归功于深度学习越趋成熟，近年影像辨识在制造业的运用已可创造相当优异的表现，主要可用于减少人工品检流程的失误与耗时，对于欲藉由自动化取代人力解决劳力稀缺或工资上涨问题的制造业者来说，不论在生产效率与质量的控管上，都具有相当显著的成效。但对于部分短期内尚无法大量导入自动化，而仍旧以人工作业为主的传统制造业者而言，基于影像辨识的人体骨干分析技术，由于主要系以人体作为辨识对象，因此在不导入自动化生产的形式下，也能有效透过行为动作辨识进而达到生产效率的提升。

台湾新创团队云守护(Beseye)自主开发的人体骨干分析技术，在监控设备中导入深度学习，可透过撷取人体骨骼特征进一步分析人体行为模式，因此除了影像分析市场中已相当成熟的人脸辨识之外，更可以达到人体的动态影像辨识。Beseye创办人暨执行长涂正翰表示，因此只要在摄影机的监控范围内，从侦测人员进出、身分识别一直到行为辨识等，所有的动态信息都可以被逐一分析。

而制造业运用人体骨干分析技术的两大需求，主要可来自工安与生产效率的提升。象是在日本一家钢铁公司的作业现场中，随处可见大型起重机执行钢条吊挂作业。具有高度危险性的作业现场，即便有非常严谨的安全规范把关，但平均每年仍会发生3到5起砸伤人的意外事故。特别是针对大型企业来说，意外事故造成的商誉损失，难以在短时间内被淡忘，因此这间钢铁公司每年光是砸在公关处理的费用就高达数亿元日币。

为了解决工安危机，Beseye协助钢铁公司在作业现场布建的监控摄影机中导入影像辨识，因此哪个作业员没有配戴安全帽，或是与吊挂钢条的距离过近等等行为，都可以在数秒之内被辨识出来。涂正翰表示，这项应用真正的关键在于可达到主动告警。
他分析，过去大部分的安控设备都只能做到事发后的厘清与究责，在事发前，除了靠警卫的肉眼紧盯画面，否则根本无法实时掌控潜在危机，而藉由监控摄影机的主动告警，可做为警卫的第三只眼，减少工安漏洞。

在制造业方面的另一个应用，则是针对生产效率的提升。一家打入BMW供应链的汽车玻璃制造厂，至今仍维持大量人力作业负责汽车玻璃的生产制造，然而，不管从生产效率或是制造质量来看，人力作业都具有一定的失误机率。尤其汽车零件攸关人身安全，在良率的控管上更佳严格。

导入自动化取代人力可能是提升效率与质量的方法之一，但对于传统制造业而言却不见得符合经济效益，因此Beseye则是协助制造商透过影像分析，尽可能降低人力作业的失误。在第一步系统会先自主学习并定义何谓标准化的作业流程，接下来厂内的摄影机就可依据先前认知的模型辨识作业员的操作是否符合最佳化流程，例如上胶、擦胶等动作应该要在几秒之内完成等等。

加上辅以时间纪录，因此系统能进一步精确计算每个作业员的生产时间。这样的作法，不仅可以确实掌握每个员工的生产力，也可以确保作业员的每一个动作皆按照标准程序进行，以降低失误并确保产能的稳定。

由于在工厂中，监控设备是刚性需求，更是制造业者的基础设施，透过整合监控设备与影像辨识技术，在尽可能减少更动现有产线设计的情况下导入智慧化技术提升生产效率与质量的管控，对于规模较小的制造业者或是复杂的生产环境来说，不仅有助于减少额外投资，也能降低智慧制造的导入门槛。