2017年11月13日 星期一

‧ 2017\11\13\3S Market Daily 智慧產業新聞


3S Market deliver Smart and Valuable information for Business

                                                                                                                                                                                                                 

at 沒有留言:

．影像監控系統與人臉辨識技術的結合應用

Facial recognition technology will change the way we live | The Economist








來源：论文网 作者 邹香玲



隨著資訊科技不斷發展，影像資訊越來越廣泛的應用與娛樂、教育、安全、生活等各種領域。

 本文介紹了人臉辨識技術的研究方向、應用領域及技術優勢，並針對人臉辨識技術在影像監控系統中，應用的架構、關鍵技術和演算法，做了有益的探討，特別對矯正有旋轉角度的人臉影像技術，做了較為詳盡的表述。

 最後得出結論人臉辨識技術，可以應用於監控系統中。而基於人臉辨識技術的智慧影像監控系統，應該具有十分廣泛的應用前景。



1 影像監控系統的應用現狀
影像監控系統的發展，經歷了第一代的全類比系統、第二代的部分數位化的系統、第三代的完全數位化的系統(網路攝影機和影像伺服器)三個階段的發展演變。

現有的數位影像監控系統，實現了影像監控手段的數位化、網路化和整合化，但是它存在一個最主要的缺陷：對視訊內容只能靠人來判斷，同時，它多用於「事後處理」，並不能充分發揮影像監控系統的主動性。




基於先進生物特徵辨識技術的
人臉辨識智慧影像監控系統的出現，是影像監控系統發展的又一里程碑，智慧影像監控系統能夠辨識不同的物體，發現監控畫面中的異常情況，並能夠以最快和最佳的方式，發出警報和提供有用資訊，從而能夠更加有效地協助安全人員處理危機，並最大限度地降低誤報和漏報現象。

2 人臉辨識技術
2.1 人臉辨識技術的研究及應用範疇。
人臉辨識(Face Recognition)亦稱臉像辨識，是人類視覺系統的基本功能，也是人類互相辨識的最直接手段，因此他是生物特徵辨識中的重要研究內容。人臉辨識技術作為一種新興的生物特徵辨識技術，概括說，他是一種依據人體臉部特徵的自動身份鑑別技術。

人臉辨識綜合運用了數位影像/影像處理、模式辨識、電腦視覺等多種技術。人臉辨識技術在公共安全、人機互動等領域具有廣泛的應用前景，這一點已經為世人所公認。



同時，人臉辨識也是人工智慧領域的重大研究課題，因此吸引了大量的研究人員對此展開深入研究，到現在已有30 多年的研究歷史。自20 世紀90年代以來(特別是美國「911」恐怖襲擊事件發生以後)，人臉辨識技術在研究及應用方面，更是得到了長足的發展。人臉辨識別的研究範圍大致可以分為如下幾個方面的內容：

(1)人臉檢測(Face Detection)：即從各種不同的場景中，檢測出人臉的存在，並確定其位置。在大多數的場合中由於場景較複雜，人臉的位置是預先不知道的，因而首先必須確定場景中，是否存在人臉，如果存在人臉，再確定影像中人臉的位置。



臉部毛髮、化妝品、光照、噪聲、臉部傾斜和人臉大小變化，以及各種遮擋等因素，會使人臉檢測問題變得更為複雜。人臉檢測的主要目的是在輸入的整幅影像上尋找人臉區域，把影像分割成兩個部分2 人臉區域和非人臉區域，從而為後續處理奠定基礎。

(2)人臉表徵(Face Representation)：即採取某種表示方式表示檢測出的人臉和資料庫中的已知人臉。通常的表示法包括幾何特徵(如歐氏距離、曲率、角度)、代數特徵(如矩陣特徵向量)、固定特徵模板、特徵臉、雲紋圖等。

(3)人臉辨識(FaceIdentification)：即將已檢測到的待辨識的人臉，與資料庫中的已知人臉進行比較匹配，得出相關資訊，這一過程的核心是選擇適當的人臉的表徵方式與匹配策略，系統的構造與人臉的表徵方式密切相關。

 通常或是選擇全域性的方法，或是選擇基於特徵的方法，進行匹配。顯然，基於側面像所選擇的特徵，和基於正面像的特徵是有很大的區別的。

(4)表情分析(Expression Analysis)：即對待辨識人臉的表情資訊(快樂、悲傷、恐懼、驚奇等)進行分析，並對其加以歸類。

(5)生理分類(Physical Classification)：即對待辨識人臉的生理特徵進行分析，得出其種族、年齡、性別、職業等相關資訊。顯然，完成這一操作需要大量的知識，通常是非常困難和複雜的。

Facial recognition on the rise, FIDO adds support for Bluetooth ...


