中科奥森人脸识别和智能视频应用系统

中科奥森人脸识别和智能视频应用系统包括人脸监控识别、人脸识别出入口识别、手持式人脸识别、人数统计和视频浓缩五个子系统。该系统jl~fJ通过公安部组织的成果验收,具有国际先进水平。     

视频监控中人脸识别现状与关键技术课题

针对视频监控中的人脸识别问题,介绍了视频监控中的人脸识别研究和应用现状,并结合人脸识别中的人脸图像采集、人脸检测、姿态估计和光照处理、特征提取、人脸识别等五个主要部分分析了视频图像人脸识别系统的构成。通过分析当前视频监控人脸识别需要解决的技术课题,重点论述了视频图像人脸识别中的姿态、分辨率、光照以及年龄等几个影响人脸识别性能的关键技术课题,明确了今后视频监控中的人脸识别所需要关注的重点内容。     

公安大数据背景下的人脸识别技术进展

人脸识别技术由于其非接触性采集的特点和良好的用户接受程度,在公共安全领域得到广泛应用。然而,大数据时代的来临和公安大数据业务的变革给现有公安人脸识别应用带来技术挑战的同时,也从平台、产品和技术等方面推动了该技术的进展,出现了基于云架构的人脸识别平台、结合智能视频监控的人脸识别产品和基于低质量图像重建的人脸识别技术,为人脸识别在公共安全领域下一阶段更广泛的应用奠定了基础。     

人脸识别技术在公共安全领域的应用

<正>人脸识别是生物识别技术领域的一个分支,是继指纹识别后最受关注的一项生物技术。作为一种新兴的生物特征识别技术,人脸识别与虹膜识别、指纹扫描、掌形扫描等技术相比,有着直观、隐蔽、友好等多项独特优势,在户籍查重、视频侦查、出入境管理等多个公安业务领域拥有良好的应用前景。同时,人脸识别仍是模式识别和计算机视觉等领域最困难的问题之一,亟待通过算法的改     

建立三维人脸识别产业体系

正人脸识别技术已成为人工智能领域的重大热点,在"雪亮工程""天网工程"等治安视频监控应用中发挥了重要作用,对我国社会治安环境改善大有裨益。与其他生物识别技术相比,人脸识别具有友好、简便、准确、经济等众多优势,已广泛应用于金融、司法、军队、公安、边检、政府、航天、电力、工厂、医疗领域的安全验证、监控、出入口控制等多个方面。然而,我国目前的识别应用是在二维图像信息的基础上取得的,存在着一系列技术缺陷。例如:识别过程中对光照、天气等识别环境要求苛刻;图片角度差异造成无法匹配或识别错     

人脸识别技术的发展:从可控条件到识别对象不配合的非可控条件

机器人脸识别的研究至今已经有四十多年的历史了。在此期间,人们提出了许多具备一定应用前景的算法,商业市场上也出现了许多有实用价值的产品。但目前依然有许多难点问题亟待解决。本文分为五个部分,第一部分简要介绍一下人脸识别技术的相关背景知识。第二部分对1993至2013年间由一些研究机构和公司开发的在人脸鉴别、人脸确认方面的各种算法和软件工具包(包括FRVT2000、FRVT2002、FRVT2006、MBE2010、GUB2011、LFW2011、PaSc2012)的性能评估结果进行回顾。第三部分讨论了由密歇根大学进行的关于用人脸识别技术搜索波士顿马拉松爆炸案嫌疑犯的一个案例研究。第四部分将展示我们在视频监控中人脸识别与跟踪方面的一些研究成果。第五个部分联系智能监控系统的发展趋势对全文做出总结。     

开放场景口罩人脸识别挑战赛冠军技术方案分析

为推动疫情防控等应用场景下戴口罩人脸识别的技术创新和应用水平提升,中国图象图形学学会与视频图像信息智能分析与共享应用技术国家工程实验室组织了开放场景口罩人脸识别挑战赛。介绍了挑战赛的技术测评方案,并分析了冠军团队的技术方案,为开放场景口罩人脸识别的技术研究提供参考。     

