KeyFrame

How Crowd Safety And Control Can Be Analyzed Using AI | COMPUTEX 2026

TaiwanPlus Docs·6月4日週四·12 min中文

三句話摘要

CyberLink 旗下 FaceMe AI 視訊分析技術如何從被動錄影轉向主動風險預防,同時應對智慧城市部署中的隱私爭議。 AI 視訊分析的核心價值不在於「更多監控」,而在於「目的明確的預防性介入」,而隱私爭議的解方也必須從系統架構(加密、自動刪除、地端部署)而非事後政策承諾來根本解決。 從被動錄影到主動防禦:傳統監控攝影機只是電子錄影機,事後才回放調查;AI 視訊系統能即時理解現場狀況,讓操作人員在事件發生前提前介入,這是整個典範轉移的核心邏輯。

重點整理

重點
  • 1

    從被動錄影到主動防禦:傳統監控攝影機只是電子錄影機,事後才回放調查;AI 視訊系統能即時理解現場狀況,讓操作人員在事件發生前提前介入,這是整個典範轉移的核心邏輯。

  • 2

    體態特徵彌補人臉辨識盲點:在擁擠場所中,目標人物可能背對攝影機或遮臉,純人臉辨識會失效;結合衣著顏色、背影輪廓、年齡體型等體態資訊,可在整個攝影機網路中持續鎖定目標,不因鏡頭角度受限。

  • 3

    目的性部署降低「全面監控」疑慮:系統並非持續追蹤所有人的日常行為,而是針對特定任務觸發(如闖入禁區、黑名單人員出現),讓技術手段與使用目的保持高度對應,是說服公眾接受的關鍵論述。

  • 4

    隱私保護由架構決定,而非事後修補:FaceMe 在資料離開設備前即完成加密處理,並提供自動定期刪除與地端(on-premise)部署選項,讓資料主權留在客戶自己的伺服器,從系統設計層面而非政策承諾層面回應隱私風險。

實用技巧與重點

乾貨
  • 平台/產品:CyberLink FaceMe(人臉辨識引擎)、AI 視訊管理系統(VMS)
  • 落地城市:新加坡(Smart Nation 2.0)、東京、倫敦
  • 辨識維度:人臉 + 衣著顏色 + 背影輪廓 + 年齡 + 體型
  • 兩大主流應用場景
  • 黑名單人員入場即時警報(Access Alert)
  • 虛擬警戒區域(Virtual Zone)——自定義禁入範圍,有人越界即通知管理端
  • FaceMe 隱私機制
  • 資料在 IP 攝影機或 Face Terminal 端加密,不以明文離開裝置
  • 自動刪除功能(Auto-Delete),設備下線後資料全清
  • 資料保留年限由客戶自訂(可選 1 年、2 年以上)
  • 部署模式:雲端(Cloud)或完全地端(On-Premise,資料不出客戶伺服器)
  • 應用場域:機場旅客動線管理、銀行業務流程安全、購物中心人流監控、企業門禁

結論

結論

AI 視訊分析的核心價值不在於「更多監控」,而在於「目的明確的預防性介入」,而隱私爭議的解方也必須從系統架構(加密、自動刪除、地端部署)而非事後政策承諾來根本解決。

完整解析

詳細

智慧城市的監控基礎設施正在經歷一次根本性的典範轉移。傳統攝影機扮演的角色僅是「數位錄影機」——設施管理者只有在事件發生後,才回頭翻找錄影片段釐清經過。然而,這種被動模式在公共安全需求日益提升的當下已顯不足。新加坡 Smart Nation 2.0、東京與倫敦等大城市正在試驗的新一代 AI 視訊管理系統,目標是讓攝影機網路具備即時理解現場狀況的能力,在威脅成形前主動預警,而非事後追查。

CyberLink 產品負責人 Sam Xu 在 Computex 專訪中指出,這套轉型的技術關鍵在於「多維度辨識融合」。純人臉辨識在擁擠場所有明顯侷限:人群密集時目標容易背對或遮蔽鏡頭,辨識即告失敗。FaceMe 的解法是將人臉資訊與體態特徵並用——包括衣著顏色、背影輪廓、體型與估算年齡——讓系統能跨越攝影機盲角,在整個場域的鏡頭網路中持續鎖定同一個體。這項技術在機場、大型展覽中心等高人流場所的實際落地案例中已驗證可行。

