AI人工智能技术在安防领域的发展

在这简要介绍了三种常见的人工智能安防应用技术后，我们将进一步探索人工智能在安防领域的深层次技术发展：

一、多特征识别技术

一般在大量影像数据资料下，想要从历史和即时的影像资料中筛选犯罪嫌疑人有如大海捞针，而多特征识别技术则是透过人工智能的方式，让电脑从大量监控影像中自动识别出嫌疑人，分析资料中的个人特征，然后根据犯罪嫌疑人的特征自动筛选，不仅大大的节省人力物力，同时也大大缩短犯罪嫌疑人的到案时间。现在有部分厂商利用先进的深度学习技术，研发出能够克服光照、天气等不可抗力因素，快速准确地识别出个体人物的各种重要特征，如性别、年龄、发型、衣着、体型、是否戴眼镜、是否骑车以及随身携带的物品等。个体人物多特征识别演算法有着灵活的布建方式，可自订时间轴和识别区域范围以达到快速准确的判别，并利用智能影像分析（IVS）于影像伺服器集群的辅助，对监控系统中几百支影像监控摄影机进行24小时不间断的多特征分析与检索，即时找寻可疑人员，发出预先告警信号。

二、姿态识别技术

手势识别技术是个人角色的行走姿势，是一种可以远距离感知的生物行为特征技术。与其他生物识别技术相比，手势识别具有非接触，非侵入性，易于感知，难以隐藏和伪装物体的优点。姿态阐发还可以轻松的辨别出个别人物的分歧行动模式，例如是在行走中、奔驰中、仍是携负重物等。基于这些优点，姿态识别特别适合于门禁控制系统、安防监控、人机交互、医疗诊断等部分，尤其在安防领域有着广泛的应用和经济价值。

姿态分析的技术困难点在于其特征的稳定性问题，因为一个人的姿态会受多种因素影响而改变，为了克服这个问题，很多厂商在研发上加进了机器深度学习方法，用姿态向量图示来描述姿态顺序排列，透过深度累积神经网路训练匹配模型。训练后的累积神经网络匹配模型可以计算待识别姿态图像和已配准姿态图像的序列排列，比较各姿态向量图的相似性，然后根据其相似性进行识别。姿态识别应用采全天候模式，在特定的安防场合中可快速对远距离个体人物目标的身分进行准确判断，因此研究人员将来势必需要建置大规模的姿态资料库。姿态识别技术将有助于解决一些低影像解晰度个体人物身分识别的难题，安防监控公司，为使用者提供重要的识别查核线索。

三、3D相机技术

身高是人体重要的数据特征之一。在一些特定的场所，如景点入口、车站售票口等，对高度有明确要求。传统操纵标准东西丈量身高的方式固然操作简单，但需要被测人员共同，不但速度慢，切确度也较差；超声波、红外线等体例虽可实现主动丈量、精准度较高，但对丈量情况前提的要求有较多限制，不合适用在公共场合，而3D电脑视觉手艺的3D相机则可以很好地解决上述问题，供给多场景、非接触式、主动化的量测。3D摄像头是利用深度感测器获取现实场景的深度资料和颜色资讯，透过坐标变换建立深度资料与3D坐标之间的对应关系，然后藉由去杂讯、配对位准等运算法去除干扰并减小误差，最后再以3D重建的方法得到被监测人员的资料。

3D相机无需与被测物件接触，物件进入丈量场景即主动收集丈量多小我物方针，配对位准后对光照具有较强的不变性，可顺应场景的光照转变，因此也有较高的切确度和即时性，在安防影象监控范畴的利用将愈显主要。现阶段基于个体人物的多特征、姿态识别和3D相机等先进AI人工智能分析技术，如果将其结合打造出新一代智能型影像分析监控平台，将大大提升视频安防监控系统的有效度。

四、推动安防未来大数据

在AI人工智能分析市场的创新推动下，人们挖掘影像监控中有价值的数据资讯，并不仅只是局限于当前人、事、物的基本资讯而已，同时也需依靠厂商强大的研发能力，可以不断对安防大数据采集的关键资讯进行有效补充，不但为最终的大数据平台带来更具附加价值的资料，也为深度的AI人工智能在安防产业数据应用下，提供源源不绝的产品发展动力。