2.2 人臉辨識技術優勢。
人臉辨識作為一種新興的生物特徵辨識技術(Bio-metrics)，與虹膜辨識、指紋掃描、掌形掃描等技術相比，人臉辨識技術在應用方面具有獨到的優勢：

(1)使用方便，使用者接受度高。
(2)直觀性突出。
(3)識別精確度高，速度快。
(4)不易仿冒。
(5)使用通用性裝置。
(6)基礎資料易於獲得。
3 人臉辨識影像監控系統的架構
人臉辨識影像監控系統有四大核心部分：視訊處理/人臉捕獲工作站、人臉比對工作站、黑名單資料庫和報警顯示工作站。影像處理/人臉捕獲：在視訊影像中發現人臉，評估影像品質，並提交給人臉辨識比對模組；

 人臉辨識比對模組：對登陸的照片提取特徵模板，並與黑名單資料庫相比較；黑名單照片採集：建立模板並將模板資料，加入黑名單資料庫；

 報警顯示：根據比對結果，顯示報警結果，或將報警資訊傳遞給 PDA或其它手提終端。

AI's About Face – Chris Middleton


4 人臉辨識監控系統的關鍵問題
(1)人臉辨識中的光照問題。
光照變化是影響人臉辨識效能的最關鍵因素，對該問題的解決程度關係著人臉識別實用化程序的成敗。需要從人臉影像中，將固有的人臉屬性和光源、遮擋及高光等，非人臉固有屬性分離開來，在人臉影像預處理或者歸一化階段，進行針對性的光照補償，以便消除非均勻正面光照造成的陰影、高光等對辨識效能影響;

(2)人臉檢測與跟蹤問題。
人臉檢測是人臉身份辨識的前期工作，而人臉跟蹤就是根據人臉檢測定位的結果，對運動序列後續幀中的目標人臉的運動軌跡，和輪廓變化進行持續的跟蹤檢測。

 一個複雜背景下的多級結構的人臉檢測，與跟蹤系統可採用模板匹配、特徵子臉、彩色資訊等人臉檢測技術，這樣能夠檢測平面內旋轉的人臉，並可跟蹤任意姿態的運動的人臉。

(3)去冗問題。
要求人臉辨識監控系統，能對視訊捕捉中的畫面，能夠快速的檢測單個和多個人臉影像，並自動去冗餘，減除重複的畫像，並提取相應的人臉影像特徵，實現人臉的快速比對，並輸出相應的結果資訊。

(4)人臉辨識中的姿態問題。
姿態問題涉及頭部在三維垂直座標系中，繞三個軸的旋轉造成的面部變化，其中垂直於影像平面的兩個方向的深度旋轉，會造成面部資訊的部分缺失。

 一種方案是基於姿態不變特徵的方法，即尋求那些不隨姿態的變化而變化的特徵。

 另一種方案是採用基於統計的視覺模型，將輸入姿態影象校正為正面影像，從而可以在統一的姿態空間內，作特徵的提取和匹配。



5 結語
隨著生物特徵技術的發展，人臉辨識技術正逐漸由理論探索的過程，轉入了實際應用的階段，全球都出現了專業的人臉辨識產品。人臉辨識技術具有廣泛的應用前景，在公共安全、智慧門禁、智慧視訊監控、公安布控、海關身份驗證等有著典型的應用。

 其中基於人臉辨識技術的智慧視訊監控系統，可以有效地解決目前數位監控系統存在的某些難題，如確定監控場景中是否有人，對監視物件難以跟蹤、確定當前監控物件的身份等問題。


                                                                                                                                                                   

NETGEAR 壁掛式交換器Click Switch

at 沒有留言:

．人工智慧應用場景豐富 這三大領域或率先落地

The Internet of Things: Exploring Future Financial Services






來源：财资一家


人工智慧正迅速應用於諸多行業，其影響從語音識別、自動駕駛汽車遍佈到金融交易、智慧財務領域。


機器學習演算法，如今被普遍嵌入到網路協同工作和智慧客戶中；數位化裝置和聯網感測器的資料處理，和資料流傳輸能力已大幅提升，持續改善人工智慧的表現；機器基本上能夠辨識特定的語音和影像，可以大致理解人類的溝通。機器透過破解語言和視覺，已進入到現實世界中。
人工智慧應用場景豐富 這三大領域或率先落地



人工智慧應用場景豐富 這三大領域或率先落地
人工智慧應用場景豐富，尤其是資料豐富的行業，如製造行業、網際網路平台、金融機構等。
The Internet of Things in manufacturing: benefits, use cases and ...


