智能制造網(wǎng)APP
智能制造網(wǎng)手機(jī)站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號(hào)
智能控制
機(jī)器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
回放
elbe 0.700十字萬向軸用于機(jī)器的驅(qū)動(dòng)技術(shù)
萬向軸,用于機(jī)器和車輛的驅(qū)動(dòng)技術(shù),快換聯(lián)軸器,鋼,不銹鋼,0.716.100品牌
Elbe
除非你最近參與了涉及深度學(xué)習(xí)人工智能的視頻監(jiān)控項(xiàng)目，否則你可能會(huì)覺得這項(xiàng)技術(shù)太昂貴了，只能用于高端應(yīng)用。
隨著搭載了深度學(xué)習(xí)人工智能的新一代經(jīng)濟(jì)型攝像機(jī)的推出，情況遠(yuǎn)非如此。然而，與該技術(shù)相關(guān)的術(shù)語(yǔ)，如人工神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)，可能肯定已經(jīng)造成了這樣一種印象，即該技術(shù)所能提供的能力，遠(yuǎn)遠(yuǎn)超出了大多數(shù)終端用戶從他們的視頻監(jiān)控解決方案中獲得最大利益的要求。
消除誤報(bào)
但事實(shí)并非如此，大多數(shù)情況下，人工智能攝像頭都是需要解決困擾電子安防行業(yè)數(shù)十年的誤報(bào)問題的。
簡(jiǎn)而言之，深度學(xué)習(xí)AI視頻分析忽略了視頻噪聲、搖曳的樹木、移動(dòng)的云層和動(dòng)物——當(dāng)使用標(biāo)準(zhǔn)運(yùn)動(dòng)檢測(cè)技術(shù)或傳感器檢測(cè)活動(dòng)時(shí)，所有這些通常都可能是誤報(bào)的原因，因?yàn)樗鼪]有受過訓(xùn)練來對(duì)待這些情況。
這種基于深度學(xué)習(xí)AI的視頻分析的更高性能意味著控制室操作員和安全人員可以專注于響應(yīng)真實(shí)的事件和緊急情況，而不是在誤報(bào)上浪費(fèi)時(shí)間和精力。除了極高的準(zhǔn)確性，深度學(xué)習(xí)還允許操作員搜索特定的特征和屬性，包括一個(gè)人的年齡和性別，以及他們是否戴著眼鏡、帽子或提包。
易于安裝和使用
實(shí)際上，由于AI攝像機(jī)中已經(jīng)內(nèi)置了所有智能的部分，因此安裝、設(shè)置和使用深度學(xué)習(xí)AI并不復(fù)雜。因此，系統(tǒng)集成商和安裝人員應(yīng)該能夠充分利用該技術(shù)，作為幾乎所有視頻監(jiān)控項(xiàng)目的一部分。
隨著AI做好了開箱即用的準(zhǔn)備，盡管有機(jī)會(huì)對(duì)其進(jìn)行定制以滿足最終用戶的操作要求，但用戶實(shí)際上并沒有真正需要深入了解其工作原理的技術(shù)層面。
讓我們從深度學(xué)習(xí)開始了解。這是機(jī)器學(xué)習(xí)的一部分，是一種通過訓(xùn)練機(jī)器執(zhí)行基于大量實(shí)例的任務(wù)來實(shí)現(xiàn)人工智能的方法。為了做到這一點(diǎn)，深度學(xué)習(xí)使用了多層或深度人工神經(jīng)網(wǎng)絡(luò)，這本質(zhì)上是受人類大腦啟發(fā)的數(shù)學(xué)模型。它們的深度使得它們非常適合解決復(fù)雜的問題，例如在原始視頻中識(shí)別物體和事件，具有極高的準(zhǔn)確性。
舉個(gè)例子，為了能夠正確地確定一個(gè)人的性別，韓華科技的研發(fā)工程師需要設(shè)計(jì)、訓(xùn)練和驗(yàn)證一個(gè)深度學(xué)習(xí)網(wǎng)絡(luò)，在訓(xùn)練階段，該網(wǎng)絡(luò)使用一個(gè)包含數(shù)百萬張適當(dāng)選擇的面孔的數(shù)據(jù)庫(kù)，每一張面孔都貼上了已知的真實(shí)性別的標(biāo)簽。經(jīng)過我們的工程師幾天的訓(xùn)練，神經(jīng)網(wǎng)絡(luò)已經(jīng)可以投入使用了，準(zhǔn)確率可能達(dá)到98%左右，這與人類做同樣的事情的能力差不多。
與更傳統(tǒng)的視頻分析相比，深度學(xué)習(xí)AI技術(shù)的性能要優(yōu)越得多。后者通?；谶\(yùn)動(dòng)檢測(cè)，因此不夠復(fù)雜，無法檢測(cè)靜止物體（例如停放的車輛）或處理視頻噪聲（例如前燈的光污染或移動(dòng)的陰影），所有這些都是導(dǎo)致誤報(bào)的原因。
在快速移動(dòng)或非常繁忙的環(huán)境中，分析的性能同樣令人印象深刻，這改善了對(duì)證據(jù)的取證搜索并加快了調(diào)查速度。
由于這些以及更多的原因，對(duì)于大多數(shù)應(yīng)用，尤其是那些遭受誤檢測(cè)最嚴(yán)重的應(yīng)用程序，深度學(xué)習(xí)AI將逐漸取代傳統(tǒng)的視頻分析可能是不可避免的。例如，它使零售商能夠捕獲和分析諸如年齡和性別之類的商業(yè)情報(bào)，從而使他們能夠精細(xì)地分析客戶人口統(tǒng)計(jì)數(shù)據(jù)，并在此過程中更深入地了解客戶行為和購(gòu)買模式。
應(yīng)該指出的是，深度學(xué)習(xí)人工智能在過去一年左右的時(shí)間里做出了寶貴的貢獻(xiàn)，因?yàn)樗恢笔强谡謾z測(cè)、距離測(cè)量和占用監(jiān)控應(yīng)用的核心。
(原標(biāo)題：AI與深度學(xué)習(xí)不在是高端視頻監(jiān)控應(yīng)用的專屬)
浙公網(wǎng)安備 33010602000006號(hào)
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號(hào)
