得益于高分辨率摄像机及存储成本的降低，安全监控视频数据的可用性得到了大大提升，人工智能(AI)和深度学习分析已经成为实体安防行业的必然选择，包括访问控制和入侵检测领域。减少人为的过失和降低误报率是安防行业引入AI技术的主要动机之一。
什么是人工智能？
人工智能是机器通过使用模拟人类大脑的多层神经网络来学习经验的能力，以便识别物体与模式，并在没有人为干预的情况下做出决策。
人类的人脑大约有860亿个神经元; 相比之下，最新的Nvidia GPU Volta拥有210亿个晶体管(一个晶体管等同于一个神经元)，它可以为数百个以上CPU提供了深度学习的能力。
另外，与人类不同的是，人工智能每天可以每天24小时不间断学习，不断获取、保存和改进其知识。凭借如此巨大的计算处理能力，这些使用Nvidia GPU或类似芯片的机器现在可以区分人脸、动物、车辆、语言、词语等等。
根据所需的复杂程度、详细程度、可接受的误差范围和学习数据质量，人工智能可以使用脉冲神经网络(SNN)在几秒内快速学习新物体，而使用卷积神经网络(CNN)则需要好几周的时间。尽管它们各自都有优缺点，但无论是SNN还是CNN，在效率与准确性方面它们都优于传统的安防系统。
根据MarketsandMarkets的研究报告，外围入侵检测系统的市场规模预计将从2016年的41.2亿美元增加到2021年的58.2亿美元，年复合增长率为7.1%。
与此同时，AI在安全方面的预期市场(包括网络安全和实体安全)将从2017年的39.2亿美元增长到2025年的34.81亿美元，即复合年增长率为31.38%。
传统边界入侵检测系统
传统的边界入侵检测系统(PIDSs)通常需要考虑以下因素：地理条件：景观，植物，动物群，气候(日出、日落、天气状况等)，以及地形是否有波动起伏会阻挡摄像机的视野；存在或缺乏其他层面的实体保护或障碍；与其它安防网络系统集成：摄像头，存储设备，及其它防线(门、锁，警报等)；触发报警与响应的方式；系统复杂性：使用各种类型的入侵检测传感器，例如微波传感器、雷达传感器、振动传感器、声音传感器等；设防的长度；当地法规：如隐私保护，相机/传感器是否必须可见、隐藏或埋藏等，以及是否可能对其他它系统造成电磁干扰，如石油钻井平台或电厂等等；人员配置：现场人员，监控人员，响应警报的人员行动安排等等。
痛点与AI的优点
上面所列出的条件与普通入侵检测系统的一些要求相一致。即都希望能够实现最小的误报率，方便安装与维护，易于与其它安防系统集成，且性能稳定。
误报率最小化：在AI技术的应用之前，误报是传统入侵检测系统面临的主要问题，会导致运营成本增加且效率低下，因为动物、植物、阴影以及天气条件状况等等都可能会触发传感器，导致系统误报。AI对象检测可以轻易地区分不同类型的人和物体，例如，可以对特定的区域进行设置，对于经过此区域行人、汽车、猫、或人影不触发报警。 这样，误报率可能会降低达到70%的量级。
易于安装与维护：对于没有人工智能的传统入侵检测系统，必须要考虑地形，摄像机视线，传感器位置等因素; 而且系统的任何调整都需要人工来重新计算这些因素，并可能干扰系统中的其它设备。相比之下，拥有AI技术入侵检测系统可以让系统管理员在控制室就能够轻松地访问整个系统或某一个摄像机，在几分钟内配置完成摄像机监控特定的区域和对象，而且还可以根据需要随时调整。AI安防入侵检测系统甚至都不需要大量的计算能力、知识或安全训练，因为AI入侵检测系统主要的目的是通过机器来减轻人工负担。
易于集成相关辅助技术：没有AI的传统入侵检测系统主要依赖于物理技术，这些技术通常是专有的，需要对系统进行彻底检修才能顺利运行。另一方面，人工智能天然就是为了学习和适应在各种条件下工作而设计的，因此拥有人工智能的入侵检测系统，可以轻松地与现有视频录制(摄像机)和存储(NVR)系统集成。AI还消除了对物理无线或光纤传感器的需求; 因为，它的功能是基于摄像头捕获的视频。此外，AI技术还可以实现多层防御系统的简单快组合。例如，一旦特定的区域检测到有物体活动，系统自动触发门锁、摄像机自动对焦并进行访问控制。所有这一切只需要轻轻点击一下按钮就能搞定。
系统稳定、耐用：没有AI的传统入侵检测系统为了提高检测的准确性，需要使用很多组件进行复杂的设置。更多的组件意味着系统中出现故障的可能性更高，包括暴露在外面的更容易损害(例如传感器可能被破坏)并延迟检测。而且，由于人很容易疲劳可能会导致出现差错(有研究表明，一个人可面对枯燥的工作时智能专注20分钟左右；而当一个人要同时面对多个项目时，注意力下降得更快。如，要面对很多监控视频显示器。)另外，AI技术还可以通过减少对传感器硬件的应用需求来降低系统出错的风险。