| ONVIF 主席 Leo Levit：AI 推動影像監控從被動事後調查走向主動預防，標準化成為跨域整合關鍵 |
| |
|
| |
|
 |
136 |
|
| 最後更新時間：5月 | 16日 , 2026 |
|
| |
 |
 |
|
|
| 你是否常聽到人說：「我們的攝影機符合ONVIF標準」或者是「只要符合ONVIF標準的攝影機我們都能接收畫面」，是的，ONVIF是近年來安防行業訂立統一標準規範的重要全球開放性的安防產業標準組織。ONVIF（Open Network Video Interface Forum）成立於 2008 年，這個組織主要任務是為 IP-based 實體安防產品與服務提供並推廣標準化介面，促進不同品牌、不同系統與不同部署模式之間的互通性。近年來隨著隨著 AI 技術快速進入影像監控產業，安防系統的角色正在發生根本性轉變。本刊特別專訪ONVIF 主席 Leo Levit，分享在AI趨勢下，將會給安防產業帶來怎樣的機會與挑戰。 |
| |
AI 讓影像監控從被動記錄走向主動預防
Leo在接受專訪時指出，過去幾年 AI 對影像監控產業帶來的最大改變，在於監控系統逐步從被動式的事後事件記錄與調查工具，走向更具主動判斷能力的預防型系統。對整個產業而言，AI 已成為近年最具影響力的技術之一，正推動攝影機、感測器、影像管理平台以及更多周邊應用服務共同演進。Leo Levit 表示，傳統影像監控長期以事件發生後的偵測、錄影、分析與調查為主要功能。攝影機所錄下的影像，通常被用來還原事件經過、協助調查責任歸屬，或在某些情境下透過監控存在本身產生嚇阻作用。
而隨著 AI 技術被更廣泛導入攝影機與各類感測設備，產業正在從被動接收事件結果，進一步轉向即時分析與風險預防。AI 能夠協助系統產生更多結構化資料，讓使用者更清楚理解攝影機視野內實際發生的狀況，並且以更大規模進行分析，最終目標是降低事件發生機率，讓潛在風險在造成損害前就被辨識出來。Leo Levit 強調，對安防產業來說，最理想的犯罪或事故，是從一開始就沒有發生的事件。AI 的價值正在於此，它讓影像監控從事後查證，進一步延伸到透過影像資料、行為辨識、物件偵測與事件分析，協助管理者在更早階段看見異常徵兆。
AI 帶來的改變，影響範圍已擴及整個安防產業鏈。除了攝影機製造商愈來愈普遍導入可加速 AI 推論的硬體與晶片，影像管理系統業者、系統整合商，以及利用影像資料提供服務的新進參與者，也都開始在 AI metadata 與事件資料之上創造新的應用價值。這也代表了攝影機的角色正在改變。它已從單純的影像擷取設備，逐步成為能夠產生資料、描述現場狀態、觸發事件並支援後端決策的智慧節點。Leo Levit 認為，AI 已經在安防領域形成廣泛採用趨勢，並為不同終端用戶、跨領域的產業創造價值，但產業仍處於高度期待與快速擴張階段，AI 的應用尚未達到真正高峰。
Profile M 成為跨品牌、跨產業以及系統整合的共同語言
當攝影機與感測器開始產生大量 AI metadata，如何讓不同品牌、不同系統、不同平台之間能夠正確理解與交換資料，就成為智慧安防落地的關鍵。針對這項挑戰，Leo Levit 特別談到 ONVIF Profile M 的重要性。他指出，Profile M 是 ONVIF 首次更專注於標準化 metadata 與事件資料的規範，目標是讓連接到監控系統中的攝影機、感測器與其他系統及設備，能夠以一致的格式產生並傳送事件與分析結果。
標準化資料格式，對跨品牌系統整合具有高度實務價值。影像分析結果若缺乏共同語言，即使前端攝影機具備 AI 偵測能力，後端平台與第三方系統也難以有效接收、判讀與應用，而Profile M 提供 analytics-capable services、IP cameras、VMS、伺服器、雲端服務與 IoT 應用之間傳遞 metadata 與 events 的標準方式，可以輕鬆的讓系統整合商與終端使用者能更彈性地組合不同供應商的設備與服務。在安防應用上，Profile M 可支援車牌辨識、人員偵測、物件辨識與各類事件分析資料交換，使不同品牌的攝影機、VMS、分析平台與管理系統能夠基於共同標準進行整合。
而在跨領域及跨系統的整合上，Leo Levit 以室內人數統計與空調系統連動作為例子說明，當攝影機能夠偵測並計算房間或場域內的人數，這項資料便可透過 Profile M 格式傳送給 HVAC 空調系統，由空調系統依據現場人數調整溫度或通風量。
