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
|
4天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗诊断中的应用及前景展望
本文旨在探讨人工智能(AI)技术在医疗诊断领域的应用现状、挑战与未来发展趋势。通过分析AI技术如何助力提高诊断准确率、缩短诊断时间以及降低医疗成本,揭示了其在现代医疗体系中的重要价值。同时,文章也指出了当前AI医疗面临的数据隐私、算法透明度等挑战,并对未来的发展方向进行了展望。
|
12天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
2024年,AI大模型在软件开发领域的应用正重塑传统流程,从自动化编码、智能协作到代码审查和测试,显著提升了开发效率和代码质量。然而,技术挑战、伦理安全及模型可解释性等问题仍需解决。未来,AI将继续推动软件开发向更高效、智能化方向发展。
|
8天前
|
机器学习/深度学习 人工智能 算法
AI在医疗诊断中的应用
【10月更文挑战第42天】本文将探讨人工智能(AI)在医疗诊断中的应用,包括其优势、挑战和未来发展方向。我们将通过实例来说明AI如何改变医疗行业,提高诊断的准确性和效率。
|
9天前
|
存储 人工智能 搜索推荐
Memoripy:支持 AI 应用上下文感知的记忆管理 Python 库
Memoripy 是一个 Python 库,用于管理 AI 应用中的上下文感知记忆,支持短期和长期存储,兼容 OpenAI 和 Ollama API。
49 6
Memoripy:支持 AI 应用上下文感知的记忆管理 Python 库
|
4天前
|
机器学习/深度学习 人工智能 算法
强化学习在游戏AI中的应用,从基本原理、优势、应用场景到具体实现方法,以及Python在其中的作用
本文探讨了强化学习在游戏AI中的应用,从基本原理、优势、应用场景到具体实现方法,以及Python在其中的作用,通过案例分析展示了其潜力,并讨论了面临的挑战及未来发展趋势。强化学习正为游戏AI带来新的可能性。
25 4
|
14天前
|
机器学习/深度学习 人工智能 算法
AI在医疗领域的应用与挑战
本文探讨了人工智能(AI)在医疗领域的应用,包括其在疾病诊断、治疗方案制定、患者管理等方面的优势和潜力。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题以及技术局限性等。通过对这些内容的深入分析,旨在为读者提供一个全面了解AI在医疗领域现状和未来发展的视角。
50 10
|
7天前
|
机器学习/深度学习 人工智能 监控
探索AI在医疗诊断中的应用与挑战
本文旨在揭示人工智能(AI)技术如何革新医疗诊断领域,提高疾病预测的准确性和效率。通过分析AI在图像识别、数据分析等方面的应用实例,本文将探讨AI技术带来的便利及其面临的伦理和法律问题。文章还将提供代码示例,展示如何使用AI进行疾病诊断的基本过程。
|
14天前
|
机器学习/深度学习 人工智能 监控
探索AI在医疗领域的应用与挑战
本文深入探讨了人工智能(AI)在医疗领域中的应用现状和面临的挑战。通过分析AI技术如何助力疾病诊断、治疗方案优化、患者管理等方面的创新实践,揭示了AI技术为医疗行业带来的变革潜力。同时,文章也指出了数据隐私、算法透明度、跨学科合作等关键问题,并对未来的发展趋势进行了展望。
|
15天前
|
传感器 人工智能 算法
AI在农业中的应用:精准农业的发展
随着科技的发展,人工智能(AI)在农业领域的应用日益广泛,尤其在精准农业方面取得了显著成效。精准农业通过GPS、GIS、遥感技术和自动化技术,实现对农业生产过程的精确监测和控制,提高产量和品质,降低成本和环境影响。AI在作物生长监测、气候预测、智能农机、农产品品质检测和智能灌溉等方面发挥重要作用,推动农业向智能化、高效化和可持续化方向发展。尽管面临技术集成、数据共享等挑战,但未来前景广阔。
|
15天前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗影像诊断中的应用
探索AI在医疗影像诊断中的应用
下一篇
无影云桌面