攻破人脸识别应用难题?这家美国AI安防公司是这么做的_最新动态_新闻资讯_程序员俱乐部

中国优秀的程序员网站程序员频道CXYCLUB技术地图
热搜:
更多>>
 
您所在的位置: 程序员俱乐部 > 新闻资讯 > 最新动态 > 攻破人脸识别应用难题?这家美国AI安防公司是这么做的

攻破人脸识别应用难题?这家美国AI安防公司是这么做的

 2017/8/2 1:38:59    程序员俱乐部  我要评论(0)
  • 摘要: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。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“BrainChipStudio”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
  • 标签:公司 应用 美国

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。

  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 IHS 称,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

  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。”

发表评论
用户名: 匿名