随着人工神经网络研究在20世纪80年代后期的兴起，人工智能进入了一个新的阶段。人工智能技术是如何推动监控领域的发展？
在近年来，深度学习在人工神经获得很多的突破，让机器辅助人类工作，开拓人工智能的应用领域，如安全领域的应用，逐渐成为帮助人们生活的重要助手。
视频监控一直是安全系统的重要组成部分。 传统的监控系统包括前端摄像头，传输电缆和视频监控平台。 但是，观看视频不仅工作量巨大，而且人员效率也很低。 很长一段时间，安全领域正在寻找不同的解决方案。 人类监控和监控视频的能力限制了他们对人工智能的需求。
传统的自动控制是基于确定的模型，智能控制的研究对象具有严重的模型不确定性，即模型未知或知之甚少的模型的结构和参数在很大范围内变化。 例如，工业过程的不适定的结构问题和一些干扰的不可预测性使得不可能建立他们的模型，这是基于模型的传统自动控制难以解决的。
智能监控旨在通过视觉模式识别技术(如检测，识别和跟踪)智能地分析和判断监控视频中的对象，行为和事件等对象，从而减少或取代人为干预。 涵盖的技术包括面对面。 视觉识别识别和行为分析，如行人，车辆，标志等，主要分为以下几类：
1、人脸识别。 人脸识别系统具有许多潜在价值。 它可以与视频监控系统结合使用，帮助执法人员识别和识别人群中目标人群的面孔。 这可能有助于警方在未来追踪罪犯，甚至阻止他们发生。 从源头组织犯罪。 可用于面部验证，安全面部搜索等。
2、车牌识别。 首先，停止车辆的车牌图像，然后使用图像检测方法检测车牌在图像中的位置，然后提取并识别车牌文本，并检测车辆的视频流。 收集车道中的车辆以实现相同的车牌。 多次识别，最终输出经过优化和选择。 一般来说，它不需要外部触发信号，适应性强，对车辆遮挡有一定的抵抗力。 它主要用于社区车辆的登记和查询，以及高速公路上非法车辆的捕获。
3、语音识别。语音识别根据说话者的要求分为特定人语音识别和非特定人语音识别。 特定人物语音识别意味着当前语音识别系统被设计为识别特定用户的语音。 在这种情况下，数据库中的音频样本全部来自用户，因此数据库中语言的语音习惯和语速。 语音与用户一致，可以大大提高识别准确率。 非特定人员语音识别是指使用通用系统供所有用户使用，使用低门槛，主要实现人机交互。
视频监控应用了人工智能技术，虽然增强监控存在一些潜在的风险，但潜在的优势显然大于缺点。 如今，算法和芯片领域的人工智能的成熟和成本使智能监控的商业化更加流行。
