随着計算機視覺技術與深度學習的發展，AI智能檢測與識别技術也越來越廣泛地應用到社會生活的各個方面。在短短幾年内，深度學習算法已經在處理圖像及分類等方面，取得了可觀的成績，并且開始逐漸代替人工在某些場景中進行使用，比如安防視訊監控等。
基于AI的人體檢測技術近年來也越來越被提及和應用。人體檢測是目标檢測的一個分支。人體檢測算法可以實作對視訊及圖檔中的所有人體進行檢測，并傳回每個人體的矩形框位置。在目前的研究中，人體檢測的挑戰主要表現在以下幾個方面：
1）遮擋：在現實場景中，人群非常密集，可能會存在嚴重的遮擋問題，這也會導緻檢測數目出現誤差，給算法帶來挑戰。
2）複雜背景：人體檢測會遇到背景非常複雜的場景，有些物體的外形、紋理、顔色等很像人體，或者廣告牌、海報中的“人體”，這也會導緻算法無法準确區分。
3）光線：光線給算法帶來的挑戰也比較大。在實際場景中，光線明暗、陰影、曝光等都會影響算法的檢測精準度。
TSINGSEE青犀視訊近期釋出了基于AI智能檢測識别技術的硬體——智能分析網關，該裝置具有人體檢測、口罩佩戴檢測、安全帽檢測、區域入侵檢測等AI檢測功能。其中，人體檢測基于AI算法，可對監控場景中是否存在人體進行檢測，并給予精确定位、追蹤。在應用場景上，人體檢測可以實作：
1）人流量統計：統計圖像中的人體數量以及追蹤流動趨勢，無需人體的正臉、全身照，可廣泛應用在人群密集場所，如：廣場、街道、車站、地鐵站、商場、景區、樓宇、各場所出入口等場景中。
2）行人闖入/越界檢測：可自動檢測規定區域内是否有人體，比如在一些危險區域、重點區域，需要時刻檢測是否有人員闖入等，可保障财産及生命的安全，同時還能結合報警裝置實作聲光、語音報警驅離。
3）人群密集/擁堵檢測預警：當人群流量超過預設值時，可自動發出告警提示，能應用在公共場所，如：景區、展會、商場、出入口、樓梯/扶梯等場景中，可及時預警，提醒安保人員及時幹預，避免出現人員踩踏等安全意外事故。在公共防疫場景中，也可以有效提醒從業人員及時發現和幹預人員聚集情況。
4）在崗離崗檢測：檢測固定工作崗位上是否有人員在崗、是否存在離崗現象，在某些需要時刻在崗的場景中應用意義重大，比如電力、煤礦、消防、安防等領域。
5）智能辦公：檢測辦公室内是否有人，智能控制照明燈或空調的開關，節約樓宇的能源，綠色環保。
智能分析網關基于ARM的CPU，可同時支援4路1080P視訊流實時分析，能實作毫秒級識别，裝置提供多算法接入能力，支援TensorFlow、Caffe等模型轉RNN，支援一鍵替換算法模型，滿足使用者的多算法場景。
除了上文提及的算法外，智能分析網關可針對多元化應用場景進一步拓展更多AI算法，包括：
- 通用安防：機動車/非機動車檢測與識别、車牌識别等；
- 明廚亮竈：廚師帽/廚師服識别、抽煙識别、玩手機識别、垃圾桶未蓋檢測、動火離人檢測、陌生人檢測、貓/狗/老鼠識别等；
- 智慧工地：反光衣識别、火焰識别、煙霧識别、行為識别（抽煙、玩手機、摔倒等）；
- 智慧安監：工作服識别、火焰識别、煙霧識别、滅火器識别、行為識别（抽煙、玩手機、摔倒等）。
在深度學習浪潮席卷計算機視覺領域的市場發展環境下，人體檢測算法在現實場景中的應用也越來越廣泛。利用這一技術對大規模人群開展實時、精确的檢測也成為當下及未來的發展趨勢。AI技術可以彌補人工觀察與監控精力有限、人為疏忽等不足，可極大協助人類在部分工作場景中更快速、更便捷地完成任務。