×
下次自动登录 忘记密码?
您好,欢迎光临武汉大千信息技术有限公司官方网站!
大千视界——最专业的视频侦查装备与解决方案提供商
武汉大千信息技术有限公司是由公安信息化行业知名专家、国内顶尖投资人、经理人共同创立的高科技企业,具有深厚的视频分析技术积累和侦查装备研制经验。

3

顶尖的实战单位、国家级研究机构、专业装备研制商三家联合

83

开发团队83%拥有安防、视频方向博士硕士学位

37

产品内含37项国家专利,核心技术遥遥领先

0

视频采集、视频转码、视频检索零等待,视频检索零漏检
  • 视频监控数据价值 这是一笔无形的财富

    多年以来,平安城市的大型项目在运营和公安实践中,通常会遇到以下情况的发生:缺少视频信息情报的标准化生成方法,进而缺少利用视频信息情报指导侦查、破案的新型警务工作模式。现在视频监控的应用已融入民警的日常办案工作当中,但采用的仍然是人工的方式去浏览、排查,费时费力。如何通过计算机替代人力来挖掘视频数据价值正成为数据所有者非常关心的问题。但是,视频数据除了具备一般大数据的典型特征,还具有数据维度更多、数据量更大、非结构化等问题,视频大数据分析技术的难度显而易见。尽管如此,无论是IT巨头公司,还是具有一定研发能力的创业团队,在三大因素驱动下开始在计算机视觉、深度学习领域进行布局。驱动因素之一:累积的视频数据价值量巨大从量的角度看,视频监控数据和互联网视频内容数据近年来有了大幅增加,为数据挖掘提供了丰富资源。据IDC的《The Digital Universe in 2020》统计,2012年全球有分析价值的数据中有一半是监控视频数据,这个比例在2015年上升到65%,速度是每两年翻一番。在国内,我们大约有3000万台监控摄像机,每月将生成60EB的视频数据,中国已经成为世界最主要的视频监控市场。而在互联网上,随着移动互联网的快速发展,多媒体视频与图像应用越来越广泛。这些视频应用每时每刻产生海量的视频数据,目前已约占人们通讯数据量的80%。从质的角度看,随着监控技术往高清化、网络化、智能化发展,高分辨率和高帧率已成为视频监控主流需求。视频数据的质量越高,其分析价值越大。驱动因素之一:技术的成熟以深度学习算法为基础的计算机视觉技术的进步,为视频大数据分析提供了强大的计算和分析工具。反过来,巨量的视频数据也为机器训练提供了丰富的素材,“大数据是人工智能的燃料”。驱动因素之三: 政策的推动近年来,在“平安城市”的建设框架下,摄像头等硬件设备的普及率明显上升,后台监控平台软件也得到了一定程度的应用。政府希望能够使用视频数据降低人工投入,提高社会管理的能力。公安部、发改委等部委先后发布一系列政策,大力推进“大联网”战略。深化视频图像信息预测预警、实时监控、轨迹追踪、快速检索等应用。同时,随着硬件和基础软件平台渗透率的不断提升,用户对视频监控系统的关注点已经从单纯的系统建设,向运营、管理、应用,尤其是实战应用方面发展,要从现在的“看得见”进步到“看得懂”。从客户类型结构看,原来平安城市更多是来源于交警部门和公安部门的建设需求,未来政府的其他部门如刑侦、交通运输部门、司法等行业在视频监控管理与应用上的需求也会涌现。目前,视频大数据分析技术逐渐在政府、金融、商业等领域得到应用,甚至成为了无人机、无人驾驶汽车、VR、机器人等新兴领域的关键技术。应用领域之一:政府部门政府对视频智能分析的需求一方面体现在平安城市框架下安防和案件侦查对存量和更新视频数据分析的迫切需求,另一方面体现在交管领域对车牌识别、违章行为识别的分析需求。案件侦查利用视频大数据分析可以大大降低公安干警的人力投入,提高办案效率。在以往的一些案件中,比如2012年在南京发生的“1·6”抢劫案和“8.10重庆枪击抢劫案”(周克华案),警方都动用了上千的公安干警进行原始的视频数据人眼搜索,严重影响公安部门破案的进度和效率。而通过计算机自动查找、识别视频信息的优势显而易见,相关技术在该领域的应用前景非常巨大。交管领域对视频大数据分析的需求同样迫切。