当前，AI早已成为各个行业的热门关键词，物理安全行业也不例外。人工智能也是改变和重塑行业的重要力量。从广义上讲，人工智能（AI）是指机器计算的智能，而不是人类本身。在安全行业中，我们所谓的AI指的是模仿人类和其他生物认知功能的机器的技术应用，即模仿人类大脑学习和解决问题的思想和方法。人工智能促进了安全行业的快速发展。当前，计算机行业的三个主要趋势正在推动人工智能的快速增长。这三个主要趋势是：第一，计算机硬件的兴起可以处理复杂的计算，特别是图形处理单元（GPU，其使用“并行处理”模式而不是熟悉的CPU“串行处理”模式）。可以同时并行处理多个计算任务，并且效率远高于“串行”任务的效率。模式。这是一个更具扩展性的解决方案：将大问题分为许多可以同时解决的小问题。第二，开发更有效的“培训”方法。系统编程方法，尤其是神经网络，可以与GPU并行处理同时工作。神经网络是由许多简单的，高度互连的处理单元组成的计算系统，通常采用层的形式，并且每一层都由互连的节点组成。每层的计算结果确定下一层的输入。神经网络可能有一百多个层，因此它可以合并大量复杂数据。第三，传感器（包括照相机）的激增产生了足够的数据，以使系统能够被有效地“训练”。 （例如，“大数据”）。 “大数据”的泛滥正在迅速蔓延。提供了大量的训练数据。安全视频监控数据占大数据的60％，并且仍以每年20％的速度增长。这种数据的扩散为人工智能的发展提供了动力来源，并增强了系统的功能。在运行在GPU上的神经网络中训练人工智能系统，并不断优化学习规则以调整连接的权重（重要性）。每个层具有不同的“权重”，反映了在上一层学到的东西。在呈现数据模型（例如视频图像）时，神经网络可以通过分析模式来确定可能是什么。培训包括确定初始结果和最终结果以及适当调整连接权重的过程。概括地说，这就是AI系统``学习''的方式。然而，整个“训练”过程仍然是不可或缺的。过程分为多个阶段，就像过滤器一样，每个阶段的结果都导致正确分析的路径。深度学习是一种更广泛的机器学习方法，并且是与安全视频行业最相关的概念。深度学习需要使用来自神经网络学习系统的大量数据（例如，视频图像）。视频监控系统中深度学习神经网络的互连处理单元与GPU并行工作。它们旨在模仿人类大脑，通过数十亿个神经元来分析和处理问题。人工智能深度学习正成为新一代视频监控系统的基础，赋予传统系统出色的性能。这种方法极大地改变了视频监控系统的有效性。在此之前，已经使用视频分析算法对计算机进行了编程。相反，深度学习系统受到更多的“训练”。如果要识别猫，请提供大量的猫图像，然后系统会将其分解为较小的组成部分并查找公用数据。然后它将“学习”消息。这些情况下的共同特征。为了最大化训练，系统呈现的数据越多，则其越准确，即，其“学习”越多。通过大量的案例数据学习，深度学习系统将形成相应的识别模式。从训练到推理尽管计算机程序员还可以花费数月的时间编写指令以告诉计算机汽车的外观，但是神经网络可以“学习”汽车的外观。通过显示大量示例而无需编程。此外，训练神经网络也很耗时，可能需要数小时或数天。培训也是计算密集型的。但是，一旦训练了神经网络，我们就可以使用它来“推断”神经网络。协助决策