坐拥两大技术，你将改变视频监控行业
国家涉密局委员会 发布时间：2017-11-16 浏览：
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*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。
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*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*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*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*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%的準确度，而电脑演算法要超过95%的準确度是困难的。
另外，深度学习系统展现*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*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性的成果，但并非应用都合适，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*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，亦能在几分鐘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準确度，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*能得到稳定且正确的资讯。研究显示，一个人的专注力*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*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*确度。美国国家标準技术研究所(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。现今大多数拥有性能高及高*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)，其準确率已达到99.9%。
4、入侵侦测：人工智能可使入侵侦测功能达到*高準确度及*低误报率。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，皆能準确侦测并发出警报。
结语
由于人工智能深度学习技术具备上述优势及亮点，**安*监控业者也已纷纷投入相关设备及应用开发。
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*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*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*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%的準确度，而电脑演算法要超过95%的準确度是困难的。
另外，深度学习系统展现*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*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性的成果，但并非应用都合适，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*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，亦能在几分鐘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準确度，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*能得到稳定且正确的资讯。研究显示，一个人的专注力*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*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*确度。美国国家标準技术研究所(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。现今大多数拥有性能高及高*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)，其準确率已达到99.9%。
4、入侵侦测：人工智能可使入侵侦测功能达到*高準确度及*低误报率。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，皆能準确侦测并发出警报。
结语
由于人工智能深度学习技术具备上述优势及亮点，**安*监控业者也已纷纷投入相关设备及应用开发。