例如,一线城市普遍实行了限行措施,这就需要靠计算机对车牌信息进行自动识别。在实际操作中,经常会出现强光照、大侧角、模糊等极难条件,准确识别车牌关键信息、实现各种场景下车型的精准识别都具有一定的技术挑战。应用领域之二:金融金融领域的应用主要体现在两点,一方面是银行监控,需要计算机主动提前识别网点的异样信息,这与政府领域的安防监控应用类似,另一方面是人脸识别在银行、证券远程开户上的应用。在远程开户时,金融机构可以通过智能终端在线上进行身份鉴权验证,使用人脸识别技术开户可以极大提升业务办理的安全性、时效性,并节省大量人力。应用领域之三:商业零售门店:在零售门店里,视频大数据技术可用于客流统计、消费者心理和行为分析。通过客流统计数据,分析不同区域、通道的客流和顾客滞留时间,与销售业绩报表结合,可以分析顾客购买行为,顾客性别年龄组成。同时, 还可以对顾客进行初步面部表情分析, 初步了解客户的喜好特征,使得商家能够制定对应的营销策略。广告营销:视频大数据分析技术可以实现广告与客户需求更加精准的匹配。 目前庞大的视频大数据资源已经吸引了国内外顶尖视频网站的涉足。通过大数据挖掘自动分析视频中的画面内容,并自动在视频中产生信息、标签、商品等内容,从而实现更精确的广告精准匹配,增加广告投放,实现将流量转换成营收的目标。同时还可以进行广告效果的监测,获得视频里面品牌曝光的次数、时长等。互联网视频数据筛查:同样,视频大数据技术在网络黄暴盗版信息监测上也会节省大量的人力。目前在云存储平台上,视频图像数据的存储量巨大,通过人工审核黄暴等信息会是一个非常消耗时间和人力的任务。通过视频大数据技术,可以精准识别出这些平台的色情、暴恐、小广告等违规图片或视频,能帮助开发者团队降低运营风险和法律风险,节省大量审核人力。例如迅雷通过图像识别云平台,超过98%的色情视频被机器过滤,复审量低于总量2%,节省了超过98%的人力成本。应用领域之四:机器人等新兴行业目前,在机器人、无人驾驶汽车、无人机、VR等新兴领域,智能视频分析技术正作为重要工具得到广泛应用。随着这些领域的发展壮大,视频大数据分析的应用场景会不断丰富。家用机器人:家用机器人需要在密布的家居中实现自动清扫等功能,则需要依赖对周围的目标检测,避开障碍物,获取行动路径,完成系列动作。在更高级的阶段,需要通过相关算法,识别家庭成员的身份、面部表情、情绪变化,以此实现自主互动和情感交流。此外,视频大数据技术还可以应用到超市机器人上,例如超市智能跟随机器人不仅可以根据用户的年龄和性别,进行精准的商品推荐,广告推送,优惠券推送,打折信息推送,跟随功能还可以彻底解放人们的双手。无人机:无人机和视频大数据的结合可以做为一个数据采集和数据重构平台,无人机在高空中采集丰富的图像信息(地理信息,图形信息,图片, 视频,光谱等),这个数据量非常巨大,利用视频大数据技术可以对采集的数据进行重构、 识别等。一方面,两者的结合可以用于真实地理目标构建和地图搭建。这类复杂场景高精度三维重建技术可以用于建筑古迹修复工作、大型建筑物3D数字模型建构,甚至是电影特殊场景的呈现。另一方面,视频分析技术可以帮助无人机确定周围世界的基本属性和大致情况,避开障碍物,避免在高速情况下同其他无人机或飞机发生碰撞。无人驾驶汽车:在无人驾驶汽车领域,视频大数据分析技术可以帮助汽车通过视频摄像头感知和识别行驶的车道上周边的物体,辨别车道和交通信号,检测出车辆、行人、树木等运动目标, 防止事故的发生。AR/VR:虚拟现实利用计算机技术从空间和位臵上来模拟人类视觉、听觉、触觉甚至是嗅觉的感受, 达到身临其境的效果。其中,模拟人类的视觉需要用到计算机视觉技术,两者天然就可以紧密结合。2015 年,Oculus VR收购了英国计算机视觉公司 Surreal Vision,一家主要为 AR 提供实时逼真的3D场景视觉重现的新创公司。该公司通过使用彩色及深度摄像头,利用 3D场景重建算法,提供实时逼真的周围环境视觉成像模型。

  • 我们为什么需要视频结构化?