人像识别技术在警务工作中的应用

随着智慧警务建设的深入推进,应用于公安信息化的技术日新月异,特别是以高清视频监控技术为核心的监控前端建设,为打击违法犯罪、开展快速侦查提供了有力支撑。人像识别技术作为视频图像领域的一项新兴技术,随着深度学习的引入,在公安实战应用中发挥着越来越大的作用。人像识别技术依托人脸、人体识别技术,通过对视频图像中人像的结构化,实现人像存储、检索和比对。在介绍人像识别技术概况,尤其是基于深度学习的人脸识别技术的基础上,着重阐述和分析人像识别技术在公安实战中的应用,包括嫌疑人员布控排查、嫌疑人员定位识别等。     

基于LTE无线专网的人脸识别警务应用探索

根据公安实际需要,创新发展"LTE无线专网+人脸识别比对+移动警务应用"的信息化建设模式和警务应用模式。前端人脸识别探头高速传输视频流,后台人脸数据库高速识别比对,发现特定人员立即告警,告警结果自动推送到现场民警手持终端,执勤民警迅速处置,这一创新模式在安保工作中得到充分检验。系统完全按照执勤场景搭建,聚焦实战需求,重视民警体验,以警务需求引导信息化建设,集成多家人脸识别产品的优点,充分发挥LTE宽带无线通信技术潜能,拓宽了人脸识别技术在实战中的边界。     

人脸识别多级架构体系在公安中的应用

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术,随着IT技术的发展及深度学习理论和技术研究的日趋成熟,人脸识别技术为公安业务应用提供了强有力的支持。以贵州公安建立的人脸应用系统为例,着重分析了公安领域搭建人脸识别多级架构体系及其应用流程,希望能对公安系统产生一定的借鉴意义。     

一种公安交管动态人脸识别应用方案

在涉证违法行为管控、行人、二轮车辆违章管理等驾驶人、行人动态管理方面,人脸识别有着无可取代的应用价值。探讨了交管业务中人脸识别应用现状和需求,针对动态人脸识别应用的薄弱环节,提出了具体解决方案。     

智能时代人脸识别技术伦理风险治理

人脸识别技术是智能时代发展的标志性技术之一,它是基于计算机技术对人的面部特征进行身份识别的一种生物特征识别技术。当智能社会普遍采用机器“刷脸”的方式来证明个体身份时,会带来各种风险,包括技术自身的风险与技术滥用的社会风险。从治理的视角看,建构一个包括伦理原则和技术监控机制的治理框架,能及时减少甚至化解技术对个人与社会的危害,体现技术“善用”的人文向度。     

视频布控跟踪技术在治安管控中的应用探索

为提升治安管控效率,推进视频布控跟踪技术在治安管控业务中的应用,对人脸识别、布控跟踪摄像机的技术原理进行了分析,并通过实验案例验证了布控跟踪技术在实际场景下的应用效果,最后基于验证情况评估了该技术对提升治安管控效率的应用价值。结果表明:人脸识别技术、布控跟踪技术具有准确性好、安全性高等优点,在火车站、重点商圈、步行街等人流大的场景,基于人脸识别技术升级而来的布控跟踪技术能够自动识别目标人员并提供稳定的实时跟踪特写画面,实现在事中及时发现和处置目标人员的能力,有效提升治安管控效率,进一步推进治安管控智能化发展。该应用探索对全国公安机关提高执法办案效率具有良好的借鉴意义。     

浅谈行为识别技术在视频监控系统的实战应用

本文针对视频监控技术的应用滞后于当今科技水平、智能化程度低、实用性差的现状,通过总结近年监控技术工作经验并对视频行为识别技术进行了分析研究,对视频行为识别技术在视频监控中的实战应用进行了探讨,以充分发挥视频监控技术在掌握被监控对象信息确保安全中的作用。     

