人臉辨認方面，我們推出了自助庫一多算法。多算法平臺除了算法有針對性， 還有針對性地建立了各種案件庫。如電白、廉江、湖南邵陽犯案集中地區的案件庫，為各警種辦案提供了有力的比對工具。該項目運行以來，得到了各警種的好評，在實戰中也出了較好的成效，特別是在占案例大頭的經濟詐騙案、信用卡詐騙案中有較為突出的效果。
視頻人臉識別涉及到算法的選擇、攝像卡且及鏡頭選擇與架設。 中山監控安裝公司介紹到視頻人臉識別方面有一系列的產品方案： (1)動態人臉識別監控分析系統：
對監獄、機場、港口、銀行；交通、運輸；商場、大型超市；金融VIP等重要地點進行的機動布控。
(2)海量錄像人臉分析系統：
支持多路錄像同時進行人臉分析，單個主服務器可支持32路以上人臉采集，8路以上人臉識別分析，具備強大的擴展性(具體的支持路數由服務器性能決定)。
(3)人臉識別安防機器人：
在機場、港口、會場、展館、機場、火車站、汽車站等巡邏布控，在高端小區和工業園區等日常巡邏、警戒和布控。
(4)網格化中心布控(c e n t r a l i z e ddeployment)：
我們已成功實施了廣東某火車站人臉識別布控項目，某地鐵站人像抓拍識別租賃項目，某公安布控區域布控項目，某大型公園人臉識別布控項目，等等。
（5)基于人臉的人員軌跡分析一去中心化布控。
（6)訪客/迎賓機
從技術上而言，規范的人臉圖像采集，準確的人臉圖像檢測和提取，加上好的人臉比對算法，成就良好的人臉識別體驗。
我們正在進入主動安防的時代
中山監控安裝公司表示深度學習、紅外光結構化等技術融合發展，讓安防更智能、更適應各種不同場景。需要人工查找分析的傳統安防時代正在褪卻，取而代之的是一個主動安防的時代。‘人工智能+軟硬件一體化”成為趨勢。
人臉識別的發展必然會經歷兩個時代：
(1)模型驅動時代，重在研究各種復雜的數學模型，利用有限的樣本進行學習，模型的好壞直接決定識別效果，局限性較大，泛化能力較弱；
(2)數據驅動時代，直接基于人工神經網絡的模型，利用大數據進行深度學習，數據的重要性超過了模型本身，具有很強的泛化能力。
這兩種驅動具有不同的研究范式。
模型驅動：
數據驅動：
人工神經網絡(ANN)系統是20世紀40年代后出現。1990年起，王守覺院士開始神經網絡模式識別新理論新技術的研究，2002年取得突破性進展，提出了“高維形象幾何仿生信息學”新理論。該理論不斷豐富和完善，獲得了1 3位院士極高評價和聯名推薦。
微富安防人臉技術創造了超低數據量人臉識別技術，全球首創且唯一，將人臉特效表達為48字節，存儲超低、傳輸更快、比對更快、準確率高，可實現超小載體存儲、超大范圍應用。
這種人臉識別技術采用高維形象幾何仿生信息學算法突破了環境的局限。在環境采集方面，新技術在動態識別的過程中可以逐步將人的表情、姿態、光線、遮擋等干擾信息進行排除，得到一張更準確表現個人信息的照片，從而提升比對的成功率。
對于人臉化妝、遮擋，新技術在提取人臉特征的時候，并不是基于每一個點的精確匹配，而是將人臉分成不同區域對其特征進行計算，因此小范圍局部遮擋(戴眼鏡或口罩)將不作為比對的內容，而是選擇匹配最高的區域進行綜合比對，所以對比對效果不會產生太大影響。
對應于兩種驅動模式，安防的兩個時代分別是被動安防與主動安防。
(1)被動安防：人眼“觀看監控器20分鐘，人的集中力及判斷力將會下降”；人眼“觀看監器30分鐘以上，將會放棄畫面變動的80％以上”；事后查看錄像回放，時效性差，無法對各種犯罪活動形成有力打擊；人工無法完成大量的實時監控，即使是細心的注意力集中的監控人員，也不能有效完成監控任務。
(2)主動安防：機器自動實時進行大數據分析，自動跟黑名單進行人臉比對，7*24小時不間斷；實現低投入產生高效率，使視頻監控網絡系統真正成為“火眼金睛”，向科技要警力，使現有的警力提高20倍以上；變事后分析為事前預警，變被動安防為主動安防，極大提高犯罪威懾力。
人臉識別技術的發展開啟了主動安防時代!
中山機房建設公司表示傳統的人臉識別發展走過了一條漫長的路。最終達到的水平是在正臉、光照均勻、無遮擋、兩眼像素60pixels[~像的。I~T95％@withFAT@2％。左右(FRVT 2013)；用戶的總體體驗是對圖像的要求比較高，需要用戶高度配合，應用面比較窄。
AI使人臉識別一步踏入用戶可接受的門檻。開源的AI算法訓練平臺：通過適當的數據訓l練，可達到應用要求，現在的競爭是在萬、十萬、百萬之一錯誤識別率下的正確識別率／錯誤拒絕率，互聯網存在的海量人臉圖像，對光照、姿態、兩眼像素、年齡、圖像清晰度等要求明顯降低，人們可以不再糾結選什么算法(視頻人臉識別對算法的要求仍是首位的)。
未來的人臉識別一定是AI+軟件+硬件，這一點從今年的G00gle H0me發布會就可以充分看出來。
本篇新聞由中山機房建設公司m.10359.cc力豐科技整理發表。
|
