Skip to main content

城市

視覺 + AI + 深度學習,打造更安全的城市

面部識別,人工智能,人工智能,深度學習

雖然影片成為價值越來越高的安全性工具,但它的效用其實是取決於進行監控的人員。

一份知名的 Harvard 研究指出,人們可能會發生「不注意盲視」。著重於單一物件上,可能會讓他們忽略其他狀況,即使是在視線範圍內也一樣。而且當人們注意到意外發生時,通常也已經來不及採取回應。

「操作疲勞通常會發生在人員的注意範圍受限的情況下,尤其是在觀看影片或識別模式時,」AllGoVision 的銷售主管兼行銷總長 Aji Anirudhan 說:「我看過一些數據,指出在主動監控 20 分鐘後,CCTV 操作人員便可能發生『影片盲視』。」

人工智慧與機器學習技術可解決這樣的挑戰。透過臉部與物件識別等運用 AI 的應用程式,城市可改善安全性,並降低成本。而在邊緣部署分析能力,也能強化決策能力,並提供更快速的反應。

臉部識別可辨認已知的不肖之徒,或是為進入保全區域的人員提供驗證。牌照與車輛識別功能則可強化停車與交通管理能力。使用物件識別,操作人員可在發現可疑行動或包裹時收到通知。

AI 與深度學習提供更快的決策能力

AllGoVisionAI 影片分析解決方案提供全面的平台,支援各式各樣的安全、交通,以及人員管理應用。

在需要高準確率和非侵入式技術的情況下,此系統的臉部識別功能格外實用。它能從多個角度擷取影像,運用臉部最重要的特徵建立 3D 模型,並建立資料庫。透過將即時影片中所偵測到的臉孔與資料庫比對,即可識別主體。隨後,便可根據特定的條件觸發警報。

在一個案例中,有一間投資銀行使用智慧讀卡機,作為進入保全建築的驗證手段。但這很難偵測是否有未經授權的人員嘗試使用偷來的卡片。保全系統有一套持卡人的臉孔圖片資料庫,但人力檢查卻過於耗時費工。

此外,他們還需要在大廳的不同出入管控點安排四個人員,以驗證卡片。「維持高效率的安全性十分困難,這帶動了將自動化臉孔識別技術整合至現有系統的需求,」Anirudhan 說。

AllGoVision 的軟體經過訓練,可識別資料庫中的所有人員。在刷卡的同時,便會驗證臉孔影像。比對符合時即可通過驗證,比對失敗時便會通知人員進行進一步調查。

此解決方案減少了手動驗證的需求,可改善安全性,並提供順暢的雙因素驗證方法。

邊緣到雲端的分析功能

AllGoVision 平台的建構模塊包括影片分析功能,具有適合不同應用的軟體模組,可以隨需求增加。「我們有一個應用程式框架,可適用多種使用案例,」Anirudhan 說:「我們可輕鬆地插入或移除演算法,但維持標準化的使用者介面。」

此分析解決方案是開放式的平台,整合現有的影片管理系統 (VMS) 與 IP 攝影機。AI 功能可運作於邊緣與雲端,順暢連接管理用戶端。可搭配影片整合並分析來自其他物聯網裝置的輸入資料,以進行即時決策(圖 1)。

AllGoVision VMS 可整合於雲端與邊緣之中。
圖 1。AllGoVision VMS

城市安全性即服務

相較於傳統的解決方案供應商,AllGoVision 可提供獨特的優勢。其中一個範例,就是他們全面的 AI 分析能力,可運行於內部伺服器、邊緣,或是雲端。此解決方案運用持續進行的深度學習演算法訓練,可不斷強化效能與準確度。

加上其以雲端為基礎的 SaaS(軟體即服務)模式提供即時的軟體更新,可輕鬆地新增或移除攝影機和其他裝置。

運用適用於多種使用類別的單一應用程式框架,客戶可由全面的規劃受惠。「他們可輕易整合現有的 VMS 系統、加入隨插即用演算法,並使用 API 新增其他裝置與軟體,」Anirudhan 說:「城市可透過在安全性、交通,到人員管理等多種應用上使用單一系統,從而降低成本。」

Alarm Center 提供檢視、搜尋,以及報告等選項,皆由 AllGoVision 分析功能所產生。操作人員可以點選通知、查看即時影片,並判斷是否需要採取進一步的動作(圖 2)。

Alarm Center 可讓安全人員檢視、搜尋,並分析警報
圖 2。Alarm Center 可讓安全人員檢視、搜尋,並分析警報。

透過他們超過 100 個合作夥伴的網路,AllGoVision 可評估客戶的需求,並提供客製化的解決方案。

運用 Intel® 技術最佳化 AI 與深度學習能力

在強化整體解決方案方面,Intel® 技術是極為關鍵的一環。「我們與 Intel 的關聯十分強固,因為在最一開始,我們的解決方案採用了 CPU 加 GPU 的架構,」Anirudhan 表示:「當我們採用 Intel® Movidius VPU 後,我們便可將大量的處理作業分攤到這些硬體加速器上。」

此解決方案亦運用了 Intel® OpenVINO 工具組架構,提供了一種有效率的方式,能在多種 Intel 平台上運行深度學習演算法。這樣的成果,就是大幅減少了部署所需的成本。

Anirudhan 的結論是:「我們可以打造一種運用深度學習演算法的應用程式,並加上許多使用案例,或訓練它識別更多物件、臉孔,或牌照等。」

作者簡介

Craig Guillot is a B2B writer who specializes in IoT, machine learning, SaaS, data analytics and other technologies. He has written white papers, ebooks, ghostwritten thought leadership and blog content for such organizations as Samsung, Microsoft, JPMorgan Chase and National Retail Federation.

Profile Photo of Craig Guillot