基于 GPU 的處理技術、神經網絡和深度學習能力的進步催生了下一代人工智能分析技術，包括人工智能視頻分析，它提供了具有高效精準的行業解決方案。 AI 視頻分析與“傳統”視頻分析有何不同？ 該技術有哪些優勢以及如何應用？ “傳統”視頻分析的挑戰 “傳統”視頻分析是一種在視頻監控中廣泛使用十多年的技術，人們對這種技術的期望往往超出了實際可以交付的范圍。模式識別和物體/運動檢測是可以實現的，但是它們可以預防和解決事故的程度是有限的。準確性也是一個問題，例如，車牌識別并非 100% 準確，眾所周知，人臉識別難以可靠地執行。此外，頻繁的錯誤警報會降低準確性并增加安保人員的工作量。 什么是 AI 視頻分析？ AI 視頻分析利用尖端技術對視頻片段進行數字化分析，以提高檢測精度和分類能力來識別關鍵事件和可疑活動。在人工智能和深度學習的驅動下，視頻智能軟件檢測和提取視頻中的對象，基于經過訓練的深度神經網絡識別它們，然后對每個對象進行分類，以啟用智能搜索、過濾、警報、數據聚合和可視化等分析功能。深度學習到位后，準確性不斷提高，誤報減少，從而提高運營效率并大幅縮短調查時間。 AI視頻分析的優勢和增強能力 AI 視頻分析的主要優勢在于其能夠利用現有的視頻監控基礎設施，并將存儲的視頻數據轉換為可搜索、可操作和可量化的信息情報，從而提高工作效率。 對象分類包括但不限于： 人物 - 年齡、性別、種族、服裝顏色 車輛 - 尺寸、類型（例如汽車與卡車）、顏色、行駛方向 動物 - 類型（例如貓與狗）、顏色 無生命的物體（例如袋子） - 大小、狀態、類型 Al 可用于訓練系統根據某些行為生成實時警報，例如：方向運動、游蕩、人數統計、遺留物品、已移除對象、基于人工智能的行為分析、視頻監控健康監測、健康與安全合規。 總結 AI 視頻分析提供高度準確的實時警報，并顯明顯減少誤報，使安保管理人員和業務運營商能夠主動應對環境中的情況變化。額外的分析層將記錄的視頻數據轉換為可操作的、有價值的信息，通過精確定位感興趣的人和物體來促進快速和精確的調查。 通過提取和聚合視頻元數據（例如男性、女性、兒童、車輛、大小、顏色、速度、路徑等），用戶可以定量分析他們的視頻并將這些數據用于其他目的，幫助提高其監控基礎設施的運營效率。 越來越多的人工智能技術已經融入到視頻監控領域中，尤其是在安防監控中，比如人臉識別、人臉檢測、車牌識別、行為分析技術等等，以TSINGSEE青犀視頻的EasyCVR視頻融合云平臺為例，它可對視頻監控場景中的人、車、物進行抓拍、檢測與識別，對異常情況進行智能提醒和通知，目前已經廣泛應用于安防監控、智能分析、通行核驗等場景。
|
