aihot  2017-06-15 14:40:39  图像处理 |   查看评论   
安防监控中的AI人工智能应用
      AI(Artificial Intelligence)人工智能技术的概念已经被提出来很多年, 若加以描述就是在科学技术上具有判断、认知(perception)、洞察(insight)、学习(learning)、了解(comprehension)及推论( reasoning)等行为表现,也是人工智能追求的目标。这几年安防产业亦出现相当热门的数据化人工智能学习和识别技术的概念,它们与安防有什么关联?如何应用在安防监控中?这种AI人工智能目前最多的应用又是哪些?
 
结合数据采集的安防AI人工智能
 
      自从道路监控系统在全球兴起之后,目前世界各国的城市监控建设即将进入扩张与结构改变的阶段,在这种需求变革下,安防监控系统将需要更多元化与人工智能化的整体解决方案。现代化的公共安全已不再仅止于无限的扩充影像监控覆盖密度、广度以及追求超高清解晰度,而是透过这些人工智能化的手段与工具,让传统安防时代更进一步,转向注重数据采集、应用和管理的人工智能化安防时代。
 
      全球城市道路监控建设都在快速发展,各国街道、十字路口随处可见各种摄影机监控设备,为城市公共安全及治安侦察工作提供了影像的方便性和立即性。但随着监控设备数量的大量倍增,影像解析度的不断提高,公共安全搜集到的影像和图片之数据量呈现等比几何的增长,再加上影像解析度的提高,连带使伺服器的处理能力和使用率都产生了更高的门槛。因此,安防影像监控在影像调阅、门禁进出数据、资料的储存、运算等技术上都面临巨大挑战。
 
AI人工智能与安防监控的应用技术
 
      面对这样的挑战,安防监控使用者如何能在大量增加的数据中,利用既有的人工智能技术快速获取有价值的资料,便成为当前最重要的课题。以下简述几种与安防监控结合的AI人工智能技术:
 
1、人工智能的模式识别技术
 
      通常在监控系统收集的影像数据资料中,资料本身并不具价值,必须再经过深度挖掘、分析资料中影像呈现的数据模式,才会产生出真正有用的价值。未来是大数据的时代,数据资料的模式识别将备受重视。
 
2、人工智能的深度学习技术
 
      此为AI人工智能机器深度学习研究中的新领域,其动机在于建立、模拟人脑进行分析学习的神经网路,它模仿人脑的行为思考机制来解释数据资料,例如影像内容、声音和资料本身。未来要让AI人工智能的机器深度学习能够大行其道,数据资料本身将是最主要的关键因素,而影像监控资料占大数据总量的60%以上,也就是说,影像监控领域有70%以上的数据资料分析是用来进行影像识别。目前这种AI机器深度学习在安防产业的诸多领域都取得了很大进步,包括:行人检测、车辆检测、非移动车辆检测等,其识别准确率甚至超过人类的眼睛判断。
 
3、AI人工智能的前端识别技术
 
      先进的产品技术是一家高科技企业能否长久发展的根本,要安防监控智能化,系统就需有基于AI人工智能相关的「影像识别」运算技术,才能够开发出一系列的智能化监控应用设备,因此前端识别技术也就成了AI人工智能的第三个本质技术。
 
AI人工智能在安防领域的技术发展
 
      大致介绍说明完三种较常见的AI人工智能安防应用技术内容,接下来我们再进一步探讨AI人工智能在安防上的深度技术发展:
  
