Maskininlärning (machine learning) och djupinlärning (deep learning) är delområden inom artificiell intelligens (AI), där djupinlärning är en delmängd av maskininlärning. Inom kamerabevakning innebär de att kameran tränas på hur olika objekt ser ut och därför kan detektera utifrån utseende i stället för enbart på rörelse. En sådan AI-kamera kan dessutom skilja på olika typer av objekt – och kan till exempel ställas in att larma på lastbilar men inte på personbilar.
Maskininlärning och djupinlärning bygger båda automatiskt en matematisk modell utifrån stora mängder exempeldata, så att systemet kan fatta beslut utan att vara uttryckligt programmerat. Skillnaden ligger i särdragen: i klassisk maskininlärning väljer en utvecklare för hand ut vilka särdrag algoritmen ska väga samman, medan djupinlärning använder ett neuralt nätverk med många dolda lager som självt lär sig både vilka särdrag som är relevanta och hur de kombineras. Djupinlärning känner därmed igen mer komplexa objekt, men kräver mer träningsdata och beräkningskraft.
Modellen tränas oftast med övervakad inlärning på märkt data, en till stor del manuell process där materialet annoteras, tränas och testas i upprepade cykler. Den färdiga modellen lär sig inget nytt under drift; att köra den kallas inferens och kan med tillräcklig processorkraft ske direkt i kameran i stället för på en server.
Resultatet blir färre falsklarm. Äldre rörelsedetektering kunde utlösas av ett moln framför solen eller en vindby i ett träd, medan en tränad modell känner igen utvalda objekttyper och låter bara dem fungera som larmutlösare.
Kvaliteten är helt beroende av träningsdatan, och dåligt valt material kan ge etnisk eller könsmässig bias; eftersom detektionerna kan bli fel bör en erfaren operatör ingå i besluten. Vid ansiktsigenkänning behandlas biometriska, känsliga personuppgifter, och kamerabevakning regleras i Sverige av kamerabevakningslagen tillsammans med GDPR under tillsyn av IMY.