2019年3月18日 星期一

.AI 電腦視覺,讓安全監控「看得見」

3D computer vision technology camera


科寶電子官網 www.cop-security.com

源: 51CTO博客 作者IT爱好者

這幾年安控產業亦出現相當熱門的,數據化人工智慧學習,和辨識技術的概念,它們與安全監控有什麼關聯?如何應用在安監控中?這種AI人工智目前最多的應用又是哪些?


結合數據採集的安控AI人工智慧
自從道路監控系統在全球興起之後,目前世界各國的城市監控建設,即將進入擴張與結構改變的階段,在這種需求變革下,安全監控系統將需要更多元化,與人工智慧化的整體解決方案。

現代化的公共安全,已不再僅止於無限的擴充,影像監控覆蓋密度、廣度,以及追求超高清解晰度,而是透過這些人工智慧化的手段與工具,讓傳統安全監控時代,更進一步轉向注重數據採集、應用和管理的人工智慧化安全監控時代。

全球城市道路監控建設,都在快速發展,各國街道、十字路口隨處可見各種攝影機監控設備,為城市公共安全及治安偵察工作,提供了影像的方便性和立即性。

但隨著監控設備數量的大量倍增,影像解析度的不斷提高,公共安全收集到的影像和圖片之數據量,呈現等比幾何的成長,再加上影像解析度的提高,連帶使伺服器的處理能力和使用率,都產生了更高的門檻。因此,影像監控在影像調閱、門禁進出數據、資料的儲存、運算等技術上,都面臨巨大挑戰。


AI人工智慧與安全監控的應用技術
面對這樣的挑戰,安全監控使用者,如何能在大量增加的數據中,利用既有的人工智慧技術快速獲取有價值的資訊,便成為當前最重要的課題。以下簡述幾種與安全監控結合的AI人工智慧技術:

1、人工智慧的模式辨識技術
通常在監控系統收集的影像數據資料中,資料本身並不具價值,必須再經過深度挖掘、分析,資料中影像呈現的數據模式,才會產生出真正有用的價值。未來是大數據的時代,數據資料的模式辨識將備受重視。

2、人工智的深度學習技術
此為AI人工智慧,機器深度學習研究中的新領域,其動機在於建立、模擬人腦,進行分析學習的神經網路,它模仿人腦的行為思考機制,來解釋數據資料。

例如影像內容、聲音和資料本身。未來要讓AI人工智慧的機器深度學習,能夠大行其道,數據資料本身,將是最主要的關鍵因素,而影像監控資料佔大數據總量的60%以上,也就是說,影像監控領域,有70%以上的數據資料分析,是用來進行影像辨識。目前這種AI機器深度學習,在安全監控產業的諸多領域,都取得了很大進步,包括:行人檢測、車輛檢測、非移動車輛檢測等,其辨識準確率,甚至超過人類的眼睛判斷。

3、AI人工智慧的前端辨識技術
先進的產品技術,是一家高科技企業,能否長久發展的根本,要安全監控智慧化,系統就需有基於AI人工智慧相關的「影像辨識」運算技術,才能夠開發出一系列的智慧化監控應用設備,因此前端辨識技術,也就成了AI人工智慧的第三個本質技術。


AI人工智慧在安控領域的技術發展
大致介紹說明,以上這三種較常見的,AI人工智慧安控應用技術內容,接下來我們再進一步探討,AI人工智慧在安控上的深度技術發展:

多特徵辨識技術
一般在大量影像數據資料下,想要從歷史和即時的影像資料中,篩選犯罪嫌疑人有如大海撈針,而多特徵辨識技術,則是透過人工智慧的方式,讓電腦從大量監控影像中,自動辨識出嫌疑人,分析資料中的個人特徵,然後根據犯罪嫌疑人的特徵自動篩選,不僅大大的節省人力物力,同時也大大縮短犯罪嫌疑人的到案時間。

Next Generation Identification (NGI) — FBI

現在有部分廠商利用先進的深度學習技術,研發出能夠克服光照、天氣等不可抗力因素,快速準確地辨識出個體人物的各種重要特徵,如性別、年齡、髮型、衣著、體型、是否戴眼鏡、是否騎車,以及隨身攜帶的物品等。