    其实,从前几年开始,视频侦查行业就已经开始在强调视频结构化,经过算法的演进和技术的革新,视频结构化开始大规模地得到应用。那么,何为视频结构化?视频结构化是一种视频内容信息提取的技术,它对视频内容按照语义关系,采用时空分割、特征提取、对象识别等处理手段,组织成可供计算机和人理解的文本信息的技术。从数据处理的流程看,视频结构化描述技术能够将监控视频转化为人和机器可理解的信息,并进一步转化为公安实战所用的情报,实现视频数据向信息、情报的转化。我们为什么需要视频结构化视频结构化技术紧紧抓住视频内容信息处理和网络化共享应用的主线,行业力争经过若干年的技术攻关和系统建设,全面实现监控视频信息的情报化、视频监控网络的智慧化,强化警务视频应用的普适性。即实现以机器自动处理为主的视频信息处理和分析,并且通过技术手段转化为公安工作可用的情报;实现监控网络之间、终端之间、警种之间的信息共享和主动互操作,实现主动监控、自动联网分析等网络功能;全方位拓展视频在警务工作中的应用模式,大幅度提高技术的易用性,实现以业务民警为中心的随时随地的灵活、简单、多样的视频按需服务应用。除了公安行业,视频结构化技术的应用场景也在智能交通展开来。目前电警卡口在图侦上的应用需求和频率早就超越了交警,因为案件基本都要与车辆发生联系,这能找出很多的线索。而卡口电警对于车辆的抓拍角度是相对固定的,能够开发出相应的车辆特征识别技术,电警卡口属于业务需求和技术实现的一个很好的匹配点,这就是视频结构化的应用储备。视频结构化技术被广泛应用在视频结构化描述的内容方面,公共安全关注的视频信息主要是:人员、车辆、行为。在视频中把人作为一个可描述的个体展现出来,其中包括人员的面部精确定位、面部特征提取、面部特征比对,人员的性别、年龄范围、大致身高、发饰、衣着、物品携带、步履形态等多种可结构化描述信息;对于车辆的描述信息包括:车牌、车颜色、车型、品牌、子品牌、车贴、车饰物信息等多种车辆描述信息;对于行为的描述信息包括:越界、区域、徘徊、遗留、聚集等多种行为描述信息。经过视频结构化处理后,可以达到如下目的:首先,是视频查找速度得到极大的提升。视频结构化之后,从百万级的目标库中(对应数百到一千小时的高清视频)查找某张截图上的行人嫌疑目标,数秒即可完成;千万级目标的库中查找,几分钟即可完成(如果实现云化,速度会更快)。在结构化基础上进行检索查询,可以解决快速目标查找问题。其次,存储容量极大的降低经过结构化后的视频,存储人的结构化检索信息和目标数据不到视频数据量的2%;对于车辆,不到1%;对于行为降得更多。存储容量极大地降低,可以解决视频长期存储的问题。最后视频结构化可以盘活视频数据,作为数据挖掘基础视频经过结构化处理后,存入相应的结构化数据仓库,对各类的数据仓库可以进行深度的数据挖掘,充分发挥大数据作用,提升视频数据的应用价值,提高视频数据的分析和预测功能。视频结构化分析平台的基本要求系统具备云计算架构,部署应采用集中处理、分级调阅的方式,具备多级级联,动态结构化处理服务自动分配,具备系统多节点的平衡负载,重特大事件处理时可并行网络服务计算能力及集群能力;系统采用先进GPU计算核心,单个计算节点设备最少具备20路1080P视频并发结构化;后台管理应支持B/S架构,具备权限、用户、结构化任务设置、综合网管等功能。具备对上传文件进行结构化视频合成播放,并能够基于结构化后视频的事件标签回溯播放原始视频。具备对上传的视频文件或视频流进行结构化分析,满足视频内活动事件的特征信息提取,通过时间戳与视频文件关联后进行结构化存储;具备对处理文件的内容搜索,按视频内活动事件的运行方向、活动范围、颜色值、大小等特征进行搜索和过滤,具备所有视频时间、地点等条件搜索和过滤;同时对于场景内符合人像比对和车型比对的图片可以自动调用人像、车型后端服务进行深度识别。具备权限控制功能,通过为不同用户指定相应的角色,来控制用户的可操作范围。总之,随着大数据和深度学习的发展,视频结构化必将会为视频数据的智能化提供强有力的支持,从而实现现有监控视频的深度应用,从事后调阅走向事前预警与主动防控。

  • 人工智能引爆两会,魅力到底在哪里?

    “两会”(全国人民代表大会,中国人民政治协商会议)还在如火如荼的进行中,各类话题却已经引爆网络。除了市民普遍关心的各类民生话题,今年最吸引眼球的莫过于“人工智能”。从五年前一个只能在科幻电影里看到的技术,到如今写入委员提案与总理《政府工作报告》,没有哪一个事物可以在短短的时间内如此迅速的发展,那人工智能的魅力到底在哪里?我们先来看下两会到底讨论了些什么吧。首先我们看到的是总理的《政府工作报告》,报告指出:“加快培育壮大新兴产业。全面实施战略性新兴产业发展规划,加快新材料、人工智能、集成电路、生物制药、第五代移动通信等技术研发和转化,做大做强产业集群。”“大力改造提升传统产业。深入实施《中国制造2025》,加快大数据、云计算、物联网应用,以新技术新业态新模式,推动传统产业生产、管理和营销模式变革。”“持续推进大众创业、万众创新。‘双创’是以创业创新带动就业的有效方式,是推动新旧动能转换和经济结构升级的重要力量,是促进机会公平和社会纵向流动的现实渠道,要不断引向深入。”身为全国政协委员的百度董事长李彦宏在此次两会共提出了三个关于人工智能的议题,引起了广泛关注:1、使用人脸检测识别技术,建立覆盖全国的走失儿童数据库,解决儿童走失问题;2、使用人工智能调节交通信号灯,优化城市交通拥堵现象;3、大力推进“智能+经济”的发展,增进行业和公众对人工智能产业价值的认知;破除人工智能行业应用的体制机制障碍;加强行业数据的开放和共享;鼓励人工智能企业与各行业的创新合作,培育一批市场竞争力强、国际影响力大的人工智能企业。从上面这些两会热议话题中,我们可以看到人工智能今后将逐步影响我们的生活,并将许多难以解决的棘手问题,变得相对容易。在这三个提案中,人脸识别技术的市场需求及应用前景最为接地气。提案中的建立失踪儿童人口库,只是其应用的一个方面,先前因为“徐玉玉”案件的网络诈骗,就为人脸识别技术添了一把火。公安部还专门研发出与实体身份证唯一对应的“身份证网上副本”,这种“数据加密”性质的“网上二代证”在保护了公民隐私信息的同时,也解决了公民个人信息在互联网上被“盗用”“冒用”问题。“人工智能是又一次信息革命,类似曾经的工业革命和电力革命。”李彦宏说,“现在人工智能的应用到了临界点,原来我们认为不能做的,现在都变得可能了”。人脸识别的应用场景越来越多,在你想得到的和想不到的地方。他的出现会代替传统的识别及认知方式,颠覆着传统。比如说今年小千公司的年会,就使用了武汉大千信息技术有限公司的人脸识别系统进行人脸签到。去年,同事们都还每人带着工牌,一个一个在门口排队签到进入会场,抽奖时也是要将工牌上交,进行抽奖。短短一年的时间,我们就颠覆了传统的签到模式,采用了最新的人脸识别技术,毫秒内出结果签到成功,抽奖时也直接采用签到的人脸进行,快速且有效率。“人脸识别系统”通过对人脸进行抓取,基于深度学习的精确识别进行多维度特征提取和表达,来获取人的更多的信息,如性别,年龄范围,人脸比对特征等。识别模式支持1:1、1:N和N:N,人脸图片编辑比对,手动编辑和多种搜索模式,并支持搜索结果报表导出功能。通过对已有的人脸库或者第三方导入的人脸库进行检索,在海量(大于亿级)人脸数据库中快速(1秒级)查找、预警和布控,今后也将广泛应用于各种刑侦、反恐、交警等视频监控等实战中。在人像识别比对的基础上,我们还具有对人体体态特征进行多维度精细描述的行人语义结构化技术,能够对行人的外形、衣着、挎包、背包、拉杆箱、雨伞等26类体态特征进行自动化的精确描述。同时我们也是行业内首家实现了在人像特征的基础上加入体态特征,从“以像找人”跨越到“以人找人“,实现基于人员体貌关联特征的多维度识别、比对和布控。武汉大千的人像识别系统有别于市面上常见的人脸识别比对系统,除了能够对前端视频图像人脸进行全方位检测与抓取,还能实现对行人的体态特征进行多维度的识别。整个系统可与多种数据库和系统实现对接,具有良好的扩展性,主要用于高铁、地铁、火车站、医院、商场等地方的日常安保工作,可为公安各警种的应用提供基础服务,为社会公共安全防范、逃犯追捕、重点人员的管控等领域提供强有力的支持。今后,需要用到人员身份认证的地方,都会使用到基于人工智能的人员识别技术,而武汉大千人员识别技术同时包含人像识别和体态特征识别两方面的结合应用,能够真正意义上实现从视频图像中直接获取人员目标的精准身份信息。

