给智能监控装上耳朵

随着人们对安全关切的持续增长，如反恐，以及传统在城市，办公室和家庭中所发生的犯罪行为，如偷窃，以及在仓储，超市的偷窃和破坏行为，对智能监控的需求呈现爆发式增长。ABI Research预测称，全球智能监控市场规模将从2016年的220亿美金，增长至2023年的550亿美金，年复合增长率(CAGR, Compound Annual Growth Rate)达13.6%。

智能监控需要忽略正常情况，可以迅速对异常事件作出反应，因此需要实现本机智能(On-device）。

单纯视觉智能监控有诸多限制，比如视角(FOV, field-of-view)的限制，以及可能的视觉遮挡等。比如，当发生异常枪声的时候，可能不发看见，但一定可以听到枪声。

解决纯视觉监控局限性的解决方案

显然，我们可以在智能视觉监控中加入智能音频功能。智能音频方案需要加入在智能音箱产品中已经非常成熟的多麦克风 (Multiple Microphone) 和波束成型技术 (Beam-forming），从而可以支持声源方位探测，以及音频AI技术所支持的异常声音检测，如枪声，尖叫，玻璃窗破碎等。在多麦克风阵列360度检测到异常声音的方向后，即可导引摄像头予以跟踪拍摄。

此方案的另一个好处是，在检测到异常声音事件之前，摄像头可以处于待机状态减少电力消耗。在远程使用环境中，监控需要通过电池供电，此方案可以大大提升待机时间。

不仅如此，在很多情况下，监控需要将视频与音频信息结合起来，可以提供更多信息以供判定情况。如仅仅通过视频拍摄并不能判定两个人是在讨论还是在争吵。

监控中的人工智能

人工智能用以保证所有疑似异常可以被有效过滤，记录，并上传。将视频AI和音频AI结合起来，使非常自然的解决方案。

以上给传统视频智能监控增加音频检测功能，需要增加如多麦克风，波束成型，及音频AI技术。这些技术非常成熟。