 |
| Klacci 凱樂奇 Kii Assistant 智慧酒店服務系統 |
影像監控和安全應用中的電腦視覺完整指南。 最先進的例子和應用案例。
在過去的十年裡，電腦視覺已經發展成為許多應用的關鍵技術，取代了人類監督和監控。 本報導提供了影像監控和人工智慧安全監控中，最先進的電腦視覺的研究概述。
我們將討論以下主題：
- 最先進的人工智慧影像安全技術
- 電腦視覺的異常檢測和響應
- 人工智慧視覺在安全和監控方面的應用
- 從電腦視覺開始 —— 軟體解決方案
Klacci 凱樂奇商用級智慧門鎖各種應用解決方案
人工智慧影像監控的現狀
電腦視覺使用多種技術，來分析和理解電腦的影片資料。 在監控和安全行業應用中，電腦視覺的主要目標是實現人類監督的自動化。 捕捉和數位化現實場景的能力為更好、更早地檢測威脅、量化風險，以及提供即時安全評估提供了新的機會。
在新的機器學習、邊緣運算、人工智慧（AI）和物聯網技術的推動下，電腦視覺應用列表正在迅速擴充，這些技術使人工智慧驅動的視覺更加強大、靈活和可擴充性。
用於監控中電腦視覺的邊緣人工智慧
最近，透過深度學習和邊緣運算的進步，電腦視覺的應用才成為可能。 深度學習是機器學習的一個子領域，它使機器能夠從訓練資料中學習，並將這些演算法應用於新資料。
邊緣運算是將運算任務，從雲移動到資料來源（攝影機）附近的網路邊緣的系統過程。 因此，邊緣運算消除了連線的攝影機和裝置的挑戰，如網路擁堵、恆定連線、延遲、穩健性、隱私和資料管理。
現代電腦視覺系統使用邊緣運算來處理影像，而無需將影像資料傳送到雲端，或其他儲存單元。 裝置端機器學習和邊緣運算的結合，也被稱為邊緣人工智慧或邊緣智慧。 在電腦視覺的監控和安全應用中，這些新興技術，在實現現實生活中的人工智慧應用方面發揮著重要作用。 此外，Edge AI 視覺基礎設施可以顯著降低大規模和即時電腦視覺系統的成本。
帶有本地人工智慧推理的邊緣人工智慧架構的高階概念。
智慧監控攝影機
隨著安全攝影機在公共場所的廣泛使用，人工智慧影像分析和電腦視覺的場景理解，已成為監控系統的基本功能。 與其他來源（如移動定位、GPS、雷達訊號等）相比，來自攝影機串流的視覺資料，包含豐富的資訊。 大規模影像分析系統可以收集有關道路交通、公共場所、建築物或私人區域狀態的統計資訊。
現代人工智慧視覺軟體，幾乎可以分析任何網路攝影機的影像源。 根據其硬體配置，單邊裝置可以處理多個攝影機的影像傳送。 強大的邊緣伺服器可以分析數十到數百支攝影機。
一些 IP 攝影機製造商或一棧式場景解決方案，透過將運算處理器，直接整合到攝影機中，提供攝影機上的智慧。 然而，企業系統通常將人工智慧運算與攝影機分開 —— 原因有幾個。
首先，企業需要保持對供應商的獨立性，並保持談判能力。 然後，公司必須避免技術鎖定，並確保可擴充性以及與系統的整合。 此外，如果公司需要擴充功能或提高人工智慧效能，具有整合人工智慧處理的攝影機不允許擴充硬體資源。
此外，大多數企業使用各種品牌、世代和類型（索尼、松下、安迅士、海康威、大華、三星等）的攝影機來營運影像系統。 更換所有攝影機太貴了，標準化會導致鎖定成本。 此外，大多數攝影機產品每兩年定期更換一次新的型號。
人工智慧影像監控系統
在傳統的影像監控中，系統完全依賴於人類操作員，以及個人的判斷力和注意力。 智慧人工智慧分析為人類操作員提供快速、客觀和一致的資訊。 根據應用案例，人工智慧視覺軟體對交通堵塞、安全威脅、事故和其他異常情況執行檢測和預測任務。
