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
|
8天前
|
机器学习/深度学习 数据采集 人工智能
探索AI技术在文本生成中的应用与挑战
【9月更文挑战第26天】本文深入探讨了AI技术在文本生成领域的应用,并分析了其面临的挑战。通过介绍AI文本生成的基本原理、应用场景以及未来发展趋势,帮助读者全面了解该技术的潜力和局限性。同时,文章还提供了代码示例,展示了如何使用Python和相关库实现简单的文本生成模型。
33 9
|
2天前
|
人工智能 自然语言处理 搜索推荐
AI技术在智能客服系统中的应用与挑战
【9月更文挑战第32天】本文将探讨AI技术在智能客服系统中的应用及其面临的挑战。我们将分析AI技术如何改变传统客服模式,提高服务质量和效率,并讨论在实际应用中可能遇到的问题和解决方案。
93 65
|
4天前
|
机器学习/深度学习 人工智能 供应链
精准农业:AI在农业生产中的应用
【10月更文挑战第1天】随着科技的发展,人工智能(AI)逐渐渗透到农业领域,通过精准监控和管理提升了农业生产效率和质量。AI在精准农业中的应用包括:精准农田管理,如个性化灌溉和施肥;作物病虫害识别与预测,及时发现并预防病虫害;智能农机自动化作业,提高作业效率;农产品质量检测与分类,确保品质;农业供应链优化,预测需求和价格。尽管面临数据收集、技术接受度等挑战,AI在精准农业中的未来前景广阔,有望实现全程自动化作业、数据驱动决策及智能预警系统,推动农业可持续发展。
23 11
|
2天前
|
机器学习/深度学习 人工智能 监控
AI与未来医疗:重塑健康产业的双刃剑随着科技的迅猛发展,人工智能(AI)正以前所未有的速度融入各行各业,其中医疗领域作为关系到人类生命健康的重要行业,自然也成为AI应用的焦点之一。本文将探讨AI在未来医疗中的潜力与挑战,分析其对健康产业可能带来的革命性变化。
在医疗领域,人工智能不仅仅是一种技术革新,更是一场关乎生死存亡的革命。从诊断到治疗,从后台数据分析到前端临床应用,AI正在全方位地改变传统医疗模式。然而,任何技术的发展都有其两面性,AI也不例外。本文通过深入分析,揭示AI在医疗领域的巨大潜力及其潜在风险,帮助读者更好地理解这一前沿技术对未来健康产业的影响。
|
4天前
|
机器学习/深度学习 数据采集 人工智能
探索AI在医疗诊断中的应用
【9月更文挑战第30天】本文将探讨人工智能(AI)如何在医疗诊断中发挥重要作用。我们将从AI的基本概念开始,然后深入到其在医疗领域的应用,特别是如何帮助医生进行更准确的诊断。最后,我们将通过一些实际的代码示例来展示AI是如何工作的。无论你是AI专家还是医疗专业人士,这篇文章都将为你提供有价值的信息。
|
5天前
|
机器学习/深度学习 人工智能 自然语言处理
AI在医疗诊断中的应用与未来展望
随着人工智能技术的飞速发展,AI在医疗领域的应用日益广泛。本文探讨了AI在医疗诊断中的具体应用,包括医学影像分析、电子病历分析和辅助诊断等。同时,讨论了AI技术在未来医疗中的潜力和挑战,如数据隐私保护、算法的公平性和透明度等问题。通过分析具体案例和当前研究成果,本文揭示了AI在提高医疗诊断效率和准确性方面的显著优势,并对其未来发展进行了展望。
|
5天前
|
机器学习/深度学习 人工智能 自然语言处理
AI在医疗诊断中的应用
【9月更文挑战第29天】随着科技的发展,人工智能(AI)已经在许多领域得到广泛应用,其中包括医疗诊断。AI可以帮助医生更准确、更快速地进行疾病诊断,提高医疗服务的质量和效率。本文将介绍AI在医疗诊断中的应用,包括图像识别、自然语言处理和预测分析等方面。
|
9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
【9月更文挑战第25天】AI技术在医疗领域的应用日益广泛,从辅助诊断到药物研发,再到健康管理等方面都取得了显著成果。然而,随着AI技术的深入应用,也面临着数据隐私、算法透明度、法规政策等挑战。本文将探讨AI在医疗领域的应用现状与未来趋势,以及面临的主要挑战和解决方案。
|
8天前
|
机器学习/深度学习 人工智能 监控
探索AI在医疗健康中的革命性应用
本文探讨了人工智能(AI)在医疗健康领域中的应用及其带来的革命性变化。通过具体案例,我们展示了AI如何提升疾病诊断的准确性、优化治疗方案以及提高患者管理效率。同时,我们也讨论了AI技术在未来可能面临的伦理和隐私挑战,呼吁更多的研究和监管措施来应对这些问题。
|
9天前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗诊断中的应用:挑战与机遇
本文旨在探讨人工智能(AI)在医疗诊断领域的应用,分析其在提高诊断效率和准确性方面的潜力。同时,讨论了当前面临的挑战,包括数据隐私、算法透明度以及技术普及等问题。通过案例研究,本文展示了AI如何在实际医疗场景中提供辅助诊断,并提出了相应的解决策略。

热门文章

最新文章

下一篇
无影云桌面