  • 视频分析漫谈

    从世纪九十年代开始,美国的VSAM项目中进行视频监控的数据化研究以来,视频监控的智能化经过了二十年的发展,到现在已经发生了巨大的变化,智能分析技术也从传统的模式识别到机器学习再到现在家喻户晓的深度学习经历了多个阶段的发展。而当前深度学习的逐渐成熟让很多曾经尚未到达实用阶段的应用逐渐具备了可用性,典型的如人脸识别,高密度的人员统计等;也让很多已经成熟的应用具有更高的准确度,如车牌、车型识别、行为识别等等。1、视频智能分析发展历程国内的视频监控从2006前后开始“监控IT化”以来,视频监控的规模呈现了快速扩展的势头,这在模拟时代是无法想象的。视频监控规模的扩大,已经让使用者意识到单靠人眼去监控所有视频或者在事后去追查录像都是基本不可能的事情了。2009~2010年国内视频监控发展比较好的地区如浙江,就开始出现了如何更好的应用视频的需求声音。当时的监控业界存在“看不清、调不出、提取难、检索慢”的问题,对应的也就出现了三大趋势:高清化、网络化和智能化。从2010年前后起,智能分析已经在慢慢地应用到监控和智能交通的行业中来,其中最早形成规模应用的是车牌识别的功能,到2013年左右,电子警察在全国就在如火如荼地展开。这几年来,智能的应用快速扩展到了很多的方面,如人的行为识别、车辆的异常行为检测、人脸识别、车脸识别,还有通用监控视频的结构化分析等,花样各出,大有遍地开花之势。2、智能分析的本质视频分析的本质目标,就是视频的语义化,使视频更好地被检索到,被精确调阅到,解决人眼长期看视频产生的熟视无睹的问题,也解决发生案件时要花上百人进行录像查阅的问题。软件智能分析与硬件智能分析优劣势分析引用邓小平的话“不管白猫黑猫,抓得住老鼠就是好猫”,软件智能分析和硬件智能分析只是分工不同的猫,他们都有擅长的一面,也都有自己的劣势。用一句话来概括,他们的区别就是“软件智能贵在适应性和广度、硬件智能分析贵在分析的速度”。软件智能分析软件智能分析,是指用CPU进行运算的智能分析方案,它的优势在于适应性强,具体体现在:  1) 对各种数据源的适配性高,在安防行业中数据源基本为视频和图片,但是这些数据的来源可谓是五花八门,尤其的早期的设备厂家非常地多,对接方式和编码格式都不标准,只有通过软件对接来完成前期工作,才能给智能分析提供原始材料;  2) 新的算法出来时,基本上都是在软件上实现的,因为在软件上编码实现最容易,很少有算法一开始出来就能在智能分析硬件上运行的;  3) 软件智能分析可以运行在很多通用服务器和PC机上,不需要配备特殊的硬件就能运行,而硬件智能分析就不一样了。  当然软件智能分析的主要缺点就在于分析性能差。硬件智能分析硬件智能分析,对应于软件智能分析,一般指运行在DSP、FPGA以及GPU资源上的智能分析应用。它的优点就是一个字“快”,一旦一种智能算法有了能支撑它的硬件资源后,一般就能把软件分析的处理能力甩开几条街。但是相对的,它的局限也就是软件智能的优势所在。但是现在,软件智能分析和硬件智能分析没有那么严格的区分,很多新的算法经过软件方案进行一段时间验证后,一旦存在较大的可用性,就会慢慢走上硬件化的道路。近几年炙手可热的深度学习的计算量基本上只有在GPU上才能跑起来。因此流行的是通过CPU做适配和前期处理,GPU来做智能运算,也就是Intel CPU+NVIDIA GPU的组合,而且这个组合的处理性能也确实非常之强劲。前端智能分析与后端智能分析对比前端智能分析与后端智能分析的关系,也类似于上面的软硬件智能分析一样,都是相辅相成的,互为补充的。前端智能分析前端智能分析,在安防的业内一般是指在摄像机等传感器内置或者在传感器附近放置一个专门分析的前置设备。前端智能分析的优势是离采集端近,分析比较及时,通过前置的智能分析可以有效降低需要传输的数据的量。同时前端智能也受限于较弱的计算资源和有限的空间,再好的智能分析技术到前端也都是“龙居浅潭”。当下前端智能中最成熟也是上面说的智能方面最早成熟的车牌识别功能了,现在前端设备上车牌识别的准度已经达到了99%。后端智能分析后端智能分析是指用后端服务器的方案进行智能分析,也是当前比较主流的智能分析方案。   