng)絡(luò)將硬件連接到云端之后，專門的軟件將解釋從不同地點(diǎn)收集的這些大數(shù)據(jù)，并允許用戶觀察保護(hù)人員和資產(chǎn)的必要措施。

未來(lái)應(yīng)用

雖然人工智能有助于輕易發(fā)現(xiàn)犯罪和事故，但它也引發(fā)了人們對(duì)隱私未來(lái)的嚴(yán)重?fù)?dān)憂，以及當(dāng)前社會(huì)結(jié)構(gòu)面臨的風(fēng)險(xiǎn)。如果公司和政府不能采取足夠的措施來(lái)監(jiān)督和控制這一領(lǐng)域的隱私侵權(quán)行為，將會(huì)產(chǎn)生災(zāi)難性的后果。

為了獲得一個(gè)有用的數(shù)據(jù)，需要處理大量的信息，這意味著需要使用需要數(shù)百個(gè)服務(wù)器的多個(gè)算法進(jìn)行大量計(jì)算。這種資源的浪費(fèi)導(dǎo)致硬件的超支。當(dāng)質(zhì)量經(jīng)常降低以最大化存儲(chǔ)時(shí)，深度學(xué)習(xí)算法需要能夠評(píng)估這些低質(zhì)量的圖像。此外，互聯(lián)網(wǎng)連接需要更快，以限制處理數(shù)據(jù)的延遲。

此外，它并不總是準(zhǔn)確的。以人臉識(shí)別系統(tǒng)為例，當(dāng)天氣不好或圖像失真時(shí)，誤報(bào)率很高。盡管面臨挑戰(zhàn)，人工智能的仍在積極發(fā)展。創(chuàng)新的解決方案正在出現(xiàn)，從廣受認(rèn)可的安全供應(yīng)商到初創(chuàng)企業(yè)，每個(gè)人都在為這些監(jiān)控和安全操作做出貢獻(xiàn)。華為、IBM、NEC公司、?？低?/u>、思科、中興通訊都是滿足大多數(shù)國(guó)家人工智能監(jiān)控需求的知名公司?，F(xiàn)在迫切需要的不僅僅是盲目地利用人工智能在監(jiān)控方面的優(yōu)勢(shì)，而是在人工智能技術(shù)、政府監(jiān)控和公民隱私權(quán)之間建立一種平衡。
責(zé)任編輯：tzh