盡管攝像機技術自20世紀初就已經存在，但直到上世紀80年代視頻技術才開始在安全和監控應用中獲得關注。這些最初的黑白攝像機生成的圖像充其量是顆粒狀的，而早期的彩色相機提供了一種全新的視覺數據來源，可以更好地提高識別精度。如果按照今天的標準來看，這些相機產生的圖像也就是蠟筆和涂色書差不多的水準。

　　快進到2022年，大多數安防攝像機都可以提供高清視頻，越來越多的型號都可以支持4K分辨率了，甚至8K攝像機也開始在安防市場中顯現。這些攝像機具有自身的處理技術，無論是否使用紅外照明都能提供在完全黑暗的環境中捕捉可用圖像的能力。不僅如此，無人機、行車記錄儀、隨身攝像頭甚至手機等移動設備還進一步擴大了視頻監控的邊界。此外，新攝像機具有板載處理和內存功能，可提供更高水平的智能化應用。

　　不過，人工智能使得視頻技術超越了高級成像，進入了另一個層次。視頻成像技術與人工智能相結合，獲得了大量新數據，而且不僅可用于傳統的物理安全應用，還能用于對整個企業的過去、現在甚至未來事件更深入地分析。

　　對于物理安全行業來說，這不僅僅是一個巨大的發展，更是一個巨大的范式轉變。這種轉變正在改變安全系統的設想、設計和部署方式。目前，對高級視頻分析的大量需求是由六種流行的行業趨勢所推動的：

　　1、專用性能

　　在過去的幾年里，一些視頻分析技術已經成為某種商品化的“智能”解決方案，包括一些基本的運動和物體檢測，即使是最便宜的攝像機也可以做到。然而，新的、更強大、更智能的視頻分析解決方案可提供更高水平的視頻理解。

　　高水平的視頻理解主要是通過使用專用構建的深度學習、采用高級算法和訓練輸入能力來完成的，這些輸入能夠提取用戶感興趣事件的相關數據和信息。此功能為兩個重要工作流程的自動化提供了動力：實時監控數百或數千個攝像機，以及對錄制的視頻進快速的事后搜索。

　　2、通過個人隱私保護提高安全性

　　在需要準確識別威脅或已知個人，無論是由于犯罪活動還是需要定位失蹤人員方面，在需要提高安全性的同時又要保護個人隱私，這顯然是很矛盾的。所以，在使用面部識別技術完成此類任務方面仍然存在很大的社會阻力，這主要涉及到個人身份信息 (PII) 的收集和存儲。

　　不過好消息是，這些是可以在沒有面部識別的情況下有效地完成的。使用自身的視頻分析技術，根據各種視覺而不是面部特征來分析個人的全身特征。這種創新提供了一種快速且高效的方法來定位和識別個人，同時又不會妨礙實時或錄制視頻中捕獲的任何人的個人隱私。

　　3、機器視覺的創造與利用

　　有很多用于描述AI驅動的視頻分析的術語，包括機器學習(ML)和深度學習(DL)等。機器學習采用算法將數據轉換為計算機可以解釋和學習的數學模型，然后用于決策或預測。而通過添加深度學習組件，您可以使用人工神經網絡有效地擴展機器學習模型，人工神經網絡則可讓計算機通過示例進行學習。

　　分層機器學習和深度學習的結合產生了現在定義為計算機視覺 (CV) 的東西。作為機器學習的一個子集但更進化的形式，機器視覺往往又離不開高級視頻分析。它訓練計算機像人類一樣對事件進行解釋和分類，以獲取有意義的見解，例如識別個人、對象和行為。

　　4、提高運營效率

　　帶有十幾個或更多攝像頭的監控系統本質上還是需要大量使用人力的，需要持續的實時或監控錄制來檢測和調查潛在的、有害的或危險的情況。而智能視頻分析則可提供實時檢測、分析和事件通知來主動識別異常和潛在威脅，將傳統監控系統從被動情報來源轉變為主動情報來源。除了更好地保護人員、財產和資產外，高級視頻分析還可以提高生產力和熟練度，同時減少開銷。

　　借助AI驅動的視頻分析，安全監控可支持24小時無間斷工作，無需睡眠、休息或請病假。這樣便能保證把人力資源重新部署到最需要的地方，例如警報響應或犯罪威懾。它還允許安全專業人員在新的、不斷發展的環境中快速輕松地擴展操作。

　　5、安全投資回報

　　高級視頻分析的出現正在緩慢地將物理安全系統從必要的運營費用轉變為具有切實投資回報率的潛在收入來源，或者正如業內更為人所熟知的ROSI - 安全投資回報率。新的視頻分析為整個企業的商業智能提供了大量數據，而自身的解決方案則可以通過利用企業在視頻監控系統技術方面的現有投資，以極高的成本效益來實現這一目標。

　　6、無盡的應用

　　用于高級視頻分析平臺的商業智能應用程序幾乎是無窮的，包括生產制造、物流、勞動力管理、零售商品和員工部署等等。這還包括利用Dashboard和隨身攝像頭、無人機和其他形式的農用機器人、石油、天然氣、運輸以及許多其他戶外和移動應用程序。其另一個好處是能夠容納來自智能手機和常見Web瀏覽器的實時視頻源，可進一步擴展高級視頻分析應用的多功能性。

?