您好,歡迎來到商道網

安防資訊

Purchasing information

首頁 > 安防 > 最新資訊

安防監控中AI計算機視覺應用

    【慧聰網|安防】AI(ArtificialIntelligence)人工智能技術的概念已經被提出來很多年,若加以描述就是在科學技術上具有判斷、認知(perception)、洞察(insight)、學習(learning)、了解(comprehension)及推論(reasoning)等行為表現,也是人工智能追求的目標。這幾年安防產業亦出現相當熱門的數據化人工智能學習和識別技術的概念,它們與安防有什么關聯?如何應用在安防監控中?這種AI人工智能目前最多的應用又是哪些?

    結合數據采集的安防AI人工智能

    自從道路監控系統在全球興起之后,目前世界各國的城市監控建設即將進入擴張與結構改變的階段,在這種需求變革下,安防監控系統將需要更多元化與人工智能化的整體解決方案。現代化的公共安全已不再僅止于無限的擴充影像監控覆蓋密度、廣度以及追求超高清解晰度,而是透過這些人工智能化的手段與工具,讓傳統安防時代更進一步,轉向注重數據采集、應用和管理的人工智能化安防時代。

    全球城市道路監控建設都在快速發展,各國街道、十字路口隨處可見各種攝影機監控設備,為城市公共安全及治安偵察工作提供了影像的方便性和立即性。但隨著監控設備數量的大量倍增,影像解析度的不斷提高,公共安全搜集到的影像和圖片之數據量呈現等比幾何的增長,再加上影像解析度的提高,連帶使伺服器的處理能力和使用率都產生了更高的門檻。因此,安防影像監控在影像調閱、門禁進出數據、資料的儲存、運算等技術上都面臨巨大挑戰。

    AI人工智能與安防監控的應用技術

    面對這樣的挑戰,安防監控使用者如何能在大量增加的數據中,利用既有的人工智能技術快速獲取有價值的資料,便成為當前最重要的課題。以下簡述幾種與安防監控結合的AI人工智能技術:

    1、人工智能的模式識別技術

    通常在監控系統收集的影像數據資料中,資料本身并不具價值,必須再經過深度挖掘、分析資料中影像呈現的數據模式,才會產生出真正有用的價值。未來是大數據的時代,數據資料的模式識別將備受重視。

    2、人工智能的深度學習技術

    此為AI人工智能機器深度學習研究中的新領域,其動機在于建立、模擬人腦進行分析學習的神經網路,它模仿人腦的行為思考機制來解釋數據資料,例如影像內容、聲音和資料本身。未來要讓AI人工智能的機器深度學習能夠大行其道,數據資料本身將是最主要的關鍵因素,而影像監控資料占大數據總量的60%以上,也就是說,影像監控領域有70%以上的數據資料分析是用來進行影像識別。目前這種AI機器深度學習在安防產業的諸多領域都取得了很大進步,包括:行人檢測、車輛檢測、非移動車輛檢測等,其識別準確率甚至超過人類的眼睛判斷。

    3、AI人工智能的前端識別技術

    先進的產品技術是一家高科技企業能否長久發展的根本,要安防監控智能化,系統就需有基于AI人工智能相關的「影像識別」運算技術,才能夠開發出一系列的智能化監控應用設備,因此前端識別技術也就成了AI人工智能的第三個本質技術。

    AI人工智能在安防領域的技術發展

    大致介紹說明完三種較常見的AI人工智能安防應用技術內容,接下來我們再進一步探討AI人工智能在安防上的深度技術發展:

    1、多特征識別技術

    一般在大量影像數據資料下,想要從歷史和即時的影像資料中篩選犯罪嫌疑人有如大海撈針,而多特征識別技術則是透過人工智能的方式,讓電腦從大量監控影像中自動識別出嫌疑人,分析資料中的個人特征,然后根據犯罪嫌疑人的特征自動篩選,不僅大大的節省人力物力,同時也大大縮短犯罪嫌疑人的到案時間。現在有部分廠商利用先進的深度學習技術,研發出能夠克服光照、天氣等不可抗力因素,快速準確地識別出個體人物的各種重要特征,如性別、年齡、發型、衣著、體型、是否戴眼鏡、是否騎車以及隨身攜帶的物品等。個體人物多特征識別演算法有著靈活的布建方式,可自訂時間軸和識別區域范圍以達到快速準確的判別,并利用智能影像分析(IVS)于影像伺服器集群的輔助,對監控系統中幾百支影像監控攝影機進行24小時不間斷的多特征分析與檢索,即時找尋可疑人員,發出預先告警信號。

    2、姿態識別技術

    姿態識別技術是指針對個體人物的走路姿勢,是一種可在遠距離就感知的生物行為特征技術。和其他生物特征識別技術相比,姿態識別的優勢在于非接觸性、非侵入性、易于感知、目標物難以隱藏和偽裝等。姿態分析還可以輕松的區分出個體人物的不同行為模式,例如是在行走中、奔跑中、還是攜負重物等。基于這些優點,姿態識別特別適用于門禁系統、安全監控、人機交換、醫療診斷等部分,尤其在安防領域中具有廣泛的應用和經濟價值。

    姿態分析的技術困難點在于其特征的穩定性問題,因為一個人的姿態會因生病受傷、體型胖瘦變化、穿衣多寡甚至是穿著舒適度等因素影響而改變,部分廠商為了克服這個問題,特別在研發上加進了機器深度學習方法,用姿態向量圖示來描述姿態順序排列,透過深度累積神經網路訓練匹配模型。訓練好的累積神經網路匹配模型能夠計算待識別的姿態影像和已經注冊的姿態影像順序排列,比對每個姿態向量圖的相似度,再依據其相似度大小進行身分識別。姿態識別應用采全天候模式,在特定的安防場合中可快速對遠距離個體人物目標的身分進行準確判斷,因此研究人員將來勢必需要建置大規模的姿態資料庫。姿態識別技術將有助于解決一些低影像解晰度個體人物身分識別的難題,為使用者提供重要的識別查核線索。

    3、3D相機技術

    身高是人體重要的資料特征之一,在一些特定的場所,例如風景區入口、車站收票口等對身高要求都有明確的規定。傳統利用尺度工具測量身高的方法雖然操作簡單,但需要被測人員配合,不僅速度慢,精確度也較差;超聲波、紅外線等方式雖可實現自動測量、精準度較高,但對測量環境條件的要求有較多限制,不適合用于公共場所,而3D電腦視覺技術的3D相機則可以很好地解決上述問題,提供多場景、非接觸式、自動化的量測。3D相機是利用深度感測器獲取現實場景的深度資料和顏色資訊,透過座標變換建立深度資料與3D座標之間的對應關系,然后藉由去雜訊、配對位準等運算法去除干擾并減小誤差,最后再以3D重建的方法得到身高以及其他資料。

    3D相機無需與被測物件接觸,物件進入測量場景即自動采集測量多個人物目標,配對位準后對光照具有較強的穩定性,可適應場景的光照變化,因而也有較高的精確度和即時性,在安防影像監控領域的應用將愈顯重要。

微信掃碼支付完成后,點此文章自動刪除
3d和值查询表