AI（Artificial Intelligence）人工智慧技術的概念已經被提出來很多年， 若加以描述就是在科學技術上具有判斷、認知（perception）、洞察（insight）、學習（learning）、瞭解（comprehension）及推論（reasoning）等行為表現，也是人工智慧追求的目標。這幾年安防產業亦出現相當熱門的數據化人工智慧學習和識別技術的概念，它們與安防有什麼關聯？如何應用在安防監控中？這種AI人工智慧目前最多的應用又是哪些？
結合數據採集的安防AI人工智慧
自從道路監控系統在全球興起之後，目前世界各國的城市監控建設即將進入擴張與結構改變的階段，在這種需求變革下，安防監控系統將需要更多元化與人工智慧化的整體解決方案。現代化的公共安全已不再僅止於無限的擴充影像監控覆蓋密度、廣度以及追求超高清解晰度，而是透過這些人工智慧化的手段與工具，讓傳統安防時代更進一步，轉向注重數據採集、應用和管理的人工智慧化安防時代。
全球城市道路監控建設都在快速發展，各國街道、十字路口隨處可見各種攝影機監控設備，為城市公共安全及治安偵察工作提供了影像的方便性和立即性。但隨著監控設備數量的大量倍增，影像解析度的不斷提高，公共安全搜集到的影像和圖片之數據量呈現等比幾何的增長，再加上影像解析度的提高，連帶使伺服器的處理能力和使用率都產生了更高的門檻。因此，安防影像監控在影像調閱、門禁進出數據、資料的儲存、運算等技術上都面臨巨大挑戰。
AI人工智慧與安防監控的應用技術
面對這樣的挑戰，安防監控使用者如何能在大量增加的數據中，利用既有的人工智慧技術快速獲取有價值的資料，便成為當前最重要的課題。以下簡述幾種與安防監控結合的AI人工智慧技術：
1、人工智慧的模式識別技術
通常在監控系統收集的影像數據資料中，資料本身並不具價值，必須再經過深度挖掘、分析資料中影像呈現的數據模式，才會產生出真正有用的價值。未來是大數據的時代，數據資料的模式識別將備受重視。
2、人工智慧的深度學習技術
此為AI人工智慧機器深度學習研究中的新領域，其動機在於建立、模擬人腦進行分析學習的神經網路，它模仿人腦的行為思考機制來解釋數據資料，例如影像內容、聲音和資料本身。未來要讓AI人工智慧的機器深度學習能夠大行其道，數據資料本身將是最主要的關鍵因素，而影像監控資料占大數據總量的60%以上，也就是說，影像監控領域有70%以上的數據資料分析是用來進行影像辨識。目前這種AI機器深度學習在安防產業的諸多領域都取得了很大進步，包括：行人檢測、車輛檢測、非移動車輛檢測等，其辨識準確率甚至超過人類的眼睛判斷。
3、AI人工智慧的前端辨識技術
先進的產品技術是一家高科技企業能否長久發展的根本，要安防監控智慧化，系統就需有基於AI人工智慧相關的「影像辨識」運算技術，才能夠開發出一系列的智慧化監控應用設備，因此前端辨識技術也就成了AI人工智慧的第三個本質技術。
AI人工智慧在安防領域的技術發展
大致介紹說明完三種較常見的AI人工智慧安防應用技術內容，接下來我們再進一步探討AI人工智慧在安防上的深度技術發展：
多特徵辨識技術
