现代监控，真正的智能：DeepAnT 如何改进基于人工智能的摄像系统

现代监控系统越来越多地依靠人工智能支持的分析来自动检测移动、未经授权的访问或可疑行为、 这些系统可以自动检测未经授权的访问或可疑行为。制造商宣传 智能视频分析"，并承诺自动发出通知和大幅降低人员成本。 大幅降低人员成本。然而，实际操作往往并非如此。 不同。

当今基于人工智能的摄像系统的弱点

大量研究和实践报告表明，商业人工智能系统在视频监控中的实际检测准确率通常只有 30%-40% 左右。 在视频监控中，商用人工智能系统的实际检测准确率通常只有30-40%左右。 相反，这意味着60%-70% 的警报都是误报。

在小规模安装中似乎还能应付的问题，很快就会随着系统 随着系统规模的扩大和复杂性的增加，很快就会成为一个严重的问题：

• 在火车站、机场或市中心等人流密集区域，误报率会成倍增加。
• 天气变化、光线条件变化、动物或反射往往会导致误报。
• 安防控制中心充斥着大量无关的警报。
• 结果就是警报疲劳：操作员对关键信息的反应延迟或根本没有反应。

作为高级智能层的 DeepAnT 性能

这就是DeepAnT Performance的优势所在--它不是现有摄像机系统的替代品、 而是作为更高级别的智能分析层，监控、评估和优化现有的人工智能系统。 DeepAnT Performance 可监控、评估和优化现有的人工智能系统。

DeepAnT 的预测性实时异常检测引擎位于人工智能摄像机和安防控制中心之间。 DeepAnT 的实时异常检测引擎主要分析以下内容：

• 过去误报和真实事件的模式
• 时间、星期、天气或当地事件密度等上下文信息
• 并行传感器数据，如门触点或其他运动传感器
• 多变量时间序列的交互，例如同一区域内多个摄像机之间的交互

及早发现误报和真正的威胁

DeepAnT 可识别摄像机人工智能的系统性误读，并在将其转发给控制中心之前将其过滤掉。 并在转发给控制中心之前将其过滤掉。同时 即使原始视频中的人工智能没有识别出真正的安全威胁，DeepAnT 也能识别出显示真正安全威胁的复杂、隐蔽的模式。 即使原始视频人工智能没有对其进行明确分类。

现代视频监控的主要优势

• 减少多达 70% 的误报
• 大大减轻安防和控制中心团队的负担
• 危急情况下的响应可靠性更高
• 通过反馈和学习机制不断改进系统
• 易于集成到现有的 VMS 和基于 API 的环境中

结论

扩展现代安全基础设施需要的不仅仅是额外的摄像头或更高的带宽 或更高的带宽。自适应、自适应系统至关重要。 根据上下文评估安全事件，可靠地减少误解。 减少误解。

DeepAnT 提供的正是这种智能：一个强大的自学习分析层，能够 该分析层可大大改进现有监控系统，同时 同时可持续地减轻安全团队的操作负担。