监控领域的人工智能
如果你听到别人说人工智能（AI）在我们的生活和工作中能够发挥多么巨大的潜力，就会觉得有点烦，那么我得说，不只是你这个样子！过去几年来，人工智能一直是一个热门的流行语，而且就像所有的流行语一样，人工智能这个词已经被过度使用并引起了许多误解，导致人们对它的潜力产生了怀疑。这是可以理解的，但是我们不能因噎废食，因为存在这些问题而不去了解，在基于机器学习（ML）和深度学习（DL）的具体视频分析应用中，人工智能可以发挥什么样的真正潜力。
定义监控领域的人工智能、机器学习和深度学习
人工智能是计算机科学的一个分支，旨在研究和开发各种方法，让计算机模拟智能行为。就一般而论，人工智能是一个非常宽泛的概念，但是具体到视频分析领域，其主要目的在于自动处理和分析视频流，从而提高运营效率并增加价值。
在这种情况下，人工智能的一个子类——机器学习，就显得特别重要。顾名思义，机器学习是指计算机通过“学习”实例来改进算法。然后，改进过的算法可用于分析图像或视频序列，以生成警报、元数据或其他信息。
近来，大家的注意力又转向了机器学习的一个子类——深度学习，它描述的是基于模拟神经网络的算法。这种算法的思想受到了人类视觉系统的启发，因此而得名神经网络。在深度学习网络中，操作层按照复杂抽象的层次进行排列，每一层使用来自于上一层的信息，以得出自己的最终结论。
深度学习模型能够实现更加复杂的分析算法，并且与传统算法相比，深度学习算法通常能够实现更高的精度。在视频监控系统中，深度学习算法主要用于检测、分类和识别不同类型的目标。不过，深度学习算法存在一个缺点：与传统算法相比，它需要更高的计算能力和更多的数学运算。
深度学习需要大量数据
机器学习和深度学习需要大量相关输入数据用于训练，以取得高质量的结果。如果有足够的相关数据（和计算能力）用于训练，那么基于机器学习和深度学习的方法就可以对其进行有效处理，以实现更高精度的算法。计算机可以分析成千上万张图像，以找出表征不同场景中特定目标的细节内容。因此，如果数据及其描述的质量比较高，那么基于深度学习的应用程序就能够实现更高的准确性。但是，提供高质量的数据也不是一件容易的事情。
也许有悖于大家对人工智能的普遍看法，目前的技术其实仍然缺乏意识或所谓的智能。采用这种技术的应用程序，一般都聚焦于有限领域的具体问题。举例来说，要想让Siri或Alexa之类的语音应用程序准确地回答我们的问题，我们提出的问题就必须非常具体和明确。否则，我们将会得到一个完全无法理喻的答案。同样，在监控系统中，如果将糟糕的图像描述用于训练，那么最终也会降低应用程序的准确性。
鉴于目前的人工智能技术还存在准确性方面的问题，正确地把握某个视频场景中的真实细节也仍然遥不可及，因此我们必须慎重对待何时何地如何使用这些技术。目前，这种技术可以用来提高效率，但是监控场景中的实际决策仍须由安保人员或系统操作人员来做。我们必须坚持“人机回环”（human in the loop）。
重视监控用例
任何新技术只有在经历过最初的“炒作”之后，它的弱点和局限性才会逐渐暴露出来，而且只有在它能够真正提供价值的领域才会获得进一步的发展。那么在监控领域，重要的是从用例着手：你想要解决什么问题，或者你希望达到什么效果？在充分了解具体用例的基础上，我们就能够应用机器学习和深度学习来获得良好的结果。
在监控领域，我们的人工智能之旅才刚刚开始，但是我们已经有了许多应用程序和用例，其中的深度学习分析技术已经开始为企业带来真正的价值，例如：浏览大量的录制资料以寻找特定的目标或事件，我们通常称之为取证搜索。
分析应用程序和深度学习分析监控系统的使用将会不断增加，但是我们必须采取谨慎的态度。至关重要的是，我们必须真正了解这种技术的用例和局限性，并开展细致的测试和评估，以确保达到预期的效果。
以高品质的监控图像为基础
摄像机以及图像质量或所谓的“图像可用性”是视频分析能力的基础：图像质量直接关系到视频分析的准确性。监控系统的视频摄像机一年365天全天候运行，因此必须能够应对温度的波动和各种不同的照明条件，同时还必须实时准确地分析图像。
目前有一种行业发展趋势：边缘设备上的视频分析技术越来越先进，应用程序在摄像机上本地运行。这样有很多好处，例如：节省了带宽（因为仅需传输从摄像机提取的数据），解决了隐私问题，省却了昂贵的服务器端硬件，并且提高了分析的准确性（因为视频在压缩之前便进行分析，从而避免了质量下降）。边缘智能分析将为应用程序带来大量的机会，从而进一步增强安全保障和提高运营效率。
耐心是一种美德
熟悉Gartner技术炒作周期的人都知道，技术创新在经历最初的兴奋之后，几乎不可避免地会出现一个失望期——创新的技术似乎无法满足大家的预期。但是别急，许多人正在幕后默默努力，随着时间的流逝，人工智能（尤其是机器学习和深度学习）必将发挥它的潜能。
本博文根据我与波兰A&S Magazine之间近期开展的对话而撰写。