愿景

这不是想象：从机场和城市街道到购物中心、竞技场和博物馆，闭路电视摄像头无处不在。为了维护安全，政府当局和企业每年都在视频设备上投入更多资金。

但一些组织开始质疑这些额外的资金能为他们带来多少好处。当然，这些摄像头对于捕捉信息来说是极具价值的 — 无论是高速公路交通堵塞还是有一罐面酱洒在杂货店地板上，它们全方位的镜头永远不会错过任何问题。

不过，对于监控视频信号的工作人员来说，情况并非总是如此。研究表明，仅仅 30 分钟后，他们的判断能力就会下降 15%。在那之后，他们的反应会越来越慢并且错误也会增加。增加更多摄像头会使问题变得愈发复杂。

如今的人工智能分析软件可以弥补这些差距。人工智能驱动的视频可以立即理解传入的视频源，近乎实时地发送警报，以便在问题失控之前阻止问题。

分析不仅可以提高安全性，还可以增加业务价值。人工智能算法可以观察客户行为，揭示哪些促销活动更有效，哪些没有作用，哪些体验最能吸引人们的注意力，以及哪些瓶颈导致人们的不悦。这些见解可以帮助营销人员、零售商和设施经理改善服务并吸引更多客户，确保他们在视频技术上的投资物有所值。

提高安全和效率

视频分析公司 AerVision Technologies 的首席执行官 Abbas Bigdeli 表示，人们普遍渴望更强大的视频功能。“我们确实看到了组织希望从视频基础设施中获得更多收益的趋势。他们想要更精确的数据、更好的安全性和更高的生产力。”

为了改善事件检测并提高效率，AerVision 开发了 AerWatch，这是一种人工智能视频分析解决方案，公司可以对其进行定制，以识别和响应特定类型的风险和机会。

例如，在大型零售店或杂货店，AerWatch 可以识别顾客留在购物车中的个人物品或商品，引导员工找到丢失的物品，然后收集起来方便客户取走。该系统还可以发送有关可能导致滑倒事故风险的警报。

在博物馆和主题公园，AerWatch 可以检测到走失、陷入困境的儿童，并通知管理人员他们当前的位置以及他们可能与父母失散的地点。下班后，如果有人试图未经授权进入或企图在墙上涂鸦，算法可以向保安发出警报。

在某些情况下，及时干预可能会挽救生命。例如，在繁忙的公共场所，如果有人游荡、反复来回踱步或试图爬过安全栏杆，AerWatch 就会向工作人员发出警报，这些行为可能表明有自残的意图。急救人员接受过培训，可以阻止人们的冲动行为并提供他们所需的帮助。但在 AerWatch 的帮助下，这要容易得多，它会在发生此类情况的苗头时便发送警报以引起注意。

从人工智能分析中获取客户洞察

除了提高安全性之外，组织还使用视频分析来更好地了解客户。例如，澳大利亚的一家博物馆拥有 400 个摄像头，并使用 AerWatch 来确保安全和统计参观者的数量。分析数据可以衡量参观者在每件展品上逗留的时间，这是参与度的一个指标。查看这些信息有助于工作人员设计能够激发观众兴趣的内容。

算法还能统计使用轮椅或推着婴儿车的游客数量。“如果博物馆想让参观变得更加方便，他们能够借助数据支持这一决定，” Bigdeli 说。

机场、商店、酒店和银行也使用 AerWatch 来了解哪些方面需要改进服务。人工智能可以测量人们等待机票、电梯、服务人员或 ATM 设备的时间。

购物中心喜欢在特殊活动或促销期间跟踪访客。有公司会聘请顾问来衡量成功与否，但他们并不能总是提供全面的情况。“通过人工智能分析，您可以花费很少的成本获得更精细的数据，” Bigdeli 说。

构建有效算法

对于其分析解决方案，AerVision 使用英特尔^® OpenVINO^™ 工具套件创建预先训练的机器学习模型，以简化边缘人工智能开发。Bigdeli 表示，预先训练的模型对于某些客户来说已经足够了。对于其他想要更多微调项的客户，AerVision 可以使用 OpenVINO 与他们合作构建定制解决方案。

所有解决方案均使用基于英特尔^® 处理器的硬件，可快速高效地处理繁重的视频负载，同时增强数据保护和隐私。Bigdeli 表示，AerVision 软件不会保留个人身份信息，并遵守客户所在司法管辖区的所有法规。此外，该公司还提供工具来帮助公司应用自己的隐私和访问政策。

增强视频分析的潜力

虽然 AerWatch 是其主要产品，但 AerVision 也为其他用例开发了解决方案，包括 AerMeal，它可以为医院和护理中心测量有营养不良风险的患者的热量摄入。运动队还可以使用它来确保运动员摄入推荐量的蛋白质。

着眼于未来，AerVision 正在尝试生成式人工智能。一种潜在的解决方案可以对大量视频数据进行分类，为不同团队创建定制报告。“提交给安全总监的报告可能与提交给营销总监或设施经理的报告不同，” Bigdeli 说。

另一个生成式人工智能项目旨在加速模型训练。例如，想要确保食品车装载到飞机上的航空公司可能会尝试从现有视频片段中获取食品车的图像。但这并不像听起来那么容易， Bigdeli 说。寻找特定图像非常耗时，航空公司可能只能找到购物车的一两个视图。生成式人工智能可以从其他角度推测视图，从而使人工智能模型能够更快地学习并获得更准确的结果。

诸如此类的解决方案仅仅触及了人工智能视频可能性的一小面。“随着处理能力的提高，越来越多的人开始利用边缘人工智能解决方案，” Bigdeli 说。“无论公司想要改善能源管理、优化空间利用，还是提供更好的客户服务，他们都可以通过视频分析找到提高效率和生产力的方法。”
 

本文由insight.tech 的编辑主管 Georganne Benesch 编辑。