視覺 + AI + 深度學習,打造更安全的城市
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
AllGoVision 的 AI 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)。
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)。
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。」