一個典型的電腦視覺系統整合了多種軟體功能，從資料輸入採集到影像預處理、深度學習推理、輸出聚合、通訊和視覺化。 這樣的電腦視覺系統可以執行一個或多個應用，解決特定問題（異常檢測、姿勢估計、物體檢測等）。
人工智慧模型不是電腦視覺應用；這些術語通常互換使用，儘管不正確。 電腦視覺應用程式，包含一個具有一個或多個人工智慧模型的電腦視覺管道（或流程）。
人工智慧模型需要上游函式，在將影像資料輸入模型之前，獲取和預處理影像資料。 只有這樣，人工智慧模型才能執行演算法任務，將影像幀轉換為特定的元資料（例如，自信的「人」類）。 原始模型輸出，需要解釋和邏輯聚合，以解決業務或安全問題。
人工智慧視覺中的異常檢測
什麼是異常檢測？
在電腦視覺中，異常檢測是從監控場景中理解行為的一個子領域。 異常通常是場景實體（人、車輛、環境）及其與正常行為的互動的畸變。 異常檢測方法透過訓練學習正常行為。 異常檢測通常使用無監督或無監督學習，或半監督學習的組合。
異常檢測的應用案例
任何與正常行為明顯脫離的行為，都可以被視為「異常」。 例子包括人行道上的車輛、人群在聚會中突然分散、行走時摔倒、橫穿馬路、交通中訊號繞過，或車輛在紅色訊號燈處掉頭。
異常檢測解決方案
異常檢測系統利用資料採集、特徵提取、場景或活動學習，以及行為理解。 異常檢測系統針對特定的應用案例進行架構，針對特定的佈署環境和攝影機定位進行了最佳化。
異常事件檢測系統是非平凡的，需要一套跨越多個研究領域的技術。 一般來說，此類系統使用影像處理技術、車輛和人員檢測和追蹤、基於多攝影機的技術、智慧事件檢測等處理影像資料，以執行場景分析。
異常類型
在人工智慧視覺中，有不同類型的異常現象。 這三種類型包括點異常、上下關聯情境異常和集體異常。 例如，點異常包括在繁忙道路上或隧道中不動的汽車。 上下關聯情境異常在不同的上下關聯情境中可能是正常的。
例如，在緩慢行駛的交通中，如果一輛車比其他車輛行駛得更快，那麼在密度較低的情況下，正常行為會是什麼？ 當一組例項一起可能導致異常時，就會發生集體異常，即使它們可能是正常的，例如，一群人在短時間內分散。
異常的範圍和類別
在視覺監控的背景下，通常看到歸類為全球和區域性異常的異常現象。 全域性異常可能出現在影像的幀或片段中，而沒有指定事件發生的確切位置（無本地化）。
區域性異常通常發生在場景的特定區域內，但全域性異常檢測演算法可能會忽略。 一些方法可以檢測全域性和區域性異常。
安全監控中的異常檢測
人工智慧影像分析用於交通、捷運、校園、火車、船隻、建築物和公共場所的異常檢測。 用於視覺人工智慧異常檢測的閉路電視監控案例，包括停車車輛檢測、緊急檢測、入侵檢測，或行人活動辨識異常。
影像監控和安全的應用
智慧影像監控包括異常檢測、物體檢測和追蹤、運動分析技術、監控系統、預防、辨識和預警系統的廣泛應用和應用案例。 合作影像監控使大規模人工智慧視覺系統，能夠整合遠端位置的眾多攝影機。
人員檢測
人員檢測系統使用物件檢測演算法（例如popularYOLOv7），來對影像提要中的人員進行本地化。 因此，自動單人和多人檢測是智慧影像監控系統的關鍵特徵。
人類檢測還包括人群分析，以估計場景密度，並評估擁擠和不擁擠場景（例如，在大型活動中）中移動物體的互動。
人員流動分析
路徑學習將人類檢測，與路徑建模技術和聚類相結合，以進行人的運動分析。 例如，在智慧城市應用中，運動分析用於執行運動預測和分析車輛行為、行人行為、加速度、運動速度和軌跡。
人員辨識和生物辨識安全
