online gambling singapore online gambling singapore online slot malaysia online slot malaysia mega888 malaysia slot gacor live casino malaysia online betting malaysia mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 【AI數據處理的策略思考】 發展安防監控,從數據開始助攻

摘要: AI監控的應用千變萬化,要及早實現應用落地,必須從源頭出發,釐清數據的揀選與標註需求,對症下藥才能有效提昇AI精準度

 

 

自從安防監控產業開始AI化,市場商機進一步擴大。根據研究機構《Marketsandmarkets》預估,2023年全球影像監控市場的產值,將以每年13.1%的速度增長,從2018年的368.9億美元,成長至683.4億美元。安防監控浪潮已至,企業如何早一步實現AI應用落地? 在台灣,智慧安防監控的發展相對成熟,食、衣、住、行、育、樂,任何你想得到的人類基本生活需求,只要加上「安全」,就有機會成為一門商機。小至行動裝置上的指紋及人臉識別解鎖,即時辨識大樓入侵者的保全示警系統,家中人物或動物的行為監測,甚至是高齡者長照,皆可透過即時反饋現況,守護使用者的安全。 日本政府在天皇即位大典時便曾利用人臉識別AI,判定各國來訪政要的身分,協助維安;2020年東京奧運也預計利用AI人工智慧技術,目標達成橫跨9大縣市、40個競技場,賽事期間預估來場者超過1,000萬人的國家級維安任務。 而在百貨、零售賣場、健身房等涉及消費行為的經濟場域,智慧安防監控則被來監測人流與動線,以及消費者的年齡、性別、肢體行為等客情分析,以利精準行銷。從食品安全一路往上推,源頭種植時如何少用農藥到智慧農業災損確認,也都可以廣納在智慧安防的應用領域裡。

 

依場景而變化萬千的AI安防監控

與其他產業相比,因為學習情境多發生在特定室內環境,智慧安防監控的大數據訓練,在場域的變易性不大。目前市面上已有開放資料集(亦稱:開放數據 Open Dataset)可供使用,但企業因為各家應用場景不同,會以此為基底再餵給AI特定應用場域,例如百貨商場、大賣場的電腦影像數據,便可更快開發出符合自家商業模式的機器學習模型(Machine Learning Model)。 因為環境的光線、明暗等原因影響,使得實際場域的數據更為重要。而一樣是看「人流」,在百貨公司大門口、櫥窗前、手扶梯所需的「數據型態」就會天差地別,後續AI發展重點和演算法也截然不同。所以對於問題的定義,也要格外清楚。 在某些安防領域裡,收集數據會是一大挑戰。當使用情境會和個人隱私相關,如何持續收集且累積獨特性,便成為發展安防數據策略的第一關。 Tomofun是個值得參考的例子。初期創業,Tomofun執行長張友誠他本來是賣硬體的攝影機,後來轉向變成主打狗狗保全的「狗保姆」訂閱服務。從硬體走向軟硬整合,他學到,最重要的就是「全力了解、驗證消費者的使用情境」。

轉貼自: 數位時代

若喜歡本文,請關注我們的臉書 Please Like our Facebook Page: Big Data In Finance

 


留下你的回應

以訪客張貼回應

0
  • 找不到回應