基于KNN的人脸识别算法融合方法

人脸识别技术作为公安机关应用最广泛的一项现代信息技术,在人口管理、治安防范、案件侦查、便民服务等工作场景都有着显著的成效。受数据噪音、算法引擎本身以及客观环境的制约,基于单一人脸识别算法在现阶段公安机关实战应用场景中,仍存在一些问题。提出了一种基于KNN的人脸识别算法融合方法。该方法的多算法决策根据单一算法引擎返回的分数和Top N之间的分布情况决定是否进行多算法比对,对“没有把握”的返回结果通过KNN算法融合判定,以达到节约计算资源,提升不同场景下人脸识别引擎的鲁棒性和准确率目的。结果表明该方法在复杂人脸识别测试集的识别准确率达到93.45%,有效避免了单一算法的局限性,提升了人脸识别的综合性能。     

人脸识别技术在公安工作中的应用推进

当前,人脸识别技术在公安工作中的应用既面临重大机遇,也面对许多挑战。借助该技术,公安机关可以实现对各类违法犯罪分子的快速识别和及时布控,但这又必须以更大的比对容量、更高的识别精度为前提。对此,通过"无感"方式持续获取相关信息,并进一步通过大数据人工智能算法进行人员分类刻画,可以较好地克服现有难题,提升公安机关的社会管控能力。虽然在隐私保护、精准识别和行业标准制定等方面还存在有待完善之处,但随着人脸识别技术的不断成熟,其必将对大数据信息化条件下的公安工作产生巨大的推动作用。     

基于监控视频的人体动态特征应用识别技术研究

应用法医人类学、数字图像处理、模式识别、人工智能等技术原理,基于人体动态的个人性特征分析,利用计算机视觉技术,从面目不清的监控视频序列图像中检测、识别、跟踪个体动态特征,从而研究建立-套适合中国人生理运动特征的人体动态行为模式识别的检验指标体系和检验识别方法,解决监控录像中的犯罪嫌疑人蒙面和图像不清的个体识别技术难题,直接为刑侦破案及法庭审判提供身份识别的科学证据.     

人像识别系统在视频监控领域的应用

人像识别系统依托现有网内应用系统的各类图像资源,采用国内先进的人像识别与微人脸重建技术,遵循"智慧警务"的总体架构,在视频监控领域通过监控视频获取现场人脸图像,经微人脸重建、模糊人脸还原、人脸组合部件比对、画像比对、串并案关联分析、人像侦查舱等多种特色应用,运用人像识别技术实现视频监控侦查破案中犯罪嫌疑人识别、重点区域人员布控等应用,完成公安工作业务流与视频监控数据流的融合碰撞。     

人脸识别技术在秦皇岛警务实战中的建设与应用

对视频建设的现状及需求进行了分析,提出了人脸识别建设思路和技术方案,对所取得的实践成效进行了分析描述,最后对人脸识别技战法进行了论述。     

一种加强区分的深度人脸识别训练方法

作为AI+公安视频分析落地应用最具代表性的技术之一,得益于深度卷积神经网络算法和海量的人脸训练数据,人脸识别技术水平近年来得到了快速提升。在众多的卷积神经网络技术中,大多使用SoftMax损失函数作为监督信号来训练深度模型。为了能够增强特征的区分性,受到中心损失函数的启发,结合类内和类间距离,提出中心扩散损失函数。该方法在学习深度特征的同时,不仅能够压缩同一类内不同特征之间距离,而且还可以增大类与类之间的距离,从而使学习到的特征具有高度的区分性。通过将SoftMax损失函数与中心扩散损失结合使用,该方法在不同的权重下,不仅压缩类内特征的距离还扩散类间的距离,保证类与类之间的可分性。使用CASIA~[15]以及FaceScrub~[17]对模型进行训练,并在LFW~[16](Label Faces in the Wild)数据库上进行测试,该方法可以达到99.4%的准确率。在公安检查站的人脸证件照验证实战数据集上进行测试,在错误接受率为0.1%时可以达到94.9%的正确接受率。相比现有深度学习人脸识别算法,本方法在复杂监控环境下具有更强的环境适应能力和相似人员区分能力。