這幾年安防產業亦出現相當熱門的數據化人工智能學習和識別技術的概念，它們與安防有什么關聯?如何應用在安防監控中?AI人工智能目前最多的應用又是哪些?

　　自從道路視頻監控系統在全球興起之后，目前世界各國的城市視頻監控建設即將進入擴張與結構改變的階段，在這種需求變革下，安防監控系統將需要更多元化與人工智能化的整體解決方案?，F代化的公共安全已不再僅止于無限的擴充影像監控覆蓋密度、廣度以及追求超高清解晰度，而是透過這些人工智能化的手段與工具，讓安防時代更進一步，轉向注重數據采集、應用和管理的人工智能化AI安防時代。
　　全球城市道路監控建設都在快速發展，為城市公共安全及治安偵察工作提供了影像的方便性和立即性。但隨著監控設備數量的大量倍增，影像解析度的不斷提高，公共安全搜集到的影像和圖片之數據量呈現等比幾何的增長，再加上影像解析度的提高，連帶使伺服器的處理能力和使用率都產生了更高的門檻。因此，AI安防影像監控在影像調閱、門禁進出數據、資料的儲存、運算等技術上都面臨巨大挑戰。

　　AI人工智能與AI安防監控的應用技術
　　面對這樣的挑戰，AI安防監控使用者如何能在大量增加的數據中，利用既有的人工智能技術快速獲取有價值的資料，便成為當前最重要的課題。以下簡述幾種與AI安防監控結合的AI人工智能技術：

　　1、人工智能的模式識別技術
　　通常在監控系統收集的影像數據資料中，資料本身并不具價值，必須再經過深度挖掘、分析資料中影像呈現的數據模式，才會產生出真正有用的價值。未來是大數據的時代，數據資料的模式識別將備受重視。

　　2、人工智能的深度學習技術

　　此為AI人工智能機器深度學習研究中的新領域，其動機在于建立、模擬人腦進行分析學習的神經網路，它模仿人腦的行為思考機制來解釋數據資料，例如影像內容、聲音和資料本身。未來要讓AI人工智能的機器深度學習能夠大行其道，數據資料本身將是最主要的關鍵因素，而影像監控資料占大數據總量的60%以上，也就是說，影像監控領域有70%以上的數據資料分析是用來進行影像識別。目前這種AI機器深度學習在AI安防產業的諸多領域都取得了很大進步，包括：行人檢測、車輛檢測、非移動車輛檢測等，其識別準確率甚至超過人類的眼睛判斷。

　　3、 AI人工智能的前端識別技術

　　先進的產品技術是一家高科技企業能否長久發展的根本，要AI安防監控智能化，系統就需有基于AI人工智能相關的「影像識別」運算技術，才能夠開發出一系列的智能化監控應用設備，因此前端識別技術也就成了AI人工智能的第三個本質技術。

　　大致介紹說明完三種較常見的AI人工智能的安防應用技術內容，接下來我們再進一步探討AI人工智能在AI安防上的深度技術發展：

　　1、多特征識別技術

　　一般在大量影像數據資料下，想要從歷史和即時的影像資料中篩選犯罪嫌疑人有如大海撈針，而多特征識別技術則是透過人工智能的方式，讓電腦從大量監控影像中自動識別出嫌疑人，分析資料中的個人特征，然后根據犯罪嫌疑人的特征自動篩選，節省人力物力的同時也大大縮短犯罪嫌疑人的到案時間?，F在部分廠商利用先進的深度學習技術，研發出能夠克服光照、天氣等不可抗力因素，快速準確地識別出個體人物的各種重要特征，如性別、年齡、發型、衣著、體型、是否戴眼鏡、是否騎車以及隨身攜帶的物品等。個體人物多特征識別演算法有著靈活的布建方式，可自訂時間軸和識別區域范圍以達到快速準確的判別，并利用智能影像分析(IVS)于影像伺服器集群的輔助，對監控系統中幾百支影像監控攝影機進行24小時不間斷的多特征分析與檢索，即時找尋可疑人員，發出預先告警信號。