由于智能的需求越来越大,智能需求的种类也越来越多,各种智能服务器会慢慢占领客户的机房,因此如何综合利用这些服务器资源,如何提升单位空间的计算能力是众多厂家关注和研究的方向,从当前来看主要的方向是:硬件化、框架化、集群化。硬件化,经过上一节的分析,智能分析的硬件化是一些智能分析技术逐渐成熟的必然方向,现在的深度学习经过几年的发展已经表现出了强劲的发展前景,而且智能硬件只要能很好地承载深度学习的计算需求,就能应对绝大部分基于深度学习发展起来的具体智能分析技术,比如现在一个很典型的应用就是人脸识别的应用,用了GPU之后,性能可以翻很多倍。   框架化,因为智能算法越来越多,如果为每一款智能算法单独开发一次软件,那软件的工作就会有很多的浪费,如何能够开发一次软件,然后尽量多地去适配各种算法对厂家和客户来说都是比较有意义的事情。   集群化,既然智能分析的需求越来越大,那么这些服务器如何统一管理,如何统一进行资源分配又是一个比较棘手的事情,总不能让客户自己一台一台服务器去做配置,一台一台去做管理吧。集群化的需求就应运而生,它需要解决的问题有:统一管理各个服务器,进行统一的配置;动态解决各个服务器的资源和任务分配问题,避免客户自行去选择服务器;解决设备的灾备问题,在有多台设备的时候,不要因为一台设备的失效而导致它所负责的业务不可运行。   除了专门的智能服务器,现在有很多的后端产品也开始内置简单的智能功能了,比如很多新的NVR已经具备了不少的智能分析能力,在小规模的方案里这种产品形态将越来越有市场。前后端融合计算同软硬件智能分析的方案,前后端的智能分析也不是完全割裂和互斥的,两者都是“抓得住老鼠”的好猫,但是如何把他们合在一起适当分工是不是能成为更强大,更高效的猫呢?答案是肯定的。   前端是存在计算性能上的不足,存在空间上的拘束,但是它还是能承担一些分析工作的,而且最重要的是它的保有量大,每台做一点基础的分析工作,后台再在这些分析的成果基础之上做进一步的分析,将能大大降低后端服务器的工作压力。典型的,如现在的人脸智能分析方案中,如果采用后端引前端实况流分析的方案,一台E5的服务器能做到4~5路已经很高了;但是同样的服务器如果用前后端融合的方案,前端负责人脸的跟踪和抓拍,后端负责分析,一台服务器就能做到24路甚至更高,这就能大大降低用户的部署成本。   当前,阻挡前后端方案融合的最大障碍是标准的问题,各个厂家都是按照自己的理解定义接口,定义边界,厂家之间互通的唯一方式就是对接开发;因此,现在如果涉及到跨厂家的智能分析都更多的还是采用纯后端或者纯前端的方案,这是智能发展需要解决的重要问题。3、智能分析在智能交通中的应用前面也多次提到过,智能分析功能在智能交通行业的应用是最成熟的,其中最重要的启动点是车牌识别的识别率达到了应用的要求,以及在此基础之上形成的电子警察以及其他各种解决方案,在这里简单介绍一下:   1) 电子警察。车牌识别、红绿灯口车辆跟踪和抓拍等技术形成的电子警察的出现极大的提升了交警的交通管理能力,让交通违法抓获由一个概率事件变成了必然事件,一举解决了2012年前需要雇一堆的小姑娘进行闯红灯抓拍而且还抓不全的问题。近两年随着技术的成熟,虚拟线圈又替代了地感线圈,又降低了电警的施工难度和安装成本,使得电子警察的覆盖面越来越广;   2) 电子卡口。在电子警察中尝到智能分析甜头的用户,在开始进一步考虑城市车辆的监控和管理,因此电子卡口的业务就产生了,记录车辆的行进轨迹,根据行进轨迹进行车辆异常行为的分析,对接车管库进行车辆的核查等各种业务都开始落地。随着技术的成熟,和开车犯案的案例增多,公安部门也开始介入到卡口业务的建设,希望通过对车辆的排查进行案件的侦破的技战技术开始提出来,并产生了不少的成果;   3) 交通综合管控。随着上述技术的成熟,交警希望把道路上的各种资源统一调度起来,根据车流量情况和道路状况自动进行红绿灯的调配、以及其他道路疏导提示系统的调度,交通综合管控平台的成熟将对交警行业产生又一次重大的影响。其后,只要源源不断地将新成熟的智能算法、大数据分析算法纳入到这个平台中,这个平台就能具备越来越强的管理能力。   当然在智能交通中,还有其他很多的智能技术在逐渐成熟,包括车辆的异常行为检测,车型车款识别等等,这些都将助力智能交通行业的快速发展。

  • 未来,你是什么样子?