工業製造領域
比如GE的數位化改造，透過AI預測能源需求，幫助更準確地啟動風力渦輪機。GE Predix平台應用人工智慧，可以預測噴射發動機下次清洗的時間。

Google Deep Mind透過分析谷歌伺服器的訪問情況，幫助其資料中心冷卻和支援系統減少能耗等，針對企業端的場景更多的是實現更精細化的控制、透過辨識不同模式或規則自動作出響應、帶來效率提升。


網際網路領域
百度在AI的戰略佈局方面，目前包括三大實驗室：矽谷人工智慧實驗室、深度學習實驗室和大數據實驗室，主要研究領域為影像辨識、語音辨識、自然語言處理、機器人和大數據。

2016年9月，百度釋出了百度大腦，包括了PaddlePaddle深度學習平臺(演算法模型)、AI超級電腦(底層技術)以及大數據三大核心技術。2017年1月，百度推出人工智慧作業系統DuerOS。

2016年4月，騰訊成立了AI實驗室，提出了基於業務整合的四個研究領域：電腦視覺(Computer Vision)、語音辨識(Speech Recognition)、自然語言處理(NLP)和機器學習(Machine Learning)以及四個研究方向：內容AI、社交AI、遊戲AI，以及工具類AI。

阿里則充分藉助電商平台的優勢，於2015年7月釋出了人工智慧購物助理虛擬機器器人「阿里小蜜」；在金融領域，透過機器學習，螞蟻微貸和花唄的虛假交易率降低了90%。

支付寶的證件稽核系統開發的OCR系統，使證件校核時間從1天縮小到1秒，同時提升了30%的通過率。螞蟻金服的定位就是以信用為基礎，人工智慧驅動的公司、人工智慧技術已體現在信用、推薦、風控、搜尋、智慧助理、行銷等多個應用場景。
IoT for Banks - Influence of IoT in Financial Services


財務與金融領域
摩根大通開發的金融合同解析軟體COIN，只需幾秒就能完成，原先律師和貸款人員每年需要36萬小時，才能完成的工作。2017年3月貝萊德(Black Rock)宣佈裁掉40多個主動型基金部門的崗位，其中包括7名投資組合經理，轉而用電腦與數學模型，進行投資的量化投資策略代替。

2017年5月德勤財務機器人橫空出世，開始取代財務人員的大部分工作。2017年8月美國銀行(Bank of America)與Fintech創業公司High Radius達成合作，將人工智慧應用於企業應收賬款處理。該應用程式專為大型、複雜的公司管理大筆支付業務。

資產管理領域的人工智慧應用，包括Black Rock開發的Aladdin平台(使用自然語言處理、閱讀檔案)、Kensho平台(使用龐大的資料庫，運用機器學習演算法，與自然語言處理技術，從眾多龐雜資料中，提取邏輯關係做出預測，並能以自然語言的方式輸出)、Alpaca(模式辨識等技術，用於量化投資)等。

美國諮詢公司Opimas的資料顯示，預計到2025年為止，AI的運用將使得對資本市場，包括證券服務、交易和結算、資產管理、私人銀行和財富管理等業務在內的員工減少23萬人。

京東金融依託京東集團累積的客戶及場景資源、交易及信用資料，累積了大量資料。在多維、海量、動態的資料基礎上，京東金融實現了人工智慧、生物辨識、深度學習、影像辨識、雲端計算和區塊鏈等領先技術的創新，並應用到了風險模型、量化營運、使用者洞察、企業徵信、智慧投顧等各個與金融相關的領域中去。


與此同時，京東金融還將資料+人工智慧能力，進行對外輸出。如京東金融的反欺詐解決方案——安全魔方。安全魔方擁有千萬級每分鐘的風控指標運算能力，還具備毫秒級的風險預警及響應時效，可以提升金融機構及電商客戶的信貸申請反欺詐、賬號與交易安全、行銷反欺詐能力。

人工智慧在金融領域中的應用，相較於大數據而言的核心突破，在於深度學習、智慧分析和最終的智慧決策。大數據、雲端計算、智慧硬體，以及後續的區塊鏈技術等，都是支撐人工智慧上層技術的基礎。目前，人工智慧技術可以運用在金融領域的技術主要包括深度學習、知識圖譜和自然語言三種。

人工智慧+財資管理，未來的企業財資藉助人工智慧的關鍵技術和核心能力，使得企業財務和金融形成了包括結算、融資、票據、投資、風險控制，以及財務公司營運、供應鏈金融、電商平台、產業交易金融平台等，有機結合的整體智慧化平台。

企業管理者可以隨時且一目瞭然地，對企業資金的長短期流入流出、資金頭寸、多管道投融資、收益及債務進行動態、即時的監控。企業財資管理越來越呈現資料化、網際網路化、智慧化的發展，為企業提供多方面、多層次的財資管理分析和財資經營決策。

未來已來，藉助人工智慧的關鍵技術和核心能力，將賦能財資管理智慧化，尤其體現在賬戶、支付、頭寸、現金流預測、投融資、風控、共享和資管等場景。


                                                                                                                                                                                                                 


at 沒有留言: