男把男搞射网站-日本大尺度吃奶做爰-国产一区二区精品久久91-欧美a√-日日夜夜电影-hugeboobs熟妇大波霸-日本zljzljzlj日本少妇-高肉h调教h高潮h多p-久久精品九九亚洲精品,校花拍av被np高h,在线播放精品,黑道风云20年小说

    在東莞安防行業，人工智能技術的應用也越來廣泛。近兩年，“智能安防”的概念逐漸深入人心，越來越多的安防企業提倡這個概念，并且以此為中心形成了一系列的產品和解決方案，目前智能安防已經進入2.0時代。隨著“互聯網+”概念的走俏，安防企業在互聯網的框架下，開始實現安防業務模式及技術的多樣化。這兩個概念的發展對安防行業的發展產生了深刻的影響。

        安防監控系統每天產生的海量圖像和視頻信息造成的信息冗余問題催生了帶有人工智能的計算機視覺技術在安防領域的應用。針對該技術對圖像視頻進行自動分析.識別.跟蹤.理解和描述的特點，帶有人工智能的計算機視覺在安防監控系統中演變為近年來業內普遍看好的視頻智能分析應用。視頻智能分析是一種基于目標行為的智能監控技術。在不需要人為干預的情況下，利用計算機視覺和視頻監控分析方法對攝像機拍錄的圖像序列進行自動分析，包括目標檢測.目標分割提取.目標識別.目標跟蹤，以及對監視場景中目標行為的理解與描述，得出對圖像內容含義的理解以及對客觀場景的解釋，從而指導和規劃行動。

        視頻智能分析在東莞安防行業產品中有一項重要應用，就是人臉分析。抓取畫面中的人員面部數據，通過智能分析獲得如年齡.性別.行進方向等信息，與大數據庫對進行黑名單預警。

人臉識別技術的發展階段

         一般而言，人臉識別的研究歷史可以分為三個階段。

         第一個階段（1950S-1980S），人臉識別被當作一個一般性的模式識別問題，主流技術基于人臉的幾何結構特征；第二階段（1950s）人臉識別迅速發展，出現了很多經典的方法，列如Eigen Face.Fisher Face和彈性圖匹配，此時主流的技術路線為人臉表觀建模。上世紀90年代末，深度學習法開始出現，各類利用深度學習取得“高跑分”的人臉識別系統越來越受到安防行業人士的關注。

深度學習相較傳統人臉識別方法的優勢

    上世紀90年代末到現在，隨著人臉識別的研究不斷深入，研究者開始關注面向真實條件的人臉識別問題，主要包括以下4個方面的研究：①提出不同的人臉空間模型，線性判別分析為代表的線性建模方法，以Kernel方法為代表的非線性建模方法和基于3D信息的3D人臉識別方法：②深入分析.研究影響人臉識別的因素，包括光照不變人臉識別.姿態不變人臉識別和表情不變人臉識別等；③利用新的特征表示，包括局部描述子和深度學習方法；④利用新的數據源.例如基于視頻的人臉識別和基于素描.近紅外圖像的人臉識別。

現在，人臉識別基礎算法主要分為兩種類型，一種為傳統方法；利用一些人工設計的特征，比如Gabor.LBP.SIFT等算法提取人臉特征，我們稱之為淺層學習；另外一種方法就是深度學習方法，它通過模擬人腦的工作原理來感知圖像，通過組合底層特征形成更加抽象的高層特征來表征圖像。

與傳統方法相比，深度學習的優勢主要體現于它可以用更多的數據來訓練，而訓練的數據越多，算法的魯棒性.泛化能力越強。一般來說，傳統算法的訓練數據很難達到十萬級，訓練數據一旦超過這個級別，計算的復雜度就會大幅提升。而目前深度學習算法的訓練數據普遍都是十幾萬.上百萬級，像一些互聯網行業的IT巨頭們，他們的訓練數據會是上千萬.甚至上億級別，這種級別的訓練數據是傳統算法不可想象的。

目前無論是IT行業還是東莞安防監控行業，人臉識別的技術架構并無多大差別，但是訓練數據量級的優勢，國內如百度.騰訊等IT巨頭在人臉識別算法的應用效果上有著一定的優勢。但IT企業與安防企業所擁有的訓練數據不同；IT巨頭擁有的是互聯網的大數據，而安防企業擁有的是安防大數據。二者人臉識別技術的關注點也有不同，IT巨頭的人臉識別技術是服務于他們的商業目標，比如圖像檢索.身份認證.無人駕駛等，而安防企業主要關注的是人臉識別技術在公正安全領域的應用。

以上內容由東莞安防公司http://www.8888722.com整理提供。