監控影像辨識技術日趨成熟，不僅能強化企業內部安全與保護重要的實體財產，還能做到即時發現竊盜、破壞等行為。同時，當場景轉移到商業情境，更可搭配 AI 人工智慧，從大量監控影像中提取並分析數據，進一步了解人潮流量分布，幫助組織做出精準的商業決策。
為提供完善的影像辨識產品和服務，Synology 群暉科技監控產品團隊已深耕此領域多年，從能夠為第三方影像串流提供後端 AI 分析的 DVA 系列，到擁有邊緣運算功能的 Synology Camera，幫國內外知名企業打造切合不同情境需求的監控系統。加上 Synology 獨特的深度學習演算法，在美國國家標準暨技術研究院（NIST）的人臉辨識供應商測試中，更是達到超過 97% 的準確率。
不過，一套影像辨識解決方案究竟要訓練到什麼程度，才稱得上精確？我們又能如何提高準確度？以下請與我們一窺 Synology 如何讓監控系統更加智慧：
靠豐富資料與實地測試，打造更加精準的影像辨識模型
各種情境中使用的影像辨識技術，底層皆有著不一樣的模型，決定這項辨識技術的準確度，這相當仰賴各供應商開發過程中投注的資源與心力。而 Synology 監控團隊的影像深度學習模型，便是經過「多次訓練」和「應用導入」兩個核心階段，以提升準確度。
多次訓練階段時，除了網羅網路的公開資料集，團隊也會自行拍攝並蒐集真實應用場景的資料，以強化模型效能。舉例來說，架設在戶外的攝影機畫面，會拍攝同個場景，分別在白天、黃昏、夜晚，或晴天、陰天和雨天等不同環境條件下的影像資料，幫助模型持續提升辨識精確度，即便碰到像陰天或雨天環境下的人物或車輛的模糊畫面，依舊能準確辨識出來。
同時，Synology 機器學習團隊一直以來都會研讀最新學術論文，每周固定分享、討論頂尖或最新內容，並將研究成果應用在模型訓練中。以物件偵測來說，最有名的落地研究就是 YOLO 模型，該模型每隔一小段時間，便會發表新版本論文。團隊就從中學習到進階的模型建構方式和訓練技巧，並帶到自身的深度學習模型中。
「由於真實監控場景的變化太多，任何的影像辨識技術都有其侷限性，沒有廠商能做到 100% 的準確度。」Synology 機器學習組經理梁朝欽提到，對此團隊會將設備帶到各種場景中實際測試，以此設計出更精進的演算法並改良模型。
這過程中最大的挑戰，來自面對各種難以預料、可能導致 AI 誤判的情境。例如：攝影機被蜘蛛網覆蓋，恰好 AI 模型過去沒有分析類似情境的經驗，或夜間畫面遠方的消防栓，由於形狀相似於人型而被誤認為人。為了解決誤判問題，Synology 選擇餵養更多資料給模型，幫助它分辨得更加細緻，或從源頭調整模型架構以提升其辨識準確度，都能一定程度解決此類困境。
以客戶體驗為核心，用深度學習技術提供符合需求的解決方案
而梁朝欽也指出，對於用戶而言，增強體驗的要素不僅是提升深度學習模型的精準度，更是要能在各類情境下提供量身打造的 AI 偵測功能，才能更完美滿足各產業使用者多樣化的監控管理需求。他指出，「Synology 更重視解決方案是否貼近客戶實際案場的使用需求，如此一來，我們才能幫客戶降低管理負擔、增加安全性。」因此，Synology 提供的影像辨識功能，鎖定企業和個人購買監控系統主要的目標：辨識人物、交通工具作為基礎，還可正確辨別有沒有戴口罩或人物移動等等。
以許多用戶推薦的人車偵測功能來說，若建立在傳統動作偵測，往往會因風吹草動的微小變動而產生誤判情況。然而 Synology 的 AI 人車偵測功能，則是建立在深度學習模型上，具備更高的準確度，能夠精準識別畫面中的人類或移動的交通工具，並且有能力追蹤他們是否進入特定區域。梁朝欽進一步解釋，這個基於深度學習的模型，會主動學習與判斷畫面中哪個物體為人類或交通工具，而過往的動作偵測模型，卻是以畫面變動為判斷依據，即便有不相關物件出現也容易觸發偵測。
