除非你最近参与了涉及深度学习人工智能的视频监控项目，否则你可能会觉得这项技术太昂贵而且只用于高端领域。端应用。引入由深度学习人工智能提供支持的新一代经济实惠的相机的情况远非如此。然而，与该技术相关的术语（例如人工神经网络和机器学习）肯定会给人留下这样的印象，即该技术的功能远远超出了大多数最终用户从其视频监控解决方案中获得的功能。在程序中获得最大利益的要求。消除误报但事实并非如此，大多数时候都需要AI摄像头来解决困扰电子安防行业数十年的误报问题。简而言之，深度学习AI视频分析忽略了视频噪声、摇曳的树木、移动的云彩和动物——当使用标准运动检测技术或传感器检测活动时，所有这些通常都是误报的原因，因为它没有经过训练处理这些情况。这种基于人工智能的深度学习视频分析的更高性能意味着控制室操作员和安保人员可以专注于应对真实事件和紧急情况，而不是将时间和精力浪费在误报上。除了极高的准确性，深度学习还允许操作员搜索特定的特征和属性，包括一个人的年龄和性别，以及他们是否戴眼镜、帽子或包。易于安装和使用事实上，深度学习AI的安装、设置和使用并不复杂，因为所有的智能部分都已经内置在AI相机中。因此，系统集成商和安装商应该能够充分利用这项技术作为几乎所有视频监控项目的一部分。随着AI开箱即用，用户实际上不需要深入研究其工作原理的技术方面，尽管有机会对其进行自定义以满足最终用户的操作要求。让我们从深度学习开始。这是机器学习的一部分，是一种通过训练机器执行基于大量示例的任务来实现人工智能的方法。为此，深度学习使用多层或深度人工神经网络，它们本质上是受人脑启发的数学模型。它们的深度使它们成为解决复杂问题的理想选择，例如以极高的准确性识别原始视频中的对象和事件。例如，要能够正确确定一个人的性别，HanwhaTech的研发工程师需要设计，训练和验证一个深度学习网络，该网络使用训练阶段的数据库，在训练阶段，每个面孔都标有一个标签已知的真实性别。经过我们工程师几天的训练，神经网络就可以使用了，准确率可能达到98%左右，这和人类做同样事情的能力差不多。与更传统的视频分析相比，深度学习AI技术的性能要优越得多。后者通常基于运动检测，因此不够复杂，无法检测静止物体（如停放的车辆）或处理视频噪声（如前灯或移动阴影造成的光污染），所有这些都可能导致误报.在快速移动或非常繁忙的环境中，分析性能同样令人印象深刻，改进了对证据的取证搜索并加快了调查速度。由于这些原因以及更多原因，深度学习AI可能不可避免地会逐渐取代大多数应用程序的传统视频分析，尤其是那些遭受错误检测最多的应用程序。例如，它使零售商能够捕获和分析年龄和性别等商业智能，从而使他们能够精细地分析客户人口统计数据，并在此过程中更深入地了解客户行为和购买模式。应该指出的是，深度学习人工智能在过去一年左右的时间里做出了宝贵的贡献，因为它一直是口罩检测、距离测量和占用监测应用的核心。