透過Profile M 格式，AI metadata 可以用於安全事件，也能延伸到營運效率、能源管理與流程最佳化等應用情境。在智慧建築、智慧城市與智慧場域管理中，影像監控設備所產生的資料，將成為場域管理與自動化控制的重要基礎。對系統整合商而言，這類標準化資料也代表更多跨系統串接的可能，讓影像監控資料能進一步連結空調、照明、人流管理、停車管理與營運儀表板等應用。Leo Levit 指出，Profile M 在 ONVIF 各項 Profile 中，是符合性產品數量成長最快的規範之一，這也反映出產業對 metadata 與事件標準化的需求正在快速升高。
Media Signing 回應 AI 時代的影像真實性挑戰
除了 AI metadata 標準化之外，媒體真實性與影像可信度也是 ONVIF 近期高度關注的議題。Leo Levit 表示，ONVIF 正在推動的 media signing 機制，是近年在公開場合最受關注的主題之一。
隨著生成式 AI 與深度偽造工具普及，使用者愈來愈難單靠肉眼判斷螢幕上的影像是真實錄影，或是曾經被 AI 工具產生、修改或偽造。對安防產業而言，這是一項非常嚴肅的挑戰，因為監控影像長期被視為事件查證、法律程序與責任判定的重要證據來源。一旦影像內容的真實性受到質疑，整個影像監控系統的信任基礎也會受到影響。
Leo Levit 說明，ONVIF 提出的 media signing 概念，是在影像處理鏈的最前端，也就是感測器端就對影像進行簽章。這項機制基於每一台設備獨有的硬體簽章，使使用者在任何時間點都能追溯影像來源，確認影像是由哪一台攝影機錄製、設備序號為何、錄製時間為何，以及對應的製造商與型號資訊。
從感測器端簽章，建立可信影像來源
如果影像在感測器到觀看端之間的任何環節，被一般工具或 AI 工具編輯、竄改或修改，原本的簽章就會遭到破壞，系統也能顯示該影像曾經被改動。這對於法院證據、事件調查、保險理賠、公共安全與高敏感場域管理，都具有重要意義。
ONVIF 已在 GitHub 上提供 Media Signing Framework。根據該專案說明，ONVIF Media Signing 透過在影片中加入加密簽章，協助保護簽章後的影片免於遭到竄改；其作法包含對每一個 video frame 進行 hash，並以簽署者設定的 private key 反覆產生簽章，而加入影片中的簽章資料不會影響影片播放呈現。
Leo Levit 強調，維持影像作為可信證據來源，對安防產業至關重要。ONVIF 推動 media signing 的目的，正是為了讓製造商與系統開發者更容易導入影像完整性保護機制，並在 AI 影像偽造工具愈來愈普及的時代，重新建立監控影像作為證據來源的信任基礎。除此之外ONVIF 與 C2PA 的合作，目標是在 AI 生成內容操控風險升高的背景下，推動數位影片完整性與可信度。
Leo Levit 表示，C2PA 與 ONVIF 在媒體可信度方面有相近的目標，但兩者關注角度有所不同。C2PA 更重視內容在生命週期中的來源與歷程追蹤，也就是 provenance；ONVIF 則更聚焦於安防影像的 authenticity，也就是內容是否真實、是否來自可信設備、是否在傳輸或儲存過程中遭到竄改。
兩個組織從不同角度推動市場教育與技術發展，共同提升社會對內容可信度的重視。對安防產業來說，這樣的合作具有明確意義。當深偽影像、生成式內容與錯假訊息成為全球共同挑戰，監控影像的信任機制已經牽涉到公共安全、司法採證與社會信任。
成立 AI 工作小組，推動下一階段標準化
談到 ONVIF 未來在 AI 標準方面的規劃，Leo Levit 表示，ONVIF 是一個由會員驅動的組織，組織內的標準制定工作與未來方向，皆由會員需求與產業共識推動。AI 目前仍是產業中最受關注的技術議題之一，也因此成為 ONVIF 會員認為需要進一步標準化的重要方向。基於這樣的需求，ONVIF 已成立 AI 工作小組，針對 AI 相關應用案例、可採用技術，以及未來如何在 ONVIF 規範中加以定義與標準化展開討論。這個 AI 工作小組的任務，是確保 ONVIF 能夠在 AI 時代持續具備可用性與延展性。
Leo Levit 指出，ONVIF 的目標是讓標準能夠與基於 AI 的系統共同運作，一方面讓 AI 系統能分析由 ONVIF 產品所產生的資料，另一方面也讓 ONVIF 規範具備產生結構化資料的能力，使 AI agents 或其他智慧系統能夠理解與使用。這代表 ONVIF 未來的標準化工作，將進一步考量資料如何被 AI 系統讀取、理解、推理與應用。Leo Levit 在受訪結束時表示，AI 正將影像監控推向更主動、更資料化、更跨系統整合的新階段，而標準化將是這場轉型能否真正擴大落地的關鍵。
|
| |
| ※本文圖文非經授權不得轉載，洽詢授權，請E-Mail至contact@aimag.tw[ iDS智慧安防雜誌聲明 ]※ |
| |
| |
|
| |
