攻破人脸识别应用难题?这家美国AI安防公司是这么做的

简介:

攻破人脸识别应用难题?这家美国AI安防公司是这么做的

安防行业应用AI越来越普遍,它可以让视频监控能够像人类一样去思考,然后做出决策。

雷锋网了解到,在过去几年中,已经有多家安防公司深度布局AI并发布了多款产品,BrainChip算是安防领域的一个“新人”,它的主营业务是开发AI和机器学习相关软件和硬件,目前已经利用脉冲神经网络技术(SNN)实现了商业化落地。

他们推出了一款名为“BrainChip Studio”的新型AI驱动软件,该公司认为这将改变执法和情报机构使用视频监控来检测和分类人脸的方式,该软件不仅可以让大多数传统的面部识别解决方案能够更快,更有效地搜索大量的视频录像,而且还不会受到一些场景的限制。

例如,BrainChip Studio可以使用低分辨率镜头,而不需要高清晰度视频摄像头来进行正面识别;另外该软件还可以使用于不佳条件下录制的视频,它只需要一个24x24像素的图像来检测和分类脸部。

BrainChip的创始人Peter van der Made说:”目前卷积神经网络技术需要大量预先标记的数据集和昂贵的云平台,而实现相同的功能,BrainChip的脉冲神经网络技术只需在传统的CPU和内部软件中就可实现。“

如今全球监控摄像机数量不断增多。据雷锋网了解,今年预计将有一亿二千七百万台监控摄像机出货,随之而来的是海量视频数据的产生,这将需要AI能够对之有效分析然后合理利用。

在最近的一项试验中,BrainChip的软件能够实时检测、提取和分类由八个不同的摄像机记录的三个半小时的视频,这其中包含超过五十万个面部图像;在另一个试验中,它可以在不到两个小时内处理36小时录像的视频,并提取超过15万张面部图像。  

“我们从现场或录制的视频中检测到人脸,然后针对发现的每张人脸创建一个脉冲神经网络模型,”brainchip的营销和业务发展高级副总裁Robert·beachler解释说,假设是在拍摄一场比赛,在摄像机的整个视野内我们都知道这是同一个人,之后我们就可以在摄像机的整个视野内追踪这个人的动态(就算是换了位置、衣服);另外,摄像机还可以把这些图像分成不同的模块,对任意一个指定的摄像机(假设20台),我们都可以拍到一个人在其中走过,这样我们就有了20张我们拍到的带有他们的面部的图像。“

攻破人脸识别应用难题?这家美国AI安防公司是这么做的

“我们保留了这些面部图片的缓存,以便可以跟踪他们”他继续说。“一旦我们收集了这些信息,我们可以将这些图像编译成具有脉冲模型的数据库。如果我们找到可疑人的图像,通过脉冲神经网络运行,创建一个模型并与以前获得的图像进行比较。一旦发现是犯罪嫌疑人,我们会查看该人的图像,所有关于嫌疑人的信息都会被放置出来。

脉冲神经网络如何运作

与行业中大多数使用“卷积神经网络”技术处理数据的AI解决方案不同,BrainChip Studio利用“脉冲神经网络”技术。据Beachler说,这是一种计算方式,更类似于人脑,它通过模仿神经元和突触的功能而起作用。    

“神经元由连接到其他神经元的突触组成,神经元本身就是所有不同输入的整合函数,然后决定是否触发并将信息传递给下游的神经元。这个信息的传递被称为脉冲,它实际上是一个生物电过程,“这是一个通过突触的一定强度的信号”,“Beachler解释说。“网络训练的方式是通过加强或抑制突触的连接并改变神经元激发时的阈值函数。

“大脑与计算机工作方式不同,计算机做数学题,无论是整数还是小数都是一样,但是大脑不是这么认为”他补充说。“人类非常擅长识别模式,清楚的知道什么是什么,但人类不太擅长做数学,因为我们的大脑是使用这些脉冲序列作为阈值逻辑来确定程序编程的功能。"

因此,当你以一个脉冲神经网络的形式去理解人类思维的这些特征并将其应用到软件时,计算机将在视频图像中的识别模式变得更好。

“通过这个功能,我们知道了这种类型的脉冲神经网络的一些有趣的特征,”Beachler解释说。“一个是它非常擅长在嘈杂的环境中应用;此外,它只需要一个单一的图像,所以不同于卷积神经网络需要预先标记信息的数据集。“

脉冲神经网络的优点

正如上文所提,与卷积神经网络在数据集上进行训练相比,脉冲神经网络只需要单个图像,便可从中学习和识别模式。“我们可以在现场即时训练寻找模式,”beachler补充说。

此外,由于脉冲神经网络不需要进行卷积神经网络的数学运算,它们只需更少的计算能力。

Beachler很快指出,该公司并不是仅仅想要创建另一种类型的生物识别面部识别解决方案,而是可以在日常情况下由视频监控终端用户利用这些解决方案。  

他说:“我们想要做的是提供一种可以在现有的视频监控环境中使用的产品。“我们在部署环境中训练我们的网络、我们从相机或录制的视频中实时提取所有的面部信息、我们使用现有的基础设施,但它不是添加到摄像机或新的DVR中的附件。“

