图11. 数字人脸识别。
随着深度传感技术的分辨率和深度精度不断提高，人员的区分和跟踪将变得更加容易。人工智能的使用可以大大提高分类的置信度，从而推动新的新兴应用领域涌现。一个很好的例子是商业自动门开启功能，尤其是在太阳光强烈的区域。确保门只对人开放，不对其他物体开放，这有助于实现高效楼宇管理，并提高安全性。
图12. 自动门开启的人员分类。
随着3D算法进一步成熟，数据分析将被用来收集大量关于人们行为的有效信息。这种技术可能最先应用于楼宇控制应用，例如门禁系统。垂直安装的传感器增加了深度信息，这意味着可以非常准确地计算人数。另一个用例是智能自动门开启（图13），它可以对人进行区分，只有在检测到真人时才开启。ADI正在开发人员计数和区分的软件算法。
通过使用深度信息，可以在许多具有挑战性的条件下对人进行高精度的分类，例如在光线暗淡或没有环境光的环境中，在人口密度较大的地区，以及在人员着装复杂的情况下（例如，戴着帽子、围巾等）。最重要的是，几乎可以消除人员计数错误。如今，立体摄像机可以用于进出检测，但由于机械尺寸（两个传感器）和高处理器需求的限制，立体视觉往往价格昂贵，且尺寸很大。ADI ToF 技术直接输出深度图，且只采用一个传感器，因此大大降低了外形尺寸和处理需求。
图13. 使用深度传感技术的人员跟踪算法。
深度传感是工业、制造和建筑过程中的重要应用。在整个生产过程中实时准确地确定尺寸并进行分类，这是一项了不起的功能。准确的深度传感可以确定仓库的使用率。需要能够快速确定下线产品的尺寸，以进行传输。高分辨率深度传感能够实时确定目标对象的边缘和线条，并快速计算出其体积。这种确定体积的应用目前已使用神经网络方法。
图14. 3D尺寸。
在工厂内部，自动传输产品的范围不断扩大。AGV（自动导航车辆）等自动驾驶车辆将需要在工厂和仓库中更快地自主导航。高精度深度传感技术使得传感器能够实时绘制所处的环境、确定自身在地图中的位置，然后找出最高效的导航路线。在工厂自动化环境中部署这种技术的最大挑战之一在于：来自在同一 区域运行的其他传感器的干扰。ADI的干扰消除IP使得这些传感器能够在彼此的视线范围内工作，且不互相影响性能。
