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（ArtificialInterligence，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。

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%的準确度，而电脑演算法要超过95%的準确度是非常困难的。

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。

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。

4、入侵侦测：人工智能可使入侵侦测功能达到最高準确度及最低误报率。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。

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。

(本文转载自电子发烧友网，如有侵权，请联系删除)