Die künstliche Intelligenz existiert bereits seit den 1950er Jahren. Einen wirklichen Aufschwung bekam das Thema aber erst in dem Jahrzehnt 2010. Hier wurde das Teilgebiet der Informatik immer größer. In diesem Prozess haben sich zwei Schwerpunkte herauskristallisiert: die Automatisierung intelligenten Verhaltens und das maschinelle Lernen. Wir werden uns in diesem Beitrag bewusst auf die Methode des Deep Learnings fokussieren. Diese ist unter dem Schwerpunkt des maschinellen Lernens einzuordnen.

Die Methode des Deep Learnings hat ihren Ursprung in der Natur, nämlich in den biologischen neuronalen Netzen (z.B. im menschlichen Gehirn). Die häufigsten Anwendungsbereiche der Methode ist die Sprach-, Text- und Bilderkennung. Mittels großer Datenmengen wird das menschliche Lernverhalten imitiert. Dabei werden Neuronen künstlich erzeugt, um Muster zu erkennen und zu verarbeiten.

Die Daten durchlaufen in dem Lernprozess verschiedene Ebenen:

1. Die Eingabeschicht: Hier werden die Rohdaten eingegeben, z.B. Pixel von einem Bild.

2. Die verborgenen Unterschichten: Hier wird es dann tatsächlich „deep“, denn die Informationen durchlaufen hier diverse Verarbeitungsschichten. Innerhalb dieses Prozesses werden die Informationen immer wieder weiterverarbeitet und reduziert. Dieser Prozess passiert völlig automatisiert und im Hintergrund.

3. Die Ausgabeschicht: Hier wird das Ergebnis angezeigt.

Durch die vielen Unterschichten kann eine Information immer genauer verarbeitet werden. So gewinnt das Ergebnis auch an Präzision. Dabei bilden sich mit jedem Verarbeitungsprozess weitere Schichten. In der vimacc-Familie findet sich die KI in der Erweiterung analytics zur Objekterkennung und Verpixelung in der Videoüberwachung in Echtzeit.

Mehr zu unserer KI in der Videoüberwachung finden Sie auf unserer vimacc-Seite. Informieren Sie sich jetzt.