归根结底，由于AI，远程视频源的实时分析正在迅速提高，从而提高了监控远程设备和设施的准确性。

农业、建筑、石油和天然气、公用事业和关键基础设施都需要将网络安全和物理安全结合起来，以适应日益复杂的威胁。首先，需要提高基于人工智能的视频识别系统对远程威胁的准确性、洞察力和响应速度。事实上，机器学习技术是更广泛的AI策略的一部分，它可以有效地利用视频实时识别异常和威胁，并经常将其与网络威胁相关联，而网络威胁通常是精心策划的远程设施攻击的一部分。

实时识别异常。

有监督、无监督和强化机器学习算法的快速发展及其对基于人工智能的视觉识别系统的贡献决定了远程安全监控的未来。具有夜视、红外和热成像功能的摄像机充当这些基于人工智能的视频识别系统的传感器，可以全天候监控那里的远程设备、场所和资产。该领域值得关注的公司之一是Twenty20 Solutions，该公司正在将机器学习与远程站点和设备的实时视频数据馈送相集成，以实时识别异常。他们的SCADA即服务集成了传感器、仪器和设备，以提供数据遥测和实时信息。这种方法值得注意，许多行业必须集成网络和物理安全系统，并获得360度远程位置威胁视图。通过对整个油气价值链的实时监控来整合网络和物理安全也可以带来许多运营优势。下图为普华永道的油气数字化转型，展示了SCADA、实时监控和综合安全在提高运营效率方面的作用：

监控和数据采集系统用于监控电信、水和废物控制、能源、石油和天然气提炼和运输行业的工厂或设备。研究提供商IMARC预测，到2024年，全球SCADA市场将达到260亿美元，2019年至2024年的复合年增长率(CAGR)为5.7%。下图来自其最近的研究，显示石油和天然气、制造业、水和废水、电力或公共事业等行业处于领先地位。

人工智能和机器学习如何定义远程监控的未来？

人工智能和机器学习是擅长基于视觉发现异常的技术。简而言之，以下是当前和下一代基于人工智能的视频识别系统所依赖的三种主要机器学习算法：

监督学习算法——监督机器学习算法善于发现图像随时间变化的异常情况。他们可以通过训练数据集来识别目标的正确图像，从而在异常图像出现时进行识别。农业、建筑、石油和天然气以及公用事业公司依靠受监督的机器学习算法来识别、跟踪和监控车辆、机械、资产和偏远地区的使用模式。建筑公司将从这些算法中受益，这些算法不仅可以保护远程站点，还可以预见其生产团队可能面临的有害工作条件。为基于人工智能的视频识别系统编写监督机器学习算法的人工智能开发人员使用Scikit-learn和Caret。

无监督学习算法——这类算法善于发现图像中的新模式，对于发现和报告实时视频流中的异常情况非常有价值。石油和天然气公司依靠这些算法来监控来自远程设备和资产的红外和热数据。编写无监督机器学习算法的流行工具包括TensorFlow、PyTorch和Keras。斯坦福大学在线有免费的深度学习课程。

强化学习算法——基于强化结果的概念，基于人工智能的视频识别系统使用这些算法来纠正其识别和更新已知图像的方式。远程建筑、油气和公用事业站点依靠实时监控和强化学习算法的结合来持续评估设备和资产的状况。强化学习算法提供的见解有助于确保位于不同地理位置的远程设备的一致性、合规性和安全性保持在最佳水平。谷歌的自动驾驶汽车项目和特斯拉的自动驾驶功能都依赖强化学习算法来导航他们今天生活的测试城市。

机器学习算法非常适合视觉分析。

机器学习算法特别擅长在数据中寻找模式并从中得出推论。正在进行的基于人工智能的视觉识别研究主要集中在ImageNet上，ImageNet是评估基于人工智能的计算机视觉解释准确性的常用标准。创建热门机器学习框架TensorFlow的计算机科学家和数据建模专家发现，基于卷积神经网络的模型在复杂的视觉识别任务中是最有效、最准确的。这个领域的大量研究是由风险资本家提供的。

资金，他们发现有机会在该技术的航空航天和国防，金融服务，制造，专业服务和医疗应用中提供先进的视觉识别系统。

基于AI的视觉识别系统能够通过迭代采样数据并使用算法实时分类，分类和创建代表数据集的模型，在几秒钟内分析和解释给定图像。

结论

具有夜视，红外和热成像视频流功能的数字化远程摄像机可为基于AI的视频识别系统提供保护远程位置，设备和资产所需的数据。从工业物联网(IIoT)的角度来看，摄像机正在迅速成为所有设备中最智能的传感器，能够实时监视远程位置和资产的多个属性，并为运营和安全团队提供有价值的见解。农业，建筑，石油和天然气，公用事业和关键基础设施行业需要考虑如何将其IIoT平台集成到更广泛的网络安全策略中，以360度查看在其所在位置发动的多方面威胁的频率越来越高。

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。 标签:机器学习远程安全监控AI

---

免责声明： 本文由用户上传，如有侵权请联系删除！

---

标签：