本文轉載自“智安物聯網”，作者潘一大。原標題《人工智能深度學習技術，深刻改變影像監控產業》。億歐 智慧城市 對文章進行二次編輯，供讀者參考。

---

人工智能發展方興未艾，但隨著影像數據不斷增加，也已成為安全監控的關鍵。本文將重點分析，深度學習科技如何在影像監控領域脫穎而出。

人工智能為一項使機器能夠從過去經驗中學習的技術，又稱為機器學習或認知運算，透過模仿人類大腦所組成的多層類神經網路辨別物件及其模式，并在無人類干預的情況下自行做出決策。

隨著影像數據不斷增加， 人工智能和深度學習 (Deep Learning，機器學習分支)技術已成為 安全監控 的關鍵，能夠有效降低人為錯誤和誤報，并大幅減少影像搜尋時間，對眾多產業造成極大的影響。

「深度學習」在影像監控領域脫穎而出

以深度學習為基礎的演算法，大幅勝過傳統電腦視覺演算法，其主要原因為深度學習系統能夠持續24小時、每天不斷訓練及提升其數據量。許多應用結果皆顯示，深度學習系統在某些領域上可達到近99.9%的準確度，而電腦演算法要超過95%的準確度是非常困難的。

另外，深度學習系統展現卓越的能力，能夠偵測未知或非預期中的事件(異常事件)，此特性能顯著地減少在 安全影像 分析系統中所產生的錯誤偵測。事實上，無法降低錯誤偵測率為影像監控產業的主要問題，因此目前各大產業皆對于智慧影像分析解決方案有強烈的需求。

雖然深度學習已應用于眾多產業且得到突破性的成果，但并非所有應用都合適，然而在影像監控領域的應用則明顯脫穎而出。

人工智能深度學習4大技術優勢

人工智能深度學習技術應用于影像監控領域，可彰顯下列4大優勢：

1、降低誤報率 ：人工智能偵測能夠輕易辨別不同種類的人和物件，例如在此區域中設定偵測人，則當動物及車輛經過，或者樹木產生的陰影，皆不會造成誤報，可減少90%的誤報率。換句話說，在沒有人工智慧的情況下，動物、樹、陰影、天氣狀況都將觸動感應裝置并誤發出警報。

2、容易設置及維護： 沒有人工智能的傳統影像監控必須考慮地形、 攝影機視角 、感應器位置…等，一旦要在設定上作任何變動，都需要手動重新計算這些因素，并可能會影響其他原有的設定。

相較之下，使用人工智慧偵測功能，可讓系統管理者透過單一控制界面，調整系統設定及攝影機，亦能隨時在幾分鐘內調整特定區域內欲偵測的目標物件。

3、容易與第三方技術整合： 人工智慧的本質就是學習，并且能夠自行調整成適合在各種條件下的運行狀態，因此人工智慧可以輕易且即時地與第三方技術進行多層組合。

例如，一旦在特定區域中偵測到目標物件，便會發出警報、 自動開鎖管制進出 、或連動其他附加裝置等，而這些設定皆只須從鼠標按下按鈕便能完成。人工智慧影像監控系統亦能夠輕易地與現有的錄影裝置及儲存系統(NVR)進行整合。

4、性能穩定持久： 沒有使用人工智慧的影像監控系統需要結合多項組件，以及復雜的設置才能提高偵測準確度，然而越多組件代表發生故障的機率越高，包括暴露在外的感應器若受到損害，便會造成錯誤或延誤偵測。

另一方面，以人力進行監控管制，也無法確保能得到穩定且正確的資訊。研究顯示，一個人的專注力最多只能維持20分鐘，而當人們同時面對多個物件，如監視多個攝影機監控螢幕，注意力更會快速下降。人工智慧技術可完全消除這些疑慮，此外使用人工智慧相對減少所需組件，有效降低系統故障的風險。

應用于監控影像分析4大亮點

基于人工智能深度學習技術的監控影像分析解決方案，亦可突顯以下4大亮點：

1、區別人類、動物及雕像： 人工智慧系統持續分析監控攝影機所捕捉的影像串流，能夠區分人類的臉孔與非人類物件(如動物、雕像)的臉，并如人類的大腦，人工智慧會將這些訊息儲存在記憶中。

2、人臉快搜： 利用人工智能能夠即時偵測圖片中的人臉及特征，使用者不需在系統中建立人臉資料庫，只需上傳目標物件的人臉照片到系統，人工智慧便能從記憶中搜尋相似的人臉。

分析此目標人物在何時、何地出現過，并能夠利用時間及攝影機位置與地圖連接，獲得此人物的行徑并推測可能進行的路線。此外，使用者可以決定想要搜尋的日期與時間區間，亦可指定特定攝影機做搜尋，并能夠調整相似度，決定所搜尋的人臉與上傳的照片匹配程度高低。

3、人臉辨識： 深度學習技術應用在人臉辨識上，能有效改善其準確度。美國國家標準技術研究所(NIST)在過去10年中進行人臉辨識供應商測試(FRVT)，根據NIST的報告顯示，在過去20年人臉辨識的錯誤率已大幅改善。

現今大多數擁有高性能及高準確度的人臉辨識產品，都是基于深度學習技術。而根據Facebook和特拉維夫大學的研究，人臉辨識用于特定環境(例如辨識機場移民)，其準確率已達到99.9%。

4、入侵偵測： 人工智能可使入侵偵測功能達到最高準確度及最低誤報率。使用人工智慧，系統管理員可根據所需，配置具有不同條件及目標偵測物件的限制區域，包括特定顏色偵測或特征偵測。

例如，未穿著所需制服或攜帶食物/飲料的人、超過5人在此區域游蕩、在特定時間有目標物件入侵、異常行為或逆向行進等，皆能準確偵測并發出警報。

結語： 由于人工智能深度學習技術具備上述優勢及亮點，全球 安全監控業 者也已紛紛投入相關設備及應用開發。

本文已標注來源和出處，版權歸原作者所有，如有侵權，請聯系我們。