人工智能为何会成为安防领域一大刚需？

一直以来，视频监控便是是防范系统中的重要组成部分，传统的监控系统包括前端摄像机、传输线缆、视频监控平台。然而查看视频不仅是件工作量巨大而且是人力效率极低的事情，一直以来，安防领域都在寻求着不同的解决方法。人类监视监控视频的能力限制导致其对人工智能的需求。

早期解决方案-运动检测相机

为了弥补人们长期监视监视器易丧失注意力和辨别警示等缺点，采用的解决方案是在摄像机上增加运动探测器。当AI摄像机检测到入侵者或行为人的动向，探测器便向远程监控人员发出警报，无需监控人员长久坚守显示屏前。然而问题在于，室外环境中，存在多种多样的运动或像素的变化，例如被风吹动的叶子，，昆虫，鸟类，狗，阴影，阳光等扰乱运动。这就导致了运动探测器每天会产生数百甚至数千个错误警报，使得该解决方案在非工作时间的室内环境中不可操作。

下一次演变在一定程度上减少了错误警报，但代价是复杂且耗时的手动校准。这里，检测诸如人或车辆的目标相对于固定背景的变化。如果背景季节变化或由于其他变化，可靠性会随着时间的推移而恶化。再次回应过多错误警报的经济学证明是一个障碍，这种解决方案是不够的。

视觉识别的机器学习涉及模式分类识别。视频分析可以区分人体形态，车辆和船只或选定的物体与所有其他物体的一般移动和显示器上的视觉静态或像素变化。它通过识别模式来实现这一点。当捕捉的对象（例如人）违反预设规则时，则发送警报。红色矩形或所谓的“边界框”通常会自动跟踪检测到的入侵者，并将其短视频片段作为警报发送。

人工智能（AI）的兴起开始使各行各业的技术发生革命性变化，其中的安全性也很突出。如果说视频编解码技术将安防行业从模拟时代带到数字时代，如今人工智能技术在在安防行业的成熟应用，又把把安防行业代入了一个智能时代。

用于视频监视的人工智能利用计算机软件程序来分析来自视频监视摄像机的图像，以便识别人类，车辆或物体。安全承包商对软件进行编程，以定义摄像机视图内的受限区域（例如围栏区域，停车场，但不是人行道或停车场外的公共街道）。

AI程序通过机器视觉询问观察对象是否像参考图像一样移动，结合来自各种问题的所有值，得出总体排名，如果该值超过设置的限制，则发送警报。这些程序的特点是它们在某种程度上可以进行自我学习。

基于非规则的安全AI形式，称为“ 行为分析 ”。该软件完全自学习，用户或安全承包商无需初始编程输入。在这种类型的分析中，AI根据自身对各种特征模式的观察，例如大小，速度，反射率，颜色，分组，垂直或水平方向等，了解人，车辆，机器和环境的正常行为。AI对视觉数据进行标准化，这意味着它对所观察的对象和模式进行分类和标记，对各种观察对象的正常行为或平均行为进行持续的定义。经过几周的学习后，它可以识别出什么时候会破坏模式。当它观察到这种异常情况时会发出警报。例如，汽车在街上行驶是正常的。看到驾驶到人行道上的汽车将是一个异常现象。