不过，人工智能使得视频技术超越了高级成像，进入了另一个层次。视频成像技术与人工智能相结合，获得了大量新数据，而且不仅可用于传统的物理安全应用，还能用于对整个企业的过去、现在甚至未来事件更深入地分析。
尽管摄像机技术自20世纪初就已经存在，但直到上世纪80年代视频技术才开始在安全和监控应用中获得关注。这些最初的黑白摄像机生成的图像充其量是颗粒状的，而早期的彩色相机提供了一种全新的视觉数据来源，可以更好地提高识别精度。如果按照今天的标准来看，这些相机产生的图像也就是蜡笔和涂色书差不多的水准。
快进到2022年，大多数安防摄像机都可以提供高清视频，越来越多的型号都可以支持4K分辨率了，甚至8K摄像机也开始在安防市场中显现。这些摄像机具有先进的处理技术，无论是否使用红外照明都能提供在完全黑暗的环境中捕捉可用图像的能力。不仅如此，无人机、行车记录仪、随身摄像头甚至手机等移动设备还进一步扩大了视频监控的边界。此外，新摄像机具有板载处理和内存功能，可提供更高水平的智能化应用。
不过，人工智能使得视频技术超越了高级成像，进入了另一个层次。视频成像技术与人工智能相结合，获得了大量新数据，而且不仅可用于传统的物理安全应用，还能用于对整个企业的过去、现在甚至未来事件更深入地分析。
对于物理安全行业来说，这不仅仅是一个巨大的发展，更是一个巨大的范式转变。这种转变正在改变安全系统的设想、设计和部署方式。目前，对高级视频分析的大量需求是由六种流行的行业趋势所推动的：
1、专用性能
在过去的几年里，一些视频分析技术已经成为某种商品化的“智能”解决方案，包括一些基本的运动和物体检测，即使是最便宜的摄像机也可以做到。然而，新的、更强大、更智能的视频分析解决方案可提供更高水平的视频理解。
高水平的视频理解主要是通过使用专用构建的深度学习、采用高级算法和训练输入能力来完成的，这些输入能够提取用户感兴趣事件的相关数据和信息。此功能为两个重要工作流程的自动化提供了动力：实时监控数百或数千个摄像机，以及对录制的视频进快速的事后搜索。
2、通过个人隐私保护提高安全性
在需要准确识别威胁或已知个人，无论是由于犯罪活动还是需要定位失踪人员方面，在需要提高安全性的同时又要保护个人隐私，这显然是很矛盾的。所以，在使用面部识别技术完成此类任务方面仍然存在很大的社会阻力，这主要涉及到个人身份信息 (PII) 的收集和存储。
不过好消息是，这些是可以在没有面部识别的情况下有效地完成的。使用先进的视频分析技术，根据各种视觉而不是面部特征来分析个人的全身特征。这种创新提供了一种快速且高效的方法来定位和识别个人，同时又不会妨碍实时或录制视频中捕获的任何人的个人隐私。
3、机器视觉的创造与利用
有很多用于描述AI驱动的视频分析的术语，包括机器学习(ML)和深度学习(DL)等。机器学习采用算法将数据转换为计算机可以解释和学习的数学模型，然后用于决策或预测。而通过添加深度学习组件，您可以使用人工神经网络有效地扩展机器学习模型，人工神经网络则可让计算机通过示例进行学习。
分层机器学习和深度学习的结合产生了现在定义为计算机视觉 (CV) 的东西。作为机器学习的一个子集但更进化的形式，机器视觉往往又离不开高级视频分析。它训练计算机像人类一样对事件进行解释和分类，以获取有意义的见解，例如识别个人、对象和行为。
4、提高运营效率
带有十几个或更多摄像头的监控系统本质上还是需要大量使用人力的，需要持续的实时或监控录制来检测和调查潜在的、有害的或危险的情况。而智能视频分析则可提供实时检测、分析和事件通知来主动识别异常和潜在威胁，将传统监控系统从被动情报来源转变为主动情报来源。除了更好地保护人员、财产和资产外，高级视频分析还可以提高生产力和熟练度，同时减少开销。
借助AI驱动的视频分析，安全监控可支持24小时无间断工作，无需睡眠、休息或请病假。这样便能保证把人力资源重新部署到最需要的地方，例如警报响应或犯罪威慑。它还允许安全专业人员在新的、不断发展的环境中快速轻松地扩展操作。
5、安全投资回报
高级视频分析的出现正在缓慢地将物理安全系统从必要的运营费用转变为具有切实投资回报率的潜在收入来源，或者正如业内更为人所熟知的ROSI - 安全投资回报率。新的视频分析为整个企业的商业智能提供了大量数据，而先进的解决方案则可以通过利用企业在视频监控系统技术方面的现有投资，以极高的成本效益来实现这一目标。
6、无尽的应用
用于高级视频分析平台的商业智能应用程序几乎是无穷的，包括生产制造、物流、劳动力管理、零售商品和员工部署等等。这还包括利用Dashboard和随身摄像头、无人机和其他形式的农用机器人、石油、天然气、运输以及许多其他户外和移动应用程序。其另一个好处是能够容纳来自智能手机和常见Web浏览器的实时视频源，可进一步扩展高级视频分析应用的多功能性。