現代影像監控安全系統，使用臉部辨識技術進行自動辨識。 在高層次上，這種生物辨識安全技術執行一系列任務，也稱為人工智慧視覺管道，以（1）檢測人，（2）裁剪臉部區域，以及（3）應用影像分類，將其與資料庫的影像進行比較。
為了遵守法律要求，人臉辨識演算法需要複雜的隱私和安全基礎設施。 一般來說，臉部辨識技術是敏感的，因為它可以在影像和圖片中的人不知情，和未經他們允許的情況下被用來辨識。
注意：我們的技術 Viso Suite 平台為現實世界的電腦視覺，提供行業領先的隱私和安全功能。 電腦視覺平台使世界各地的組織能夠在最具挑戰性的環境中滿足最嚴格的隱私要求。
電腦視覺中的行為生物辨識
人類辨識的另一種替代方法，包括行為生物辨識。 行為生物辨識的電腦視覺是一個現代技術研究領域，它試圖利用人們習慣性的身體和精神特徵來辨識他們。 它已成為一種新的身份驗證形式，因為它可以準確地區分個人，而不需要任何身體接觸。
透過分析微妙的個體特徵，如臉部表情、手勢、身體運動和步態辨識 —— 也稱為步態生物辨識 —— 這項技術可以檢測和辨識個人。 有各種各樣的應用，可用於各種目的，如安全和門禁控制、個人辨識系統、客戶服務、詐欺檢測、深度偽造檢測IKEA和一般監控。
人類行為理解
人員檢測、分類和人員追蹤，可以在基於影像的監控應用中，進行人類行為理解。 可以透過分類模型學習特定的行為模式，以辨識特定的人類行為。
這可以執行攻擊性檢測、鬥毆檢測、搶劫或盜竊檢測等。 分析人類行為的應用，還包括使用不同的機器學習和成像技術（如多攝影機檢測）的軌跡聚類。
非法活動檢測
人類動作辨識和運動模式檢測，可以檢測可疑的活動、事件或行為。 流行的技術包括姿勢估計、3D 感測、學習和分類，以檢測違反準則或法律的行為。 非法活動可能包括亂扔垃圾、閒逛、乞討等。
駕駛員和交通安全應用
固定或車載攝影機系統可以執行不同類型的異常檢測。 應用包括車道偏離警告、行人檢測和自適應警告系統。 車載安全和警報系統包括駕駛員監控，例如安全帶檢測或凝視辨識，以分析疲勞和疲勞。
人工智慧安全系統
危險物體和武器檢測
即時物件檢測使用深度學習，來檢測和定位影像場景中的特定物件。 安全中常見的物體辨識應用，包括武器檢測（槍支或刀具）或防護裝置檢測。
對於許多電腦視覺應用程式來說，在現實生活中的物體檢測非常具有挑戰性；我們將在本報導後面討論原因。
入侵檢測和虛擬圍欄
敏感位置的虛擬圍欄，是人工智慧視覺監控系統的一個流行功能。 特定感興趣的區域標記虛擬圍欄以檢測入侵事件，提示系統向安全團隊傳送警報。
自動影像總結
影像總結是一個過程，它允許人們快速瞭解影像中的內容和關鍵資訊，而無需完整觀看。 例如，在購物中心、健身中心或交通樞紐，營運業者會花費大量時間觀看直播和錄製的影像串流。
人工智慧視覺演算法，用於執行影像摘要、概要生成和基於內容的影像檢索。 在影像監控中，深度學習模型的歷史資料輸出，可用於辨識特定事件，並查詢相關影像材料。
基礎設施安全
事故和交通事故偵查
在交通管理和監控中，車輛檢測和追蹤的演算法，用於辨識特定事件和事件。 此類系統在智慧城市應用中很受歡迎，也用於交通參數收集、車輛計數、基於影像的收費、交通流量分析和行為理解。 其他用例包括事故檢測、公路車輛檢測和車輛分類（剖析）。
常見方法應用於前景分割或背景減法，結合卷積神經網路（CNN）進行深度學習任務。
智慧停車和車輛監控
車輛或移動物體的檢測，和追蹤與車牌辨識結合使用。 影像分類演算法可以確定車輛型號和類型、顏色或標誌辨識。 基於閉路電視攝影機的車輛監控，在智慧停車場分析中很受歡迎，透過電腦視覺，辨識和追蹤多個停車位的佔用情況。
無人值守的物體檢測