在具體應用上,目前最普遍的兩種使用情境是「黑名單警報」與「虛擬警戒區域」。前者讓系統在特定人員一進入場域時立即通知安保人員;後者則允許管理者在地圖上自行劃設禁入範圍,任何人越界即觸發警報。Sam 強調,這種「目的性部署」的設計哲學至關重要——系統並非對所有人進行無差別的持續追蹤,而是只在符合預設條件時才啟動,如此才能在功能與公眾隱私接受度之間取得平衡。

隱私問題是整場對話的核心張力所在。Sam 從架構層面提出了 CyberLink 的應對策略:FaceMe 在資料離開攝影機端點(IP 攝影機或 Face Terminal)之前即完成加密處理,確保即便有人截取傳輸封包也無法還原個資;系統內建自動刪除機制,設備下線後相關資料全面清除;資料保留年限可由客戶依業務需求自訂。在部署架構上,對隱私敏感的客戶可選擇完全地端模式,讓所有資料留存在自己的伺服器內,徹底迴避雲端資料外洩的風險。Sam 的立場是:公眾對監控技術的疑慮,根源在於「技術被用來做什麼」,而不在於技術本身——當部署目標明確且有限(如讓通關更順暢、讓銀行交易更安全),技術反而是讓人們生活品質提升的工具,而非壓迫的手段。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

Claude Cowork vs Codex: 誰才是更好的AI工作助手?
16 min
AI 技術中文6月20日

Claude Cowork vs Codex: 誰才是更好的AI工作助手?

李厂长来了

  • 介面設計哲學不同:Codework 以標籤頁區分聊天、文書與程式碼三種模式,任務彼此隔離不混淆;Codex 則將所有功能整合在單一介面,減少切換成本,但頁面相對雜亂。
  • 第三方整合能力差距明顯:Codework 提供大量連接器並支援 Zapier 擴展,且可針對每個連接器精細設定讀寫權限(如 Gmail 只讀免確認、寫信需批准);Codex 的插件數量較少且缺乏同等級的權限控制機制。
  • 定時任務管理方式影響長期使用體驗:Codework 將同一自動化任務的歷史記錄歸類在同一條目下,便於追蹤;Codex 每次執行都獨立列出,隨任務增多左側欄會越來越臃腫,不利於長期管理。
我贏得 NVIDIA GTC Taipei 2026 的金票啦!這 4 天展期會有什麼不一樣的體驗呢? | Computex 2026
編輯精選
28 min
AI 技術中文6月20日

我贏得 NVIDIA GTC Taipei 2026 的金票啦!這 4 天展期會有什麼不一樣的體驗呢? | Computex 2026

EngineerGary

  • Tokenomics 重新定義 AI 工廠價值:黃仁勛將所有輸出重新框架為 Token = Revenue,傳統工廠生產實體商品,AI 工廠改為生產 Token;對製造端而言,目標是以最低成本產生最多 Token,實現每投入 1 元帶回 3–5 元回報的商業邏輯。
  • 開源策略是市場放大器而非讓利:NVIDIA 釋出 Cosmos 3、Apomile 3 等開源模型,以及通用人型機器人,目的是降低新創進入自動駕駛、World Model、Physical AI 的門檻,擴大整體生態系規模,最終帶動更多算力與服務需求(「The more you buy, the more you earn」)。
  • Deal to Delivery Agent 解決中小企業流程瓶頸:Gary 團隊識別出企業收到客戶需求後,需跨工具手動完成報價、開票、GitHub issue、通知等重複性操作是最大效率殺手;Agent 自動拆解商機、建立 ERP 記錄並推送 Telegram 通知,人類只需在 Draft 狀態下做最終 Review 確認。
黃仁勳親自欽點⁉️執笠手機公司 BlackBerry 變身 AI 機械人主系統🤖下一個大浪提前準備
編輯精選
30 min
AI 技術中文6月20日

黃仁勳親自欽點⁉️執笠手機公司 BlackBerry 變身 AI 機械人主系統🤖下一個大浪提前準備

Coco哥

  • QNX 擁有機器人 OS 三大不可替代技術門檻
  • Windows 響應延遲 200 毫秒,Linux 一旦核心崩潰全部失效,而 QNX 具備毫秒級即時決策、ISO 26262 ASIL-D 與 IEC 61508 SIL-3 最高安全認證,以及微型內核獨立架構(單一模組崩潰不影響其餘系統),三項條件同時達標,現階段競爭對手均未能複製。
  • 40 年護城河非短期可追趕