随着人工神经网络研究在20世纪80年代后期的兴起，人工智能进入了一个新的阶段。人工智能技术是如何推动监控领域的发展？
近年来，深度学习在人工神经网络获得很多的突破，开拓人工智能的应用领域，如安全领域的应用，逐渐成为帮助人们生活的重要助手。
视频监控一直是安全系统的重要组成部分。传统的监控系统包括前端摄像头，传输电缆和视频监控平台。但是，查看视频不仅工作量巨大，且人员效率也很低。因此在很长一段时间，安全领域正在寻找不同的解决方案使得视频监控平台更加智能、高效。
传统的自动控制系统需要基于确定的模型，而智能控制的研究对象则是不确定性的模型，即模型的结构和参数在很大范围内产生变化。例如，工业过程的不确定的结构问题和一些干扰的不可预测性使得系统难以对此建模，这是基于模型的传统自动控制无法解决的问题。
智能监控旨在通过视觉模式识别技术（如检测、识别和跟踪）智能地分析和判断监控视频中的对象、行为和事件，从而减少或取代人为干预。涵盖的技术包括视觉识别和行为分析，主要分为以下几类：
1、人脸识别。它可以与视频监控系统结合使用，用于面部验证，黑名单预警等；帮助执法人员识别和锁定目标人群的特定对象的面孔。在未来这可能有助于警方追踪罪犯，能够第一时间识别犯罪分子的信息，避免犯罪行为发生。
2、车牌识别。首先，拍摄车辆的车牌图像，然后使用图像检测方法锁定车牌在图像中的位置，提取并识别车牌文本。最后根据车辆的视频流，提取车流中车牌相似的车辆，多次识别分析，最终找出相同车牌的车辆。一般来说，车牌识别不需要外部触发信号，且适应性强，它主要用于社区车辆的登记、查询以及高速公路上非法车辆的捕获。
3、语音识别，语音识别是根据说话者的要求分为特定语音识别和非特定语音识别。特定人员的语音识别意味着当前语音识别系统被设计为识别特定用户的语音。在这种情况下，数据库中的音频样本全部来自用户，因此数据库中语言的语音习惯和语速皆为用户本人的语音特征。非特定人员语音识别是指使用通用系统供所有用户使用，主要用于人机交互情景。
如今，算法和芯片领域的人工智能的逐渐发展成熟，智能监控的商业化也变得更为流行。