    人脸识别技术的成效目前已经是老生常谈了,但是其中也不乏搞怪作品。人脸识别的重要基础是什么?大概是清晰的面部照片?不不不,日前德国马克斯普朗克研究所的一项新研究成果却可能会改变你的想法。研究所的工作人员表示,他们创造了一种全新的人脸识别算法,名为Faceless Recognition System(FRS),也就是无脸识别。也就是说,这套系统能够通过模糊相片来识别个体。首先研究者会使用一张清晰照片供系统学习,FRS会对照片里的人物脸部特征、头身比例等参数进行分析。随后如果将照片进行模糊处理,它有69.6%的概率能认出该人物。而如果有足够多的清晰照片供FRS学习,它的成功率能达到91.5%。不过如果面部是被黑色方框覆盖,那么机器的识别率会降低到14.7%,但这也比人类的识别成功率高了三倍。据称,这一技术有利于行政机关从数据库的海量照片中识别犯罪分子,又是一项新利器喔~虽然当前人脸识别的准确率已经很高,但是随着岁月的推移,人总是会变老的。所以目前在打击人贩子和人口拐卖领域,因为时间跨度太大,导致在人脸的比对上会有较大的困难。所以出现了一种人脸图像合成系统,主要以数学建模为基础,可以利用数学模型实现图像的变形、过渡和衰老化绘制,让机器学习实现更省时、更精准的还原人们年轻或者模拟年老的容貌。虽然这项技术还没有普遍开来,但也让人们看到了在寻找失踪人口上的希望。据国外媒体报道,这套原理是来自法国Orange实验室的Enter Grigory Antipov和他的朋友们研发出来的。其主要是让两个深度学习的机器同时工作,一个生成人脸,一个鉴别人脸,两个机器会通过分析人脸图像,提前习得各年龄段人脸大概是什么样子的。年龄段分类标准为:0-18, 19- 29, 30-39, 40-49, 50-59, 以及60岁以上。据介绍,在每个年龄分组里,研究人员让机器学习超过5,000张标记过年龄的人脸图像。这些图像均来自于 Web Film Database以及维基百科。通过这种方法,机器可以学会每个年龄分组内的标签,而正是这个习得的总结标签让生成人脸的机器把不同年龄的人像照片准确加工成用户所希望的年龄的样子,无论是让照片中的人变得年轻还是变得年老。但是,同其合成人像的机器一样,这里面存在的一个问题便是在合成过程中,机器可能会丧失掉图片原有的识别资料(id)。这时候第二个深度学习机器——鉴别人脸机器就开始起作用了。它的解决办法是:看这个照片的识别资料是不是唯一的,如果不是的话照片则会被拒绝输出。经实验证明,这个方法确实有效,他们的检测方法为:研究团队让机器合成合成10,000张从IMDB- Wikipedia数据库中抽取出来的人像(这些照片之前从未用来训练机器),然后用OpenFace软件程序来检测训练前后的两张照片是否为同一个人,测试结果为,有80%经训练的照片都被认为和原照片是同一个人。作为对比,用其他方法加工照片,平均测试结果只有50%。但如果想要进行更真实的相片比对,应该是将合成的年轻相片与此人该年龄阶段的真实照片进行比对,但想要在这个测试中达到更高准确度,研究仍需有一段路要走。但无论如何,这个研究成果确实让人们看到了寻找长期失踪人口的突破口,笔者也期待这样的算法在未来有更多的应用。

