根据“拯救犀牛”的统计数据，南非每年有1000多头犀牛死亡。这些令人痛心的偷猎统计显示了这个美丽物种黯淡的未来。尽管在过去十年中已经进行了许多尝试来打击偷猎的破坏性结果，但该国的犀牛数量仍未出现同比逐年稳步下降的趋势。

正是基于这一原因，总部设在南非的AxxonSoft，其全球营销总监Colleen Glaeser，决定利用她所掌握的工具，创建一种战略性和积极主动的反偷猎方法，协助一个急需援助的国家。

虽然深度学习在其算法中使用AI和神经网络分析对安全和监视行业来说并不陌生，但Colleen和AxxonSoft全球团队更进一步，开发该软件以帮助区分人类和动物。

在南非的野生动物保护区和公园中实施这项技术无疑会使偷猎情况改变。有两个原因; 这种神经网络解决方案可以识别实际的偷猎威胁（将偷猎者与猎物区分开来），同时提供主动监控解决方案而不是反应式监控解决方案。

深度学习技术：分辨人类和动物之间的差异

深度学习技术主要用于面部识别和车牌识别，几乎没有尝试过分辨人类和动物之间。在将深度学习纳入反偷猎监视之前，软件经常使控制室和响应单元失败，因为动物，昆虫和天气引发了多次误报。控制室无法区分实际威胁和虚报，这通常导致资源耗尽，因为团队被派遣到在自然栖息地放牧时触摸围栏的动物。

AxxonSoft领先的监控软件利用AI和深度学习技术，现在可以提醒控制室的操作员立即发现偷猎威胁，因为偷猎者试图突破围栏周边进入保护区或公园。

Collex Glaeser全球营销总监Colleen Glaeser说：“迄今为止，我们的深度学习技术在描述动物和人类之间的差异方面非常成功，因为神经网络算法可以通过某些指标识别人类或动物是否已经引发了报警。如果软件检测到人员，则立即通知运营团队，并将调度团队发送到相关场景。”

主动与被动监视

此外，AxxonSoft的深度学习技术为监控提供了前瞻性的解决方案，而以前的系统在应对真实威胁方面有些陈旧和反应。由于地形辽阔，资源有限，游侠和反偷猎单位经常到达犯罪现场为时已晚。使用AxxonSoft技术，一旦发生破坏，摄像机将识别是否由动物或人造成了破坏，并立即通知控制室在保护区或公园中发生的事件。派遣团队获得必要的信息，他们前往发生事故的地点。

深度学习和神经网络分析的美妙之处在于它能够学习和理解导致事件的条件，并最终使我们能够在满足已知条件时为威胁或潜在的违规做好准备。

“AxxonSoft的技术在防止杀戮方面非常成功，因为该团队能够迅速赶到犯罪现场。通过利用这项技术，我们能够采取积极主动的方法，在实时情况下识别威胁。AxxonSoft团队和我相信这种反偷猎解决方案可以帮助打击偷猎者，并彻底降低令人沮丧的统计数据。我可以证明我们在遏制偷猎方面取得了巨大成功，”Glaeser总结道。