视频与人工智能结合的六大趋势

虽然视频摄像技术早在20世纪初就已经出现，但直到20世纪80年代，视频才开始在安防和监控应用方面获得关注。这些最初的黑白管相机生成的图像最多是颗粒状的，早期的彩色相机为更好的识别精度提供了一个美妙的视觉数据的新来源。但按照现今的标准，这些相机拍摄的图像就像蜡笔和涂色书一样先进。

视频与人工智能结合的六大趋势

快进到2022年，大多数安防摄像头都能提供高清性能，越来越多的型号将提供4K分辨率，而8K分辨率也即将面世。先进的处理技术，使用或不使用红外照明，也提供了在完全黑暗中捕捉可用图像的能力;而无人机、行车记录仪、随身摄像头、甚至手机等移动设备进一步拓展了视频监控的边界。此外，新型摄像头具有板载处理和内存功能，可在边缘提供更高水平的智能。

一种新的做事方式

但视频已经超越了高级成像和性能的能力，包括了另一个层面:人工智能。视频成像技术与人工智能相结合，提供了丰富的新数据，不仅适用于传统的物理安全应用，还适用于对整个企业的过去、现在甚至未来事件进行更深入的分析。

这不仅仅是物理安全行业的一个重大发展。这是一个重大的范式转变，正在改变安全系统模型的设想、设计和部署方式。对高级视频分析的需求增加主要是由六个流行的行业趋势推动的:

1、专用性能

在过去的几年里，一些视频分析技术已经成为某种商品化的“智能”解决方案，包括基本的运动和物体检测，甚至可以在最便宜的摄像机中找到。新的、更强大的、智能的视频分析解决方案提供了更高水平的视频理解。

这是通过专门构建的深度学习实现的，采用先进的算法和训练输入，能够提取用户定义的特定事件的相关数据和信息。该功能支持两个重要工作流程的自动化：数百或数千个现场摄像机的实时监控，以及记录视频的闪电般的事后搜索。例如，Vintra视频分析通过专有的分析技术来实现这一点，该技术定义了用于特定主题检测、分类、跟踪、重新识别和关联固定或移动视频中从实时或记录源捕获的主题和事件的多类算法。

2、增加个人隐私保护的安全性

增加安全和个人隐私的要求几乎是矛盾的，因为需要准确地识别有威胁的和已知的个人，无论是由于犯罪活动还是需要寻找失踪人员。但在使用面部识别技术来完成这些任务方面，社会上仍然存在阻力，主要围绕着个人身份信息(PII)的收集和存储。

好消息是，无需面部识别，使用先进的视频分析技术，根据各种视觉特征而不是面部来分析个人的全身特征，就可以高效、准确地完成这一任务。这种创新方法提供了一种快速、高效的定位和识别个人的方法，而不会妨碍实时或录制视频捕获的任何个人的个人隐私。

3、创建和利用计算机视觉

有很多术语用于描述人工智能驱动的视频分析，包括机器学习(ML)和深度学习(DL)。机器学习使用算法将数据转换为计算机可以解释和学习的数学模型，然后用于决策或预测。添加深度学习组件，可以使用人工神经网络有效地扩展机器学习模型，从而让计算机通过实例学习。

分层机器学习和深度学习的结合产生了现在被定义为计算机视觉(CV)的东西。作为机器学习的一个子集，计算机视觉是高级视频分析的工作场所。其训练计算机像人类一样解释和分类事件，以获得有意义的见解，如识别个人、物体和行为。

4、提高运营效率

拥有十几个或更多摄像头的监控系统本质上是人力密集型的，需要持续的实时或记录监控，以发现和调查潜在的有害或危险情况。智能视频分析提供事件的实时检测、分析和通知，以主动识别异常和潜在威胁，将传统监控系统从被动反应转变为主动的可操作情报来源。除了帮助更好地保护人员、财产和资产外，高级视频分析还可以提高工作效率和熟练程度，同时减少开销。

通过人工智能支持的视频分析，安全和监控由全天候技术提供支持，无需睡眠、休息或请病假。这使得安全部门可以将人力资本重新部署到最需要的地方，如警报响应或犯罪威慑。其还允许安全专业人员在新的和不断增长的环境中快速轻松地扩展业务。

5、安全投资回报

高级视频分析技术的出现，正在缓慢但肯定地将物理安全系统从必要的运营费用转变为具有切实ROI的潜在收入来源，或者业内更广为人知的ROSI-安全投资回报率。新的视频分析为整个企业的商业智能提供了大量的数据。先进的解决方案可以利用组织在视频监控系统技术上的现有投资，以极高的成本效益做到这一点。

这种简单的迁移路径和高度的成本效益，被选择性地应用于特定摄像机位置的特定应用程序的视频分析的能力而得到放大。这种企业级软件解决方案使现有的固定或移动视频安全摄像头更加智能，极大地改进了组织和政府如何自动检测、监控、搜索和预测可能影响人身安全、健康安全和业务运营的感兴趣事件。例如，滑倒分析可用于识别摔倒人员或防止未来发生事故，而建筑/区域占用率数据可用于限制人群或遵守占用率和距离指南。通过这种方式，收集的数据是一项宝贵的资产，可以提供人工流程无法实现的成本和安全效率。