多特征识别技术
 
      一般在大量影像数据资料下,想要从历史和即时的影像资料中筛选犯罪嫌疑人有如大海捞针,而多特征识别技术则是透过人工智能的方式,让电脑从大量监控影像中自动识别出嫌疑人,分析资料中的个人特征,然后根据犯罪嫌疑人的特征自动筛选,不仅大大的节省人力物力,同时也大大缩短犯罪嫌疑人的到案时间。现在有部分厂商利用先进的深度学习技术,研发出能够克服光照、天气等不可抗力因素,快速准确地识别出个体人物的各种重要特征,如性别、年龄、发型、衣着、体型、是否戴眼镜、是否骑车以及随身携带的物品等。个体人物多特征识别演算法有着灵活的布建方式,可自订时间轴和识别区域范围以达到快速准确的判别,并利用智能影像分析(IVS)于影像伺服器集群的辅助,对监控系统中几百支影像监控摄影机进行24小时不间断的多特征分析与检索,即时找寻可疑人员,发出预先告警信号。 
 
姿态识别技术
 
      姿态识别技术是指针对个体人物的走路姿势,是一种可在远距离就感知的生物行为特征技术。和其他生物特征识别技术相比,姿态识别的优势在于非接触性、非侵入性、易于感知、目标物难以隐藏和伪装等。姿态分析还可以轻松的区分出个体人物的不同行为模式,例如是在行走中、奔跑中、还是携负重物等。基于这些优点,姿态识别特别适用于门禁系统、安全监控、人机交换、医疗诊断等部分,尤其在安防领域中具有广泛的应用和经济价值。
 
      姿态分析的技术困难点在于其特征的稳定性问题,因为一个人的姿态会因生病受伤、体型胖瘦变化、穿衣多寡甚至是穿着舒适度等因素影响而改变,部分厂商为了克服这个问题,特别在研发上加进了机器深度学习方法,用姿态向量图示来描述姿态顺序排列,透过深度累积神经网路训练匹配模型。训练好的累积神经网路匹配模型能够计算待识别的姿态影像和已经注册的姿态影像顺序排列,比对每个姿态向量图的相似度,再依据其相似度大小进行身分识别。姿态识别应用采全天候模式,在特定的安防场合中可快速对远距离个体人物目标的身分进行准确判断,因此研究人员将来势必需要建置大规模的姿态资料库。姿态识别技术将有助于解决一些低影像解晰度个体人物身分识别的难题,为使用者提供重要的识别查核线索。
  
3D相机技术
 
      身高是人体重要的资料特征之一,在一些特定的场所,例如风景区入口、车站收票口等对身高要求都有明确的规定。传统利用尺度工具测量身高的方法虽然操作简单,但需要被测人员配合,不仅速度慢,精确度也较差;超声波、红外线等方式虽可实现自动测量、精准度较高,但对测量环境条件的要求有较多限制,不适合用于公共场所,而3D电脑视觉技术的3D相机则可以很好地解决上述问题,提供多场景、非接触式、自动化的量测。3D相机是利用深度感测器获取现实场景的深度资料和颜色资讯,透过座标变换建立深度资料与3D座标之间的对应关系,然后藉由去杂讯、配对位准等运算法去除干扰并减小误差,最后再以3D重建的方法得到身高以及其他资料。
 
      3D相机无需与被测物件接触,物件进入测量场景即自动采集测量多个人物目标,配对位准后对光照具有较强的稳定性,可适应场景的光照变化,因而也有较高的精确度和即时性,在安防影像监控领域的应用将愈显重要。现阶段基于个体人物的多特征、姿态识别和3D相机等先进AI人工智能分析技术,若能将其结合打造出新一代智能型影像分析监控软体平台,将有助于安全监控系统的建置,同时对数据分析起到示范先驱的作用。
 
推动安防未来大数据
 
      在AI人工智能分析市场的创新推动下,人们挖掘影像监控中有价值的数据资讯,并不仅只是局限于当前人、事、物的基本资讯而已,同时也需依靠厂商强大的研发能力,可以不断对安防大数据采集的关键资讯进行有效补充,不但为最终的大数据平台带来更具附加价值的资料,也为深度的AI人工智能在安防产业数据应用下,提供源源不绝的产品发展动力。

 

  
 

除特别注明外,本站所有文章均为 人工智能学习网 原创,转载请注明出处来自安防监控中的AI人工智能应用

留言与评论(共有 0 条评论)
   
验证码: