隨著人工神經網絡研究在20世紀80年代后期的興起，人工智能進入了一個新的階段。 人工智能技術是如何推動監控領域的發展？

在近年來，深度學習在人工神經獲得很多的突破，讓機器輔助人類工作，開拓人工智能的應用領域，如安全領域的應用，逐漸成為幫助人們生活的重要助手。

視頻監控一直是安全系統的重要組成部分。 傳統的監控系統包括前端攝像頭，傳輸電纜和視頻監控平臺。 但是，觀看視頻不僅工作量巨大，而且人員效率也很低。 很長一段時間，安全領域正在尋找不同的解決方案。 人類監控和監控視頻的能力限制了他們對人工智能的需求。

傳統的自動控制是基于確定的模型，智能控制的研究對象具有嚴重的模型不確定性，即模型未知或知之甚少的模型的結構和參數在很大范圍內變化。 例如，工業過程的不適定的結構問題和一些干擾的不可預測性使得不可能建立他們的模型，這是基于模型的傳統自動控制難以解決的。

智能監控旨在通過視覺模式識別技術（如檢測，識別和跟蹤）智能地分析和判斷監控視頻中的對象，行為和事件等對象，從而減少或取代人為干預。 涵蓋的技術包括面對面。 視覺識別識別和行為分析，如行人，車輛，標志等，主要分為以下幾類：

1、人臉識別。 人臉識別系統具有許多潛在價值。 它可以與視頻監控系統結合使用，幫助執法人員識別和識別人群中目標人群的面孔。 這可能有助于警方在未來追蹤罪犯，甚至阻止他們發生。 從源頭組織犯罪。 可用于面部驗證，安全面部搜索等。

2、車牌識別。 首先，停止車輛的車牌圖像，然后使用圖像檢測方法檢測車牌在圖像中的位置，然后提取并識別車牌文本，并檢測車輛的視頻流。 收集車道中的車輛以實現相同的車牌。 多次識別，最終輸出經過優化和選擇。 一般來說，它不需要外部觸發信號，適應性強，對車輛遮擋有一定的抵抗力。 它主要用于社區車輛的登記和查詢，以及高速公路上非法車輛的捕獲。

3、語音識別，語音識別根據說話者的要求分為特定人語音識別和非特定人語音識別。 特定人物語音識別意味著當前語音識別系統被設計為識別特定用戶的語音。 在這種情況下，數據庫中的音頻樣本全部來自用戶，因此數據庫中語言的語音習慣和語速。 語音與用戶一致，可以大大提高識別準確率。 非特定人員語音識別是指使用通用系統供所有用戶使用，使用低門檻，主要實現人機交互。

視頻監控應用了人工智能技術，雖然增強監控存在一些潛在的風險，但潛在的優勢顯然大于缺點。 如今，算法和芯片領域的人工智能的成熟和成本使智能監控的商業化更加流行。
責任編輯：YYX