目前该技术已经在赌场及警察局使用

雷锋网(公众号:雷锋网)了解到,目前该公司的方案已经在拉斯维加斯的一家大型赌场中应用。BrainChip与SN Technologies合作开发了基于BrainChip的SNAP技术用于查看赌场内的动态。

另外,该公司还与法国国家警察局合作,减少执法人员破案所需的时间和人力。

图卢兹国家警察局负责犯罪部门的负责人Jean-Francois Lespes评论说:“利用该技术,执法人员能够快速扫描数TB的视频录像,搜索如面部、身体形状和衣服图案等特征,BrainChip基于脉冲神经网络技术可以识别很多类型的对象和模式,该技术非常适合于噪声大、低分辨率的视频监控系统。”


本文作者:张栋
本文转自雷锋网禁止二次转载, 原文链接

相关文章
|
人工智能 运维 Kubernetes
Serverless 应用引擎 SAE:为传统应用托底,为 AI 创新加速
在容器技术持续演进与 AI 全面爆发的当下,企业既要稳健托管传统业务,又要高效落地 AI 创新,如何在复杂的基础设施与频繁的版本变化中保持敏捷、稳定与低成本,成了所有技术团队的共同挑战。阿里云 Serverless 应用引擎(SAE)正是为应对这一时代挑战而生的破局者,SAE 以“免运维、强稳定、极致降本”为核心,通过一站式的应用级托管能力,同时支撑传统应用与 AI 应用,让企业把更多精力投入到业务创新。
1227 30
|
设计模式 人工智能 自然语言处理
3个月圈粉百万,这个AI应用在海外火了
不知道大家还记不记得,我之前推荐过一个叫 Agnes 的 AI 应用,也是当时在 WAIC 了解到的。
1144 2
|
存储 人工智能 NoSQL
AI大模型应用实践 八:如何通过RAG数据库实现大模型的私有化定制与优化
RAG技术通过融合外部知识库与大模型,实现知识动态更新与私有化定制,解决大模型知识固化、幻觉及数据安全难题。本文详解RAG原理、数据库选型(向量库、图库、知识图谱、混合架构)及应用场景,助力企业高效构建安全、可解释的智能系统。
|
人工智能 算法 Java
Java与AI驱动区块链:构建智能合约与去中心化AI应用
区块链技术和人工智能的融合正在开创去中心化智能应用的新纪元。本文深入探讨如何使用Java构建AI驱动的区块链应用,涵盖智能合约开发、去中心化AI模型训练与推理、数据隐私保护以及通证经济激励等核心主题。我们将完整展示从区块链基础集成、智能合约编写、AI模型上链到去中心化应用(DApp)开发的全流程,为构建下一代可信、透明的智能去中心化系统提供完整技术方案。
750 3
|
消息中间件 人工智能 安全
构建企业级 AI 应用:为什么我们需要 AI 中间件?
阿里云发布AI中间件,涵盖AgentScope-Java、AI MQ、Higress、Nacos及可观测体系,全面开源核心技术,助力企业构建分布式多Agent架构,推动AI原生应用规模化落地。
1152 0
构建企业级 AI 应用:为什么我们需要 AI 中间件?
|
人工智能 安全 Serverless
再看 AI 网关:助力 AI 应用创新的关键基础设施
AI 网关作为云产品推出已有半年的时间,这半年的时间里,AI 网关从内核到外在都进行了大量的进化,本文将从 AI 网关的诞生、AI 网关的产品能力、AI 网关的开放生态,以及新推出的 Serverless 版,对其进行一个全面的介绍,期望对正在进行 AI 应用落地的朋友,在 AI 基础设施选型方面提供一些参考。
1982 104
|
人工智能 安全 中间件
构建企业级 AI 应用:为什么我们需要 AI 中间件?
阿里云发布AI中间件,推出AgentScope-Java、AI MQ、Higress网关、Nacos注册中心及可观测体系,全面开源核心技术,构建分布式多Agent架构基座,助力企业级AI应用规模化落地,推动AI原生应用进入新范式。
1536 26
|
人工智能 缓存 运维
【智造】AI应用实战:6个agent搞定复杂指令和工具膨胀
本文介绍联调造数场景下的AI应用演进:从单Agent模式到多Agent协同的架构升级。针对复杂指令执行不准、响应慢等问题,通过意图识别、工具引擎、推理执行等多Agent分工协作,结合工程化手段提升准确性与效率,并分享了关键设计思路与实践心得。
1751 20
【智造】AI应用实战:6个agent搞定复杂指令和工具膨胀
|
人工智能 安全 数据可视化
Dify让你拖拽式搭建企业级AI应用
Dify是开源大模型应用开发平台,融合BaaS与LLMOps理念,通过可视化工作流、低代码编排和企业级监控,支持多模型接入与RAG知识库,助力企业快速构建安全可控的AI应用,实现从原型到生产的高效落地。
Dify让你拖拽式搭建企业级AI应用
|
自然语言处理 数据挖掘 关系型数据库
ADB AI指标分析在广告营销场景的方案及应用
ADB Analytic Agent助力广告营销智能化,融合异动与归因分析,支持自然语言输入、多源数据对接及场景模板化,实现从数据获取到洞察报告的自动化生成,提升分析效率与精度,推动数据驱动决策。

热门文章

最新文章