在安防領域，攝像頭已經(jīng)得到大規(guī)模的使用，但監(jiān)控的有效性依然面臨兩個嚴峻的挑戰(zhàn)：

1）攝像頭只能起到記錄功能，識別還要依靠人眼，真正能實時監(jiān)控到的場景非常有限。一個像機場大小的公共場所，攝像頭的數(shù)量要達到幾萬臺，而同一時間負責監(jiān)控視頻的安保人員大概只有幾個人；此外，視頻監(jiān)控往往都采用畫面輪播機制，每過一定時間自動切換屏幕上顯示的監(jiān)控視頻畫面。所以，那些真正有信息價值的畫面被人看到、注意到的幾率就很小。

2）難以有效查詢歷史記錄。據(jù)估計全球監(jiān)控視頻記錄的存儲已經(jīng)消耗了75%的硬盤資源，以某廣場為例，每天產(chǎn)生的監(jiān)控視頻數(shù)據(jù)，刻成光盤摞起來，甚至超過埃菲爾鐵塔的高度。要在如此龐大的數(shù)據(jù)庫里依靠人眼尋找某個特定畫面或犯罪嫌疑人，需要動用大量的人力資源，并且效率低下。

開發(fā)基于人工智能的計算機視覺技術，致力于讓計算機像人一樣主動獲取視覺信息并進行精確的實時分析。傳統(tǒng)的計算機視覺研究都是基于二維相機捕捉的圖片信號，對于計算機視覺系統(tǒng)來說，這是非常困難且不科學的。我們?nèi)祟愂侨绱寺斆鞯纳?，既然我們都需要用雙眼去看懂這個三維的世界，計算機難道能利用二維的圖片就看懂這個世界嗎？這顯然是不可能的，因為在這個過程中，我們丟失了很重要的一維信息，三維變二維，深度信息被直接舍棄了，這種方法有嚴重的缺陷。

所以為了能夠理解精確的尺度概念，包括對尺寸、速度、距離等概念的把握，三維深度視覺是一條我們必須選擇的道路。利用三維深度視覺，對于提高計算機的視覺感知技術，尤其是實時的、對精度要求很高的技術，至關重要。

通過研發(fā)三維視覺感知技術，實現(xiàn)對人物的精確檢測、跟蹤，對動作姿態(tài)（包括暴力、跌倒等危險行為）和人物運動軌跡（包括越界、逆行、徘徊等可疑軌跡）的檢測和分析。在自動場景和人物檢測的基礎上，自動給安保人員提供預警信號，主動提醒、報告異常，保證讓安保人員“看得到”。同時，利用感知技術抽象出人物的特征，從非時間的維度進行監(jiān)測、跟蹤、搜索，真正做到“找得到”。

智能安防系統(tǒng)上一共裝有3個鏡頭，一個是和普通安防系統(tǒng)一樣的RGB攝像頭，另外兩個用來發(fā)射和接收激光。激光發(fā)射鏡頭能夠在1/30秒的時間里發(fā)送36萬束激光，安防系統(tǒng)借助它們掃描出現(xiàn)實世界的三維立體圖像。這3個鏡頭就相當于計算機的“眼睛”，所做的不僅是給計算機裝上“眼睛”，而且給計算機設置了一套“視網(wǎng)膜神經(jīng)系統(tǒng)”，讓計算機能夠看懂“眼睛”里出現(xiàn)的東西。

借助機器學習算法，系統(tǒng)能夠同時分辨多人的運動軌跡和行動速度，并一一精確記錄。比如早上8時的北京地鐵站，人群正處于早高峰極端擁擠的狀態(tài)，可以從中分辨出一個穿紅衣服的女孩，精確跟蹤她在人群中的行走軌跡。同時，系統(tǒng)還能夠監(jiān)測人類肢體的運動幅度和速度，從而精確識別人們的姿勢和正在做的事情。

目前，視頻監(jiān)控系統(tǒng)已經(jīng)在對安防要求較高的銀行進行應用測試，如果該技術投入大規(guī)模商業(yè)化應用，將有效改善現(xiàn)有視頻監(jiān)控的缺陷，是人工智能改變世界邁出的非常積極的一步。