  • GIS在信息可视化与视频结构化中的纽带作用

    在视频监控领域,视频结构化技术在近年取得了较大的突破,并且在传输与后端存储上,市场上也出现了相应的技术和产品与之相匹配。可以这么说,在视频结构化方面,伴随着其巨大的应用需求,技术本身正在加速成熟,成为当前视频分析行业最为重要的应用热点。相伴随着视频结构化技术的发展,信息可视化也正在成为视频分析行业的重要的内容,依靠将监控区域的地表物体信息化,让监控大平台指挥中心更清楚监控区域的空间与地理信息,为立体安防监控建设做基础。在整合信息可视化与视频结构化中,GIS技术成为关键的纽带作用。那么如何理解GIS在其中扮演的重要角色呢?目标地理信息化与地图数据管理地理信息化是指将视频分析里涉及的与时空有关的目标按照地理信息的基本形式,结合形成包含图形对象和属性的GIS地图要素,并以数据图层的形式纳入空间数据库进行统一管理。系统底图中可能包含一个或多个领域专用业务图层,而图层包含一系列要素,一个要素表示一个目标,由图形对象和一条属性记录共同构成,图形对象通常由基本的点(如摄像机)、线(如车辆运行轨迹)、面(如某监控小区)构成,属性表存储了该目标的附属信息(如摄像机的编号、名称、类型以及其它属性等),图形对象和属性表记录行通过唯一标识号关联,以此实现空间信息和属性表的互查。随着GIS应用的深入和扩展,为了更好地促进行业应用与发展,行业应用标准化将成为一种必然。应急决策指挥与地理数学模型应急决策指挥一般指当发生突发事件时,事件的相关责任部门需要迅速地进行信息汇总、综合评估决策,用以指导一系列的反应动作,最终以最优方案解决事件。GIS以其得天独厚的时空可视化优势,结合对各种复杂地理数学模型的完美支持,能够实现各种复杂场合下的辅助决策应用。并通过引入更科学和可靠的决策模型,以实现更有效、智能的决策支持。视频查询与虚拟现实视频查询是监控平台的基本功能之一,同时也是最重要的功能之一。在这里把它分为实时视频查询和录像查询。查询的目的是为了尽可能准确的定位,大多数时候我们查看实时视频是为了查看某个地方是否正常(如一个角落),而目前绝大多数的视频监控平台实时视频的查看没有查询功能,或者只有简单的按照设备名称等属性的查询,没有实现真正的以空间位置为导向的精确查询。运用虚拟现实技术构建监控目标区域的3D模型,将用户选区纳入3D模型进行查询运算,即可查找到相关设备,同理可用于录像查询,只是加上时间条件即可。显然,这种查找模式更直观,更精确。虚拟现实的引入,将会给用户带来更加直观、更易操作的应用体验。移动监控与移动GIS移动目标监控,是指利用集中监控平台,对一组带有定位设备终端的移动目标进行管理和监控。有两个要点,一是被监控目标需要携带定位设备终端,二是需要有监控中心,被监控目标通过无线网络向监控中心报告定位信息和状态。如果在被监控的移动目标上同时配置移动GIS平台,让移动目标具有GIS的数据采集、存储、展示能力,能彻底改变监控中心单边监控、移动目标被动监控的模式,这在某些场景下是很重要的。如在网络环境不稳定时,移动目标传送的定位信息可能丢失,导致监控中心存储的位置数据不全,这时,可以用移动目标携带的移动GIS存储的数据来补齐。移动GIS同时也可以用于地图可视化展示监控中心下达给移动目标的某些指令。随着移动互联时代的发展,移动化、网络化的趋势已经显而易见。云视频监控服务与云GIS随着云计算技术的兴起,人们已经初步感受到了它的魅力。对于相当一部分应用场景来说,云服务有诸多优势。首先,规模化的运营商,提供基础设施,让应用方可以省去大批的物理建设成本和维护成本。其次,比起相对于单独的桌面应用程序而言,使用云服务的成本很低,或者说前期投资更少和较固定的月度业务费用。另外,云服务部署的应用在升级和维护方面,更加便捷。目前已有云视频服务在运营当中,利用云服务的规模化硬件资源和集中统一的软件技术支持,将前端视频采集设备、后端存储设备统一规模化、集成化管理,以云服务的方式部署,以实现云视频监控服务。云GIS将GIS的数据、工具以云服务的方式部署,提供给用户。新时期的安防监控应用需要GIS的支撑,因此,安防监控走向“云端”需要云GIS。综上所述,伴随各种安防技术的兴起与发展,GIS作为一种基础支撑技术通过不断和新技术的融合,其应用面和应用深度也将不断拓展,带来更好的应用成效,在未来的安防领域和图像侦查领域中将继续扮演重要纽带作用。

欢迎光临武汉大千信息技术有限公司官方网站!

湖北省武汉市洪山区佳园路2号 高科大厦1228室

TEL: +86 027 87883503

FAX: +86 027 87883503

E-MAIL: daqian@videtek.cn