监控 + 人工智能 + 深度学习 = 更安全的城市
虽然视频已发展成为一种有价值的安全工具,但它的有效性仍受到执行监控的人的制约。
一项有名的哈佛研究显示,人类可能会经历“非注意盲视”。专注于一个物体可能导致人们无法看到另一个物体 – 即使这个物体在人们的视线范围内。当人类确实发现事故时,通常为时已晚。
AllGoVision 首席销售和营销官 Aji Anirudhan 说:“操作员疲劳时有发生,因为一个人的注意力跨度有限,特别是在观看视频或识别图案时。我看到统计数据表明,闭路电视操作员只要连续监控 20 分钟,就可能发生“视频盲视”。”
人工智能和机器学习则解决了这一难题。通过面部识别和物体识别等支持人工智能的应用,城市在提高安全性的同时降低了成本。在边缘实施分析可以增强决策并加快响应速度。
面部识别可以辨认已知的不良行为者或应用于安检放行。车牌和车辆识别可以增强停车和交通管理。通过物体检测,操作员能够收到可疑活动和包裹警报。
借助人工智能和深度学习快速决策
AllGoVision 的人工智能视频分析解决方案提供了一个综合平台,支持广泛的安全、交通和人员管理应用。
该系统的面部识别功能在需要高精度和无创技术的情况下特别有用。该系统通过从多个角度捕获图像来创建具有面部最主要特征的 3D 模型,还可以创建数据库。将通过实时视频检测到的面部与该数据库对比,可以识别受验者。在某些条件下,这还会进一步触发警报。
在一个案例中,一家投资银行使用智能卡读卡器来监控写字楼安检放行。但对于未经授权盗用门禁卡的行为难以辨别。虽然安防系统有一个与持卡人匹配的面孔数据库,但人工审查是一个麻烦事。
此外,在大厅的多个门禁终端处,需要多达四个人来查验门禁卡。Anirudhan 说:“因为难以实现有效安防,所以需要将自动化面部识别技术集成到其现有系统中。”
AllGoVision 软件经过训练,可以识别数据库中的所有人员。在刷卡的同时,该软件会验证面部图像。匹配则予以放行,不匹配则会提示相关人员做进一步调查。
该解决方案减少了人工验证的需求,提高了安全性,并创建了无缝的双因素身份验证。
边缘至云分析
视频分析是 AllGoVision 平台的构建模块,可根据需要添加应用特定的软件模块。Anirudhan 说:“我们有一个适用于多个使用案例的应用框架。我们可以轻松插入和去除算法,但用户接口是标准的。”
分析解决方案是一个开放式平台,可与现有视频管理系统 (VMS) 和 IP 摄像头集成。人工智能功能可以在边缘和云端运行,与管理客户端无缝连接。来自其他物联网设备的输入可与视频集成分析,以实时做出决策(图 1)。
城市安全即服务
与传统解决方案提供商相比,AllGoVision 具有独特的优势。举例来说,其基于人工智能的综合性分析便可在本地服务器、边缘和云端运行。该解决方案可以通过持续的深度学习算法训练不断提高性能和准确性。
其基于云的 SaaS(软件即服务)模型则提供实时软件更新,可轻松添加或移除摄像头和其他设备。
客户可以从多个使用类别共享一个应用框架的综合性计划中受益。Anirudhan 说:“他们可以轻松集成现有的 VMS 系统,添加即插即用算法,并使用 API 添加其他设备和软件。城市可以通过将一个系统用于从安防到交通和人员管理的多种应用来降低成本。”
报警中心提供查看、搜索和报告的选项,所有数据均由 AllGoVision 分析生成。操作员可以单击通知,查看实时视频,并确定是否需要采取进一步措施(图 2)。
AllGoVision 可以评估客户的需求,并通过其 100 多个合作伙伴的网络提供定制的解决方案。
利用英特尔® 技术优化人工智能和深度学习
英特尔® 技术是增强总体解决方案的关键。Anirudhan 说:“我要说英特尔技术非常强大,因为我们的解决方案从一开始便适用于 CPU 和 GPU 架构。附以英特尔® Movidius™ VPU,我们能够将很多此类处理转移到相关硬件加速器上。”
该解决方案还整合了英特尔® OpenVINO™ 工具包套件,提供跨多个英特尔平台运行深度学习算法的有效方法。最终,该解决方案大幅降低了实施成本。
Anirudhan 总结道:“我们可以构建应用程序,利用基于深度学习的算法,添加更多使用案例或对其进行训练以识别更多物体、面部或车牌。”