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. سرعت فریم در ثانیه و محدوده دینامیکی برای مدیریت مناطق با نور روشن و مناطق کم نور بیشتر دوربین را به چالش می کشد تا در واقع برای دیدن یک متجاوز انسانی در حال حرکت کافی باشد. در شب، حتی در فضاهای بیرونی روشن، یک سوژه متحرک در هر فریم در ثانیه نور کافی را جمع آوری نمی کند و بنابراین، مگر اینکه کاملاً به دوربین نزدیک باشد، به صورت یک شبح نازک یا شبح به سختی قابل تشخیص یا کاملاً نامرئی ظاهر می شود. شرایط تابش خیره کننده، تاریکی جزئی، باران، برف، مه و تاریکی همگی مشکل را تشدید می کنند. حتی زمانی که در این شرایط به انسان دستور داده می شود تا به مکان واقعی مانیتور سوژه نگاه کند، معمولاً سوژه شناسایی نمی شود. A.I. می تواند به طور بی طرفانه به کل تصویر و تمام تصاویر دوربین ها به طور همزمان نگاه کند. با استفاده از مدلهای آماری درجات انحراف از الگوی آموختهشدهاش از آنچه که شکل انسان را تشکیل میدهد، یک متجاوز را با قابلیت اطمینان بالا و نرخ هشداراشتباه پایین حتی در شرایط نامطلوب شناسایی میکند. یادگیری آن بر اساس تقریباً یک چهارم میلیون تصویر از انسان در موقعیت ها، زوایای مختلف، وضعیت ها و غیره است.
قوانینی را می توان برای “حصار مجازی” یا ورود غیرمجاز به یک منطقه از پیش تعریف شده تنظیم کرد. قوانینی را می توان جهت حرکت انسان ها، اشیاء باقی مانده، تشکیل و تراکم جمعیت و برخی شرایط دیگر تنظیم کرد. هوش مصنوعی برای نظارت تصویری به طور گسترده در چین استفاده می شود.