为什么融合要比非融合好，五个周界安防案例让你秒懂！

随着社会的发展和科技的进步，周界安防领域也是日新月异，从很久以前单靠围墙铁丝网，到后来配置上摄像头，再到如今的多技术多层级周界安防。

然而目前普遍使用的多技术多层级周界安防，其是否有进行智能AI算法融合，在实际使用场景中却有着很大的优劣对比，今天我们就通过五个案例进行深度分析。

上图为我们周界安防案例示意图，我们将布置有周界传感器的围栏分成A到F六个大区域（每个大区域通过多个传感器划分为四个子区域），每个大区域分别对应一台具有分析功能的安防摄像头可以识别入侵是否为人员。

此时需要传感器和摄像头都正常工作，为了减少误报的发生，两者是“和”的判断逻辑关系，若只有一个探测到入侵，不会触发报警。

此时通过传感器和摄像头两者发现是否有入侵的行为，不同的是会通过智能AI算法将两者的数据进行关联，这些数据经过机器学习和训练后，不仅不会发生误报，更能解决漏报发生的可能。

下面我们将通过五个案例来说明融合和非融合的区别。

如图所示，入侵人员（红色）正在试图爬上A区域的第三子区域，与此同时一场大风把A、B区域栅栏吹得晃动不已。

此时A、B两区域的传感器均感受到栅栏的入侵活动，但是通过摄像头B没发现人员存在，故排除B区域的报警；而摄像头A发现人员存在，故会通过A区域四个子区域的报警，这意味着会产生1个真实报警和3个错误报警。

如图所示，此案例也是刮着大风把A、B区域栅栏吹得晃动不已，但是没有入侵人员，只有一个行人（绿色）在旁边路过。

此时A、B两区域的传感器均感受到栅栏的入侵活动，但是通过摄像头B没发现人员存在，故排除B区域的报警；但是摄像头A发现人员存在，故会通过A区域四个子区域的报警，这意味着会产生4个错误报警。

使用融合后可以区分路过行人和入侵人员，因为通过智能AI算法和机器学习，可以发现摄像头和传感器数据中的细微差别：例如人面向侧面而不是正面，并且人稍微远离围栏，A、B区域具有风干扰的特征但没有人员入侵的行为等，从而不会发出错误报警。

在日常使用过程中，类似这样引发误报的情况可能成百上千，但是有了融合后的智能AI算法和机器学习，在摄像头和传感器发出误报之前，系统会将信号数据与非入侵行为进行匹配，以排除不存在的威胁，从而大幅减少错误报警的可能。

如图所示，在这个案例中，入侵人员非常狡猾，他带着一个高大的梯子，设法躲避D区域围栏上的传感器。

此时摄像头D发现了入侵人员，但是因为摄像头和传感器是“和”的判断逻辑关系，若只有摄像头发现入侵，并不会触发报警。

由于使用融合后能大幅减少错误报警，因此围栏传感器可以设置为最高灵敏度，在这种情况下，额外敏感的传感器，能够检测到人员意外接触或梯子搭在围栏的压力，结合摄像头识别的人员存在，通过智能AI算法和机器学习将发现入侵行为，并正确地发出真实警报。

如图所示，大风吹得A、B、F三个区域栅栏晃动不已，安保人员（蓝色）正在F区域进行巡逻，同时入侵人员（红色）正在试图爬上B区域的第四子区域。

此时传感器检测到A、B、F区域的入侵活动，其中摄像头A排除了A区域的入侵，而摄像头B、F发现人员存在，故会通过B、F区域八个子区域的报警，这意味着会产生1个真实报警和7个错误报警。

使用融合后通过智能AI算法和机器学习，会发现并排除具有风干扰的特征信号，同时传感器还发现B区域第四子区域围栏存在人员入侵的行为，并经由摄像头B对该区域进行检测，从而正确发出B区的第四子区域的1个真实报警。

如图所示，一场罕见的暴风雪过后，冰雪覆盖遮挡住摄像头C、D和F，而入侵人员（红色）正在试图爬上C区域的第四子区域。

因为被冰雪遮挡住了摄像头的视线，而摄像头和传感器是“和”的判断逻辑关系，所以即便传感器发现入侵，也不会触发报警。

虽然上述五个案例是为了展示融合优势的场景，但是在真实使用过程中很可能也会发生。当传感器和摄像头进行融合后，通过智能AI算法和机器学习，将会拥有极高的探测灵敏度、入侵检测率和识别率，从而有效的避免误报和漏报，对比非融合的情况，融合拥有巨大优势。