一般在大量影像數據資料下，想要從歷史和即時的影像資料中篩選犯罪嫌疑人有如大海撈針，而多特徵辨識技術則是透過人工智慧的方式，讓電腦從大量監控影像中自動辨識出嫌疑人，分析資料中的個人特徵，然後根據犯罪嫌疑人的特徵自動篩選，不僅大大的節省人力物力，同時也大大縮短犯罪嫌疑人的到案時間。現在有部分廠商利用先進的深度學習技術，研發出能夠克服光照、天氣等不可抗力因素，快速準確地辨識出個體人物的各種重要特徵，如性別、年齡、髮型、衣著、體型、是否戴眼鏡、是否騎車以及隨身攜帶的物品等。個體人物多特徵辨識演算法有著靈活的佈建方式，可自訂時間軸和辨識區域範圍以達到快速準確的判別，並利用智慧影像分析（IVS）於影像伺服器集群的輔助，對監控系統中幾百支影像監控攝影機進行24小時不間斷的多特徵分析與檢索，即時找尋可疑人員，發出預先告警信號。
姿態辨識技術
姿態辨識技術是指針對個體人物的走路姿勢，是一種可在遠距離就感知的生物行為特徵技術。和其他生物特徵辨識技術相比，姿態辨識的優勢在於非接觸性、非侵入性、易於感知、目標物難以隱藏和偽裝等。姿態分析還可以輕鬆的區分出個體人物的不同行為模式，例如是在行走中、奔跑中、還是攜負重物等。基於這些優點，姿態辨識特別適用於門禁系統、安全監控、人機交換、醫療診斷等部分，尤其在安防領域中具有廣泛的應用和經濟價值。
姿態分析的技術困難點在於其特徵的穩定性問題，因為一個人的姿態會因生病受傷、體型胖瘦變化、穿衣多寡甚至是穿著舒適度等因素影響而改變，部分廠商為了克服這個問題，特別在研發上加進了機器深度學習方法，用姿態向量圖示來描述姿態順序排列，透過深度累積神經網路訓練匹配模型。訓練好的累積神經網路匹配模型能夠計算待辨識的姿態影像和已經註冊的姿態影像順序排列，比對每個姿態向量圖的相似度，再依據其相似度大小進行身分辨識。姿態辨識應用採全天候模式，在特定的安防場合中可快速對遠距離個體人物目標的身分進行準確判斷，因此研究人員將來勢必需要建置大規模的姿態資料庫。姿態辨識技術將有助於解決一些低影像解晰度個體人物身分辨識的難題，為使用者提供重要的辨識查核線索。
3D相機技術
身高是人體重要的資料特徵之一，在一些特定的場所，例如風景區入口、車站收票口等對身高要求都有明確的規定。傳統利用尺度工具測量身高的方法雖然操作簡單，但需要被測人員配合，不僅速度慢，精確度也較差;超聲波、紅外線等方式雖可實現自動測量、精準度較高，但對測量環境條件的要求有較多限制，不適合用於公共場所，而3D電腦視覺技術的3D相機則可以很好地解決上述問題，提供多場景、非接觸式、自動化的量測。3D相機是利用深度感測器獲取現實場景的深度資料和顏色資訊，透過座標變換建立深度資料與3D座標之間的對應關係，然後藉由去雜訊、配對位準等運算法去除干擾並減小誤差，最後再以3D重建的方法得到身高以及其他資料。
3D相機無需與被測物件接觸，物件進入測量場景即自動採集測量多個人物目標，配對位準後對光照具有較強的穩定性，可適應場景的光照變化，因而也有較高的精確度和即時性，在安防影像監控領域的應用將愈顯重要。現階段基於個體人物的多特徵、姿態辨識和3D相機等先進AI人工智慧分析技術，若能將其結合打造出新一代智慧型影像分析監控軟體平台，將有助於安全監控系統的建置，同時對數據分析起到示範先驅的作用。
推動安防未來大數據
在AI人工智慧分析市場的創新推動下，人們挖掘影像監控中有價值的數據資訊，並不僅只是侷限於當前人、事、物的基本資訊而已，同時也需依靠廠商強大的研發能力，可以不斷對安防大數據採集的關鍵資訊進行有效補充，不但為最終的大數據平台帶來更具附加價值的資料，也為深度的AI人工智慧在安防產業數據應用下，提供源源不絕的產品發展動力。