I de seneste år er der sket en markant stigning hvad angår forskning og udvikling af Deep Learning og ANN. Også inden for videoanalyse, hvor man anser, at Deep Learning vil kunne revolutionere markedet. Ifølge Oliven Philippou hos markedsanalyseinstituttet IHS Markit er der to hovedområder, hvor Deep Learning-analyser giver store fordele sammenlignet med anden teknik: Mere pålidelige klassifikationer og mere kraftfuld databearbejdning.

Større pålidelighed
I forbindelse med traditionel videoanalyse har der længe været klaget over, at algoritmerne ofte ikke kan skelne mellem genstande og adfærd, som et menneske ikke ville have problemer med at klassificere. Dette resulterer enten i uopdaget sikkerhedsindtrængen eller falske alarmer.

Ifølge IHS muliggør Deep Learning evnen til at se en situation intuitivt, hvilket giver en betydeligt mere pålidelig objektklassificering. Dette kan for eksempel være vigtigt inden for kritisk infrastruktur-sektoren, hvor sikkerhedsindtrængen kan være katastrofal, mens falske alarmer kan være dyre.

Der er eksempler, hvor Deep Learning-algoritmer har vist sig at foretage en 99,9 rigtig klassificering, mens konventionelle systemer har problemer med at opnå 95 procents pålidelighed. For mange sikkerhedsbrugere kan denne lille forskel i procentenheder være af stor betydning.

Mere kraftfuld databearbejdning
En anden fordel med Deep Learning er, at det muliggør bearbejdning og analyse af store mængder videofilm på en brøkdel af den tid, som tidligere analysemetoder krævede. Virksomheder som Avigilon, Qognify og Ironyun sælger allerede i dag videoanalyse, som bruger Deep Learning til at omdanne store filmmængder til brugbar information betydeligt hurtigere, end hvad der var muligt med tidligere teknologi.

Software til at bearbejde film, som muliggør at bruge Google-lignende grænseflader og søgeord i naturligt sprog (snarere end programmeringssprog) reducerer også drastisk den tid, det tager at finde en relevant videofilm i et arkiv, som lagrer tusinder af filer.