محدودیتهای موجود در توانایی انسان برای نظارت دقیق بر فیلمهای زنده نظارت تصویری منجر به تقاضا برای هوش مصنوعی شد که بهتر میتوانست این وظیفه را انجام دهد. انسان هایی که بیش از بیست دقیقه یک مانیتور ویدئویی را تماشا می کنند، 95 درصد از توانایی خود را برای حفظ توجه کافی برای تشخیص رویدادهای مهم از دست می دهند. با دو نمایشگر این دوباره به نصف بریده می شود. با توجه به اینکه بسیاری از امکانات ده ها یا حتی صدها دوربین دارند، این کار به وضوح فراتر از توانایی انسان است. به طور کلی، نماهای دوربین از راهروهای خالی، انبارها، پارکینگ ها یا سازه ها بسیار خسته کننده است و بنابراین توجه به سرعت کاهش می یابد. هنگامی که دوربینهای متعددی نظارت میشوند، معمولاً از یک مانیتور دیواری یا مجموعهای از مانیتورها با نماهای صفحهنمایش تقسیمشده استفاده میشود و هر چند ثانیه یکبار بین یک مجموعه از دوربینها و دوربینهای بعدی میچرخد، خستگی بصری بهسرعت غلبه میکند. در حالی که دوربینهای نظارت تصویری با استقبال گسترده کاربران از نمایندگیهای خودرو و میدانهای خرید گرفته تا مدارس و مشاغل گرفته تا تأسیسات بسیار ایمن مانند نیروگاههای هستهای افزایش یافت، در گذشته مشخص شد که نظارت تصویری توسط افسران انسانی (که «اپراتورها» نیز نامیده میشوند) غیرعملی است. و بی اثر است. سیستمهای نظارت تصویری گسترده صرفاً به ضبط برای استفاده احتمالی پزشکی قانونی برای شناسایی شخصی، پس از وقوع یک سرقت، آتشسوزی، حمله یا حادثه، تنزل یافتند. در جایی که از نماهای دوربین زاویه باز استفاده می شد، به ویژه برای مناطق بزرگ در فضای باز، محدودیت های شدیدی حتی برای این منظور به دلیل وضوح ناکافی کشف شد. در این موارد شناسایی متجاوز یا مرتکب غیرممکن است زیرا تصویر آنها روی مانیتور بسیار کوچک است.

فراتر از توانایی انسان در نظارت تصویری
شناسایی متجاوزان با استفاده از نظارت تصویری بر اساس اکونومی و ماهیت دوربین های فیلمبرداری دارای محدودیت هایی است. به طور معمول، دوربینهای خارج از منزل روی زاویه دید گسترده تنظیم میشوند و در عین حال در فاصلهای طولانی به بیرون نگاه میکنند.