<big id="fztl3"><strike id="fztl3"></strike></big>
    <track id="fztl3"></track>
    <pre id="fztl3"><span id="fztl3"><th id="fztl3"></th></span></pre><video id="fztl3"></video><ol id="fztl3"></ol>

    <video id="fztl3"><track id="fztl3"><progress id="fztl3"></progress></track></video>
      <big id="fztl3"></big>

      <pre id="fztl3"><th id="fztl3"></th></pre>

        <noframes id="fztl3">

            <address id="fztl3"><em id="fztl3"><big id="fztl3"></big></em></address>

            <listing id="fztl3"></listing>

            <dl id="fztl3"><listing id="fztl3"></listing></dl>
            <noframes id="fztl3"><big id="fztl3"></big>

              <span id="fztl3"></span>
              logologo旁描述圖片

              服務熱線:0755-82256631 客戶登錄     分享到:  

              聯系我們 在線咨詢
              行業新聞

              首頁 > 新聞資訊 > 行業新聞

              AI加持智能安防人臉識別解鎖新市場

              隨著深度學習、大數據、云計算等多項關鍵技術的持續突破,人工智能的時代已經到來。當前,中國人工智能產業處在快速發展階段。前瞻產業研究院《人工智能行業市場前瞻與投資戰略規劃分析報告》指出,2017年中國AI市場規模超過200億元,到2020年有望超過700億元。預計到2035年,人工智能有潛力拉動中國經濟年增長率上升1.6個百分點。

              在安防領域,有其本身由前端監控等硬件設備累積的海量數據資源優勢,也有事前預防、事中響應、事后追查的行業應用需求,是人工智能最理想的落地行業之一?!笆濉眹蚁嚓P發展規劃就將智能安防作為重點領域,明確提出要“積極探索安防及相關融合領域的前沿基礎技術”積極促進多鑒、聯網(復核)報警技術,快速安檢技術,用于門、箱、出入口控制等領域的生物特征識別技術,以及行為智能識別技術的研發及應用。同時,公安部也多次強調,要求公安機關“把著力點聚焦到警務機制與科技應用深度融合上來,把現代科技應用作為公安工作現代化的大戰略、大引擎。

              在國家政策支持下,人工智能技術不斷飛速地發展,AI與安防應用場景深度融合,帶來了更多、更豐富的新場景、新需求,推動市場步入了“新安防 真智能的時代”。傳統安防只是將攝像頭作為捕捉圖像的工具,在實戰場景下還需要花大量的人力物力做人工的視頻對比排查工作。而“新安防”將人工智能技術全面滲透到解決公共安全的實際問題里,把數據價值融入到平安城市、智慧園區等各個行業場景中,讓安防監控從“有”到“用”,根據視頻圖形資料進行智能靜態、動態對比,給出多維度解決方案,大幅度提高了安防工作的效率。

              可以說,AI技術的融入,將給安防行業帶來一場顛覆性的革命。

              人臉識別是智能安防殺手锏

              在一系列的人工智能技術中,人臉識別技術是目前安防領域應用最多,也是效果最明顯的AI技術。

              人臉是具有法定效力的人體體表三個唯一性特征之一,在鑒定和鎖定目標對象身份方面具有一錘定音的作用。人臉識別技術利用計算機技術自動從視頻中抓拍人臉,與后臺系統中的目標數據庫進行比對并實時報警,在大型活動安保實際能夠真正能夠實現“他是誰、在哪里、軌跡重現”的管控目標,能夠有效解決公共視頻探頭對目標對象畫面難找、軌跡難尋、身份難辨等問題,在偵査破案、反恐防暴、維穩安保方面發揮了獨一無二的作用。

              近年來,人臉識別算法不斷演進,各家都能在人臉識別測試中都能取得精度90%以上的成績,看似精度已經達到一個很高的程度,然而不同算法精度之間微小的百分之幾的差距,在實戰應用中就是天壤之別。

              以美國國家標準技術局舉辦的FRVT(Face Recognition Vendor Test )算法比賽舉例,該測試是全球權威的人臉識別測試,測試集合來自美國國土安全局的真實業務場景,例如出入境、刑偵過程中收集的大量照片,同時這些測試數據均不公開,有效避免算法過程擬合甚至是作弊。歐洲、中東、南美等國際上多個國家和地區都是以此項測試結果作為黃金標準,用來制作國家政府采購招標書。

              依圖已經連續兩年拿到FRVT測試的冠軍。根據美國國家標準技術局今年發布的成績,依圖在千萬分之一誤報下的準確率已經接近99%,是目前全球最好的人臉識別技術水平。在百萬分之一誤報下,當前最好水平識別準確率達到99.3%,依圖也是唯一將漏報率做到1%以下的參賽者。

              在這個測試中,前兩名的算法精度只相差0.006,看似微小到可以忽略不計的差距,在實戰中卻是可用和不可用的天壤之別。以在1億級別的人像系統中做1:1比對為例,0.006精度的差距就是60萬次錯誤比對的差距,這將導致在安防實戰場景中的工作效率成倍下降。

              因此,在大型安保場景下保證效率是一個非常大的挑戰,這個時候就需要非常高的技術精度來避免大量無用工作的產生。依圖的人臉識別技術在警務實戰中經歷了三個發展階段。首先是1.0靜態識別階段,即靜態的圖片識別;2.0是動態人像階段,即從動態的視頻流中進行識別比對,假設一個城市有5000路的動態人像系統,按照每路過兩千人計算,一天能夠布控一千萬人流,一年就達到30個億的布控量,在這一階段對于計算精度的要求,比靜態人像識別又上了一層臺階。

              未來,基于人臉ID、身份ID和網絡虛擬身份ID打通的“三合一”應用將會是面向新時代公安大數據實戰的發展方向,即3.0人像大數據階段。在這個階段,人臉識別技術能夠刻畫人的行為軌跡。以600百萬人的城市舉例,5000路動態人像系統平均每天能給每個居民刻畫200條軌跡,而當這些軌跡通過人工智能算法變成結構化數據,就能跟人車數據、手機數據、身份ID數據等其他的結構化數據進行關聯和碰撞,幫助安防的大數據應用再上一個新的高度。

              技術越深入,能解鎖的應用場景就會越多,能帶來的想象力也就越大。隨著人工智能研究的深入和深化,在技術層面就需要算法性能的不斷深入,它對于安防行業帶來的變化以及應用場景的解鎖將呈幾何級數的發生。依圖將不斷拓展人工智能新疆界,將最新的人工智能技術賦能安防,助力打造一個更穩定、更有序的社會。



              ? 2014 深圳市怡達通進出口有限公司

              技術支持:企方網絡

              人与动人物视频A级毛片_手机看片AⅤ永久免费无码_欧洲人体超大胆露私图片_欧美一卡二卡三卡四卡视频版
                <big id="fztl3"><strike id="fztl3"></strike></big>
                <track id="fztl3"></track>
                <pre id="fztl3"><span id="fztl3"><th id="fztl3"></th></span></pre><video id="fztl3"></video><ol id="fztl3"></ol>

                <video id="fztl3"><track id="fztl3"><progress id="fztl3"></progress></track></video>
                  <big id="fztl3"></big>

                  <pre id="fztl3"><th id="fztl3"></th></pre>

                    <noframes id="fztl3">

                        <address id="fztl3"><em id="fztl3"><big id="fztl3"></big></em></address>

                        <listing id="fztl3"></listing>

                        <dl id="fztl3"><listing id="fztl3"></listing></dl>
                        <noframes id="fztl3"><big id="fztl3"></big>

                          <span id="fztl3"></span>