可疑行為

　　最先進的監控系統所提供的分析功能能夠跟蹤受監測個體穿越安保網絡視野，甚至可跟蹤他們離開攝像頭視野后進入盲點，然后進入監控網絡的另一部攝像頭視野。視覺設計人員已經開發出一些此類系統，用于檢測異常或可疑移動。賽靈思工業、科學及醫療(ISM)事業部系統架構師Mark Timmons表示：“分析是當今監控市場最大的趨勢。它可克服人為錯誤，甚至取代細致的人工觀察及決策。可以想象，在火車站和運動賽事等擁擠的環境中，監控難度極大。所以如果有分析功能，發現過渡擁擠的危險情況或跟蹤表現有可疑行為或過激行為的個人，就會有明顯的優勢。”

　　為進一步增強這種分析功能，提升這些系統的有效性，監控以及眾多其它使用Smarter視覺技術的市場正在更多地使用“融合”架構，將攝像頭與熱成像、雷達、聲納以及光/激光探測與測距(LIDAR)等其它感測技術相結合。這樣系統可實現夜視功能，檢測熱溫/熱能簽名，或捕獲單憑攝像頭無法采集或無法看到的對象。該功能可顯著減少虛假檢測，實現更精確的分析。毫無疑問，技術融合和數據分析會提高復雜性，需求更為強大的分析處理能力。

　　Timmons提到，這個市場的另一大趨勢是執行所有此類復雜分析的產品都位于監控系統網絡的“邊緣”，即位于每一部攝像頭中，而不是由每一部攝像頭將其數據傳輸到中央大型機系統，再由大型機根據這些復饋進行更精細的分析。本地化分析功能會給整體安全系統增加靈活性，使系統中每個點都能夠更加迅速準確地執行檢測，因而如果攝像頭真正發現了切實的威脅，就可更迅速地向操作人員發出告警。

　　本地化分析功能意味著每個單元不僅需要更強大的處理功能來強化和分析其所發現的事物，而且還必須相當緊湊，并能夠整合高度集成的電子產品。并且由于每個單元都必須能夠可靠地與網絡其余部分通信，它還必須集成電子通信功能，進一步增大計算復雜性。這些監控單元逐漸通過無線網絡連接，成為更大規模監控系統的組成部分;而且這些監控系統正日益成為更大規模企業網絡乃至更大規模全球網絡的組成部分，如美國軍方全球信息網格。

　　這種高復雜性正出現在軍事和防務市場中的各個領域，從步兵頭盔到與中央司令部聯網的防務人造衛星，無所不包。可能更讓人驚嘆的是，Smarter視覺技術進入其它市場，提高生活質量與安全性的速度。

　　Smarter視覺成就完美蘋果

　　現在以蘋果為例。有沒有想過蘋果是怎么以如此良好的狀態進入你的雜貨店的?賽靈思工業科學及醫療業務部架構師Giulio Corradi表示，食品公司正在將最新更智能視覺系統用于食品檢驗流水線，將壞蘋果從好蘋果中篩選出來。Corradi表示，高速食品檢驗流水線上使用的第一代嵌入式視覺系統通常使用一個或多個攝像頭發現蘋果或其它農副產品表面上的瑕疵。如果嵌入式視覺系統發現有非正常色澤，該蘋果就會被打上標記/篩選出來進行進一步檢測，或者扔掉。

　　皮下檢測

　　但是如果在此之前的某個時候水果曾掉落過，但傷痕難以察覺會怎么樣呢?Corradi表示：“在某些情況下，掉落造成的損壞攝像頭可能難以發現，只能用肉眼查看。損壞可能實際位于蘋果的果肉中。所以一些Smarter視覺系統在攝像頭上整合了紅外傳感器，用以檢驗蘋果表皮下的損壞。發現受損蘋果，就可觸發機械分揀機將蘋果揀出流水線，以免其被包裝發往雜貨店。”如果沒有更智能融合視覺系統，損壞的蘋果會通過檢測。損傷會在蘋果擺放在雜貨店貨架上時變得明顯，這樣該水果可能就必須要扔掉了。一個壞蘋果會弄壞一堆蘋果。

　　此外，分析功能還可幫助食品公司判斷受損蘋果是否損傷不太大，還可轉入新的檢驗流水線，由另一套Smarter視覺系統判斷它是否適用于其它用途，如制作蘋果醬、果脯或者如果損傷太大，可用于堆制肥料。

　　Corradi表示，工廠車間是應用Smarter視覺的另一場合。越來越多的工廠使用機器人輔助技術或完全自動化機器人生產線幫助制造商根據不同任務更換機械設備。機器人周圍的傳統安全籠過于約束(或太小)，無法滿足其制造不同產品系列的移動需求。