　　2、姿態識別技術

　　姿態識別技術是指針對個體人物的走路姿勢，是一種可在遠距離就感知的生物行為特征技術。和其他生物特征識別技術相比，姿態識別的優勢在于非接觸性、非侵入性、易于感知、目標物難以隱藏和偽裝等。姿態分析還可以輕松的區分出個體人物的不同行為模式，例如是在行走中、奔跑中、還是攜負重物等?；谶@些優點，姿態識別特別適用于門禁系統、安全監控、人機交換、醫療診斷等部分，尤其在AI安防領域中具有廣泛的應用和經濟價值。
　　3、 3D相機技術

　　身高是人體重要的資料特征之一，在一些特定的場所，例如風景區入口、車站收票口等對身高要求都有明確的規定。傳統利用尺度工具測量身高的方法雖然操作簡單，但需要被測人員配合，不僅速度慢，精確度也較差;超聲波、紅外線等方式雖可實現自動測量、精準度較高，但對測量環境條件的要求有較多限制，不適合用于公共場所，而3D電腦視覺技術的3D相機則可以很好地解決上述問題，提供多場景、非接觸式、自動化的量測。3D相機是利用深度感測器獲取現實場景的深度資料和顏色資訊，透過座標變換建立深度資料與3D座標之間的對應關系，然后藉由去雜訊、配對位準等運算法去除干擾并減小誤差，最后再以3D重建的方法得到身高以及其他資料。

　　4、推動AI安防未來大數據

　　在AI人工智能分析市場的創新推動下，人們挖掘影像監控中有價值的數據資訊，并不僅只是局限于當前人、事、物的基本資訊而已，同時也需依靠廠商強大的研發能力，可以不斷對AI安防大數據采集的關鍵資訊進行有效補充，不但為最終的大數據平臺帶來更具附加價值的資料，也為深度的AI人工智能在AI安防產業數據應用下，提供源源不絕的產品發展動力。

　　1、更智能的AI應用

　　分布式結構可以包含云計算和邊緣計算。它將人工智能(AI)算法從云端擴展到本地視頻錄像機和服務器，并進一步擴展到安全攝像機等邊緣設備。三層架構都支持構建一類新的AI驅動應用目標，甚至更智能，更快速。

云端攝像機視頻分析和深度學習功能的結合可以改善視頻分析。攝像機可以配備基本的視頻分析，它們與云基礎設施相連，可提供額外的深度學習算法。這些攝像機提供計算機視覺預處理，而大量詳細的分析則可以在云端神經網絡中處理。

　　2、從邊緣到云端的數據分布

　　云計算允許具有各種計算功能的用戶在私有云或位于數據中心的第三方服務器上存儲和處理數據。然而，隨著計算業務變得越來越頻繁和復雜，對數據處理性能的需求甚至更高。在數據傳輸到云端的過程中，云計算消耗了巨大的網絡資源和時間，這些都導致網絡擁塞和低可靠性。

　　3、云端增加了AI功能

　　云端提供了AI和深度學習應用所需的額外數據計算功能。

　　4、邊緣系統的優勢

　　深度學習和神經網絡計算無處不在。它們現在已經在本地計算機，嵌入邊緣設備的系統中，甚至云端廣泛使用。

邊緣計算在視頻監控市場中尤為重要，它使系統能夠在任何帶寬或延遲問題都會限制基于中央服務器系統有效性的情況下運行。同時，基于邊緣的功能還降低了對信息隱私的擔憂和對網絡連接的依賴。

　　人工智能(AI)是一個計算密集型的過程，無論是在云端還是在本地計算機上，在邊緣進行處理都無需集中進行。特別是視頻監控攝像機，沒有足夠的帶寬來通過網絡基礎設施傳輸視頻數據以進行處理。全球一半以上人口密集的地區互聯網速度低于8 mbps，這肯定無法處理新智能應用所需的數據水平。

　　延時是采用邊緣智能的另一個優勢。目前，大量的應用越來越要求很小甚至沒有延時(小于200毫秒)，并且將數據傳輸到其它地方再進行處理則需要花費時間。

　　邊緣計算還可以確保數據更加私密，而不是將數據留存在私有云或公共云中，甚至本地存儲。 更高的計算能力和邊緣嵌入式系統的效率為具有智能的物理安全設備鋪平了道路，遠遠超出了業界現在使用的范圍。東莞市英視特電子有限公司承接：城市及道路照明工程；道路標識及停車場交通設施工程；閉路監控系統、智能防盜報警系統、樓宇對講系統、門禁停車場道閘系統、視頻會議、廣播系統、智能家居等集成項目。