人工智能基础与安防深度学习应用于工业现场总线的自然环境监控系统
当前，人工智能已成为各行各业的焦点关键词之一，物理安防领域也不例外。广义的人工智能指的是关于机器计算的智能，而非人类本身。在安防行业，我们所说的AI指的是模仿人类及生物认知功能的技术应用，即模仿人类大脑学习和解决问题的思路和方法。
人工智能推动了安防行业的快速发展。三大趋势正在推动人工智能的快速增长：首先，是计算机硬件如图形处理器（GPU）的崛起，它能够处理复杂的计算，尤其是通过“并行处理”模式而不是我们熟悉的CPU“串行处理”模式；其次，更有效训练系统编程方法，如神经网络，它们能够与GPU并行工作；第三，传感器（包括摄像机）的激增产生了大量数据，使得系统可以被有效地训练。
深度学习是更广泛的人类学习方法的一种类型，也是与安防视频行业最为相关的一个概念。深度学习需要使用大量来自能神经网络学习系统的大量数据（例如，视频图像）。
在视频监控系统中，深度学习赋予了传统系统卓越性能表现。这一方法极大改变了视频监控系统的有效性。在此之前，计算机已经使用视频分析算法进行编程。但相比之下，深度学习系统才是更加“训练有素”的。
通过展示大量示例，“学習”，不需要编程。一旦训练完毕，这些受过训练的人工智能就可以用来协助决策，如判断一张新拍摄到的图片里面是否有猫。这使得我们能够在诸如网络视频录像机(NVR)之类设备上、甚至在网络边缘部署受过训练的人工智能，从而能够快速识别目标物体，并迅速做出相应决策。
因此，在工业现场总线环境中应用自然环境监控，可以利用这些高级技术实现超乎常人的模式识别准确性，还具备抵抗干扰性的能力，对于分类和识别数千个不同特征都有很高价值和意义。