影像監控中的深度學習、機器學習和人工智慧如何發揮作用？
 |
| Klacci 凱樂奇 校園安全系統 |
人工智慧（AI）基於電腦視覺。電腦視覺是一組演算法或數學程式，作為原理圖流程圖，其目的是將給定物件與數千張參考影像進行比較。
人工智慧試圖破譯有關物體是否具有與任何參考影像相似的高度、尺寸、顏色、運動或特徵。
透過組合不同問題的值，可以為該物件獲得分數，AI 使用該分數來確定它是否符合配置的選擇標準。
此外，人工智慧系統透過其持續執行進行自我學習，透過這種方式，在連續的分析中，它們能夠更快、更準確地進行搜尋或比較。
近年來，一種名為「行為分析」的非基於規則的人工智慧變體變得更加重要。這個人工智慧完全是自學成才的，不需要使用者進行初始可程式。在這種類型的分析中，人工智慧根據自己對尺寸、速度、顏色等各種特徵模式的觀察來學習人、車輛、機器和環境的正常行為。
人工智慧將視覺資料規範化，這意味著它對觀察到的物件和模式進行分類和標記，對觀察到的各種物件的正常或平均行為進行持續完善定義。經過幾周的學習，它能夠辨識物體何時不正常。當它觀察到這種異常時，它通常被寫程式為傳送警報。例如，汽車在街上行駛是正常的。如果汽車在人行道上，則代表異常情況，並會發出警報。
人工智慧如何應用於影像監控
用於影像監控的人工智慧專注於裝置上載入的特定軟體或韌體，該軟體或韌體分析來自影像監控攝影機的音訊和影像，以辨識人員、車輛、物體、事件和/或行為。
有可能在邊緣（非邊緣）或集中式伺服器上應用人工智慧。每個替代方案都有其優點或缺點，這取決於相關場景的具體特徵。
對場景進行詳細的分析和知識非常重要，因為並非所有的分析都適合所有場景，無論它們可能多麼相似。 在任何條件（照明、天氣條件、視角等）中，也不可能在同一場景中應用人工智慧分析。
因此，使用者必須依靠他們值得信賴的製造商或整合商的建議，以幫助他們根據自己的需求選擇和參數化最佳分析。
人工智慧對影像監控的好處
人工智慧也在徹底改變影像監控行業。基於人工智慧的軟體工具，有助於減少花在監控上的時間，使安全操作人員在工作中更加有效率和成功。
人工智慧技術允許營運營業者專注於他們最擅長的事情，無需持續監控監控，並自動化監控的「檢測」功能：檢查和處理重大事件。
自動警報或訊號允許緊急服務主動而不是反應，並立即開始響應。這改變了閉路電視在報告和警報後追蹤事件、情況和事件的傳統用途。
更高的精度
人工智慧工具可以幫助操作員在場地的所有攝影機中快速定位感興趣的特定人員或車輛。
提高效率
從歷史上看，控制中心的影像監控影象一直由人們監控。人們不僅無法長時間集中注意力，而且同時監控多個攝影機效率低下、效率低下且勞動密集型。
再加上人類在長時間的影像監控後無法辨識重大事件，這意味著需要人工智慧來填補空白，將閉路電視系統從被動者移動到主動觀察者。
與其他技術應用的整合
一旦我們開始在影像監控系統中應用人工智慧，它自然會為並行使用其他技術開啟大門，使功能更加強大。
但任何認為人工智慧只對風險事件進行預警，或提高控制中心營運業者生產力的人都錯了。
人工智慧系統在發出警報時，可以透過餵養儲存它們的資料庫，來處理與引起警報的物件相關的資料，以供進一步處理。多虧了大數據工具，該系統獲得了商業智慧，因此組織的其他領域或部門，可以在日常任務中利用這些資料。
沒有留言:
張貼留言