高端视频监控应用以外的人工智能

乌里·古特曼, 产品和营销总监 韩华科技温欧洲, explica por qué la inteligencia artificial con aprendizaje profundo ya no es una tecnología emergente que solo se usa en videovigilancia.

除非你最近参加了 视频监控 涉及 人工智能 (的) 与 深度学习 (深度学习), 您可能会觉得该技术太昂贵，无法部署在其他非高端应用程序中.

随着新一代经济实惠的相机的推出，AI 已经集成了 深度学习 事情已经改变了很多. 然而, 与技术相关的行话, 如人工神经网络和机器学习, 可能会给人的印象是，技术的可能性远远超出了大多数用户实现视频监控解决方案的最大效益所需的范围.

消除假警报

情况也远非如此, 因为大多数可以安装人工智能摄像头的情况都是基本需要解决误报旧问题的情况, 在电子安全行业非常普遍了几十年.

简单地说, 基于 AI 的视频分析 深度学习 忽略视频噪音, 树木的叶子在移动, 云移动和动物.

总之, 使用传感器或标准运动检测技术检测活动时，通常可能是假警报原因的任何东西, 因为他们还没有被设计为这个目的.

基于 AI 的视频分析的这一更高性能级别 深度学习 意味着控制室操作员和安全人员可以专注于应对实际事件和紧急情况, 而不是把时间和精力浪费在假警报上.

除了极高的精度, 深度学习 它还允许运营商搜索特定的功能和属性, 包括一个人的年龄组和性别, 如果你戴着眼镜, 帽子或钱包.

易于使用和配置

由于所有智能元件都已集成在带有 AI 的摄像机中，因此安装并不复杂, 人工智能的配置和使用 深度学习. 喜欢这个, 系统集成商将能够将此技术应用于几乎所有视频监控项目.

安装摄像机后，AI 即可立即工作, 虽然它提供了定制的机会，以满足最终用户的操作要求，是没有必要的最终用户有一个深刻的技术水平. 然而, 我们将给出一个技术视角.

让我们从 深度学习, 这是机器学习的一部分，是一种通过训练机器在很多示例的基础上执行任务来实现 AI 的方法.

要做到这一点, 深度学习 使用深度人工神经网络, 或多层, 这基本上是受人脑启发的数学模型.

他们深的事实使他们非常适合解决复杂的问题, 例如识别原始视频流中的对象和事件, 精度非常高.

例如, 正确确定一个人的性别需要专家研发工程师来设计, 教和验证一个深刻的学习网络，, 在培训阶段, 使用数百万张正确选择的面孔的数据库, 每一个都标有其真正的已知属.

经过工程师几天的培训, 神经网络是准备上线，并有可能有一个大致的准确性 98%, 这或多或少与人类完成相同任务的能力相同.

人工智能技术与 深度学习 与传统视频分析相比，其性能要高得多. 后者通常使用运动检测，但不够先进，无法检测静态物体 (作为停放的车辆) 或排除视频噪音, 大灯或移动阴影产生的光污染, 这是误报的原因.

在运动速度快或非常繁忙的环境中，分析性能同样令人印象深刻, 改进专家证据的搜寻，加快调查.

出于这些和其他原因, 也许这是不可避免的，AI与 深度学习 在大多数应用中逐渐取代传统视频分析, 尤其是那些遭受更多的错误检测.

AI 与 深度学习 特别适合比传统视频分析更复杂程度的应用程序.

例如, 使企业能够捕获和应用针对年龄和性别的商业智能, 以便能够根据个人情况分析客户的人口统计学，, 这样做, 更好地了解客户行为和购买模式.

应该指出的是，人工智能与 深度学习 在过去的一年里做出了宝贵的贡献, 因为它一直是面具检测应用程序的核心, 距离测量和占用监控.

除了帮助打击犯罪活动, 有无数的方式，其中AI视频分析 深度学习 集成到摄像机中可以帮助企业提高生产率，并在受大流行影响的世界中安全运营.

随着最近提供廉价的相机配备了这项技术, 用户现在可以期待高投资回报, 不管他们如何利用技术.

乌里·古特曼

产品和营销总监 韩华科技温欧洲

 

 

 

其他文章 韩华科技