個體人物多特徵辨識演算法,有著靈活的佈建方式,可自訂時間軸和辨識區域範圍,以達到快速準確的判別,並利用智慧影像分析(IVS),於影像伺服器集群的輔助,對監控系統中幾百支影像監控攝影機,進行24小時不間斷的多特徵分析與檢索,即時找尋可疑人員,發出預先告警信號。

姿態辨識技術
姿態辨識技術,是指針對個體人物的走路姿勢,是一種可在遠距離就感知的生物行為特徵技術。和其他生物特徵辨識技術相比,姿態辨識的優勢在於非接觸性、非侵入性、易於感知、目標物難以隱藏和偽裝等。


姿態分析還可以輕鬆的區分出,個體人物的不同行為模式,例如是在行走中、奔跑中、還是攜負重物等。基於這些優點,姿態辨識特別適用於門禁系統、安全監控、人機交換、醫療診斷等部分,尤其在安全監控領域中,具有廣泛的應用和經濟價值。

姿態分析的技術困難點,在於其特徵的穩定性問題,因為一個人的姿態會因生病受傷、體型胖瘦變化、穿衣多寡,甚至是穿著舒適度等因素影響而改變,部分廠商為了克服這個問題,特別在研發上加進了機器深度學習方法,用姿態向量圖示,來描述姿態順序排列,透過深度累積神經網路訓練比對模型。

Gesture recognition - Wikipedia

訓練好的累積神經網路比對模型,能夠計算待辨識的姿態影像和已經註冊的姿態影像順序排列,比對每個姿態向量圖的相似度,再依據其相似度大小進行身分識別。

姿態識別應用採全天候模式,在特定的安防場合中可快速對遠距離個體人物目標的身分進行準確判斷,因此研究人員將來勢必需要建置大規模的姿態資料庫。姿態辨識技術將有助於解決,一些低影像解晰度,個體人物身分辨識的難題,為使用者提供重要的辨識查核線索。

Berkeley DeepDrive | We seek to merge deep learning with automotive ...

3D影像技術
身高是人體重要的資料特徵之一,在一些特定的場所,例如風景區入口、車站收票口等,對身高要求都有明確的規定。傳統利用尺度工具測量身高的方法,雖然操作簡單,但需要被測人員配合,不僅速度慢,精確度也較差;超音波、紅外線等方式,雖可實現自動測量、精準度較高,但對測量環境條件的要求有較多限制,不適合用於公共場所。

而3D電腦視覺技術的攝影機,則可以很好地解決上述問題,提供多場景、非接觸式、自動化的量測。

3D攝影機是利用深度感測器,獲取現實場景的深度資料,和顏色資訊,透過座標變換建立深度資料,與3D座標之間的對應關係,然後藉由去雜訊、配對位準等運算法,去除干擾並減小誤差,最後再以3D重建的方法,得到身高以及其他資料。

3D攝影機無需與被測物件接觸,物件進入測量場景,即自動採集測量多個人物目標,配對位準後,對光照具有較強的穩定性,可適應場景的光照變化,因而也有較高的精確度和即時性,在安全監控領域的應用將愈顯重要。

現階段基於個體人物的多特徵、姿態辨識和3D攝影機等,先進AI人工智慧分析技術,若能將其結合打造出,新一代智慧型影像分析監控軟體平台,將有助於安全監控系統的建置,同時對數據分析,起到示範先驅的作用。

Computer Vision and Machine Learning at the Edge," a Presentation fr…

推動安控未來大數據

在AI人工智慧分析市場的創新推動下,人們挖掘影像監控中,有價值的數據資訊,並不僅只是局限於當前人、事、物的基本資訊而已,同時也需依靠廠商的研發能力,可以不斷對安控大數據採集的關鍵資訊,進行有效補充,不但為最終的大數據平台,帶來更具附加價值的資訊,也為深度的AI人工智慧在安控產業數據應用下,提供源源不絕的產品發展動力。


沒有留言:

張貼留言