更進階的影像辨識功能，則能藉由事先設定好的威脅因子，以不間斷偵測來增強安全性，例如：自動識別被禁止進入建築物的人員、確保只有工作人員可進入限制區域，以及不讓私人停車場出現未經授權的車輛等。不僅如此，Synology 監控系統還能提供警報服務，減少保全系統的負載量，像是當太多人聚集在指定區域時，系統的擁擠偵測會自動向現場工作人員發出通知，幫助保全團隊即時擬定因應措施。
Surveillance Station 具備精準的人物偵測功能，因此當發生特定事件如外人入侵，就會即時發送警告給安全人員。
為歐美大廠提供多樣化鋁製品 CNC 精密加工服務的鋁創科技，就使用了 Synology 即時智慧監控系統，搭配 DVA 系列機種，一方面串接了車輛閘門開關控制器，可經由車牌辨識服務，判斷哪些車輛得以進入廠區；另外也運用了人臉辨識功能，傳連至工廠大門開關，達成自動化出入管控的目標，再也不用指派專人留守接待、有效運用產線人力。
延伸了解 | Synology 如何協助鋁創科技打造自動又智慧的監控系統？
自行研發 Synology Camera，搭載邊緣運算技術
而一套有效的影像辨識架構，除了要在準確度、應用場景下足功夫，梁朝欽特別強調了能否做到「即時分析」，同樣是一項重要的評估指標，而這就突顯了「邊緣運算」的重要性。邊緣運算優點為在影像產生的源頭就完成分析，不僅可達成最低程度的延遲並節省效能，同時不會耗費後端伺服器的解編碼與運算能力。
Synology 今年推出的 Synology Camera，便是展現即時影像分析能力的關鍵產品。本次兩款攝影機搭載了專為運算和 AI 功能設計的 NPU（神經網路處理器），並由 Synology 機器學習團隊打造了輕量 AI 模型，讓小小一台機身也能具備影像辨識能力，包含偵測人員、車輛和入侵事件，結合 Surveillance Station 使用，可以更加即時地搜尋影像，協助安全人員輕易辨識潛在威脅、快速釐清可疑區域，後續追蹤和擷取相關監視畫面。
延伸了解 | 立刻認識 Synology Camera 完整功能
並重技術與管理功能，Synology 提供最為完整的一站式監控架構
不只提供出色的影像辨識技術，Synology 同樣注重監控系統的佈署和管理功能，能否更好且便利地協助企業強化安全性。
Surveillance Station 相容於市售 140 個品牌、超過 8,300 款攝影機，讓企業依據自身的使用需求和預算，彈性沿用或採購攝影裝置。對於涉及多站點、多伺服器的監視系統管理，Synology 集中化管理系統（CMS） 則提供中央控管、批次系統更新等功能，可管理多達 10,000 台攝影機及 1,000 台 Synology NAS 錄影伺服器。
滿足大規模管理功能的完整性之後，Synology 還考量到企業長期的持有成本。以Surveillance Station 來說，其為運行於 Synology NAS 上的商用影像監控軟體，採永久授權制，等於企業僅需一次性硬體支出，就能享有完整的監控軟體管理功能，輕鬆打造長期可用的監控架構。即便未來出現擴充需求，組織也能分次採購攝影機授權，大大提升 IT 預算運用彈性。
綜合上述優勢，Synology 能夠全面滿足組織的安全需要，不只提供持續追求精準度的影像辨識技術，更兼顧了易用性與成本，將是企業投入智慧監控的最佳選擇。