安全中的廢棄物體檢測是保持位置、屬性和安全監控的關鍵方面。 它涉及使用自動化系統，該系統可以在沒有人工干預的情況下檢測留在公共或私人區域的任何物品。
可以訓練深度學習模型來檢測袋子、盒子、包裹，和其他可能構成潛在安全威脅的物品。 當檢測到物體時，可以向監控中心或安全人員傳送警報或其他警報。 有了這個警報，他們在潛在威脅成為真正的問題之前進行潛在威脅檢測。
車輛辨識和車牌辨識
基於視覺的車輛辨識使用自動車牌辨識（ANPR），和車輛特徵檢測（顏色、類型）使用攝影機辨識和計數單個車輛。ANPR 也被稱為 LPR（牌照辨識）。
車輛辨識軟體首先透過物體檢測檢測車輛，定位車牌，最後使用光學字元辨識（OCR）讀取車牌。
安全評估
人工智慧攝影機系統可以實現基於視覺的差距分析、威脅評估、風險、衝突和事故檢測。 深度學習模型執行辨識，以將現實世界情況數位化，並收集資料來建模和預測威脅情況。
將視覺世界數位化並將其轉化為元資料的能力，有助於提供高階安全評估，這對保險申請也很重要。 例如，我們可以建立動態報告，提供有關車輛或人員移動、互動或地形資訊的資訊。
基礎設施安全
視覺監控使用電腦視覺進行路邊警告系統和決策支援，以監控公共場所、關鍵基礎設施和交通基礎設施的安全。 現代人工智慧視覺系統與幾乎所有的 CCTV 監控和 VMS 系統整合。 例如，我們的電腦視覺平台 Viso Suite，可以獲取和處理現有攝影機的影像串流。 這可以在不同的攝影機型號和供應商之間完成。
電腦視覺應急管理
人工智慧視覺系統可以對自然事件進行緊急分類，包括風暴檢測、洪水檢測或煙霧和火災檢測。 此外，「突然事件檢測」可以在大規模環境中識別不同位置和攝影機的異常情況。 當系統檢測到緊急情況時，它可以直接向執法部門傳送警報，促使採取適當的應急感應。
監控和安全人工智慧系統還可以檢測人為緊急情況，如交通事故、危險烏鴉、武器威脅辨識、溺水者檢測，以及受傷者或墜落者檢測。
人工智慧視覺的挑戰
攝影機安全系統中，基於影像的異常檢測非常具有挑戰性。 有幾個因素使電腦視覺的現實應用，非常難以實現和擴充：- 缺乏現實生活中的資料：迫切需要收集現實生活中的資料，來訓練有效的演算法，並建構在現實世界環境中，表現良好的電腦視覺應用程式。
- 照明：管理照明的變化很困難，因為訓練有素的功能很難從影像中提取。
- 姿勢和視角：決定監控區域的攝影機角度，對深度學習演算法的效能有重大影響。 這是因為物體或人的外觀，可能會根據他們與攝影機的距離而改變。
- 異構物體：學習場景中異構物體和實體的運動有時可能很困難。 外觀的可變性大大降低了應用的效能。
- 稀疏與密集：在稀疏和密集條件下檢測異常的方法是不同的。 一些方法適用於稀疏環境中的事件辨識，但在密集的基於場景的條件下，例如，人群眾多，可能會產生許多假陰性。
- 閉塞：在部分或完全隱藏的例項（人或物體）的遮擋下檢測和追蹤非常具有挑戰性，儘管這項任務對人類來說相當容易。
 |
| 上敦 AXXON 台灣總代理 |
從電腦視覺開始
電腦視覺是一項非平凡的技術，應用幾乎總是獨一無二的，需要高度的整合和配置。 最終，組織正在尋找整合其電腦視覺系統的方法，以克服孤立的點解決方案、不同硬體和單個工具的蔓延。我們的電腦視覺平台 Viso Suite 是最強大的端到端電腦視覺平台。 全球領先的組織使用 Viso 技術，在一個統一的自動化基礎設施上，交付其電腦視覺應用程式。 要了解有關 Viso Suite，可以為你的專案提供的解決方案的更多資訊。
0 comments:
張貼留言