基于深度学习的车辆检测

正随着社会的发展和人民生活水平的提升,汽车保有量在不断的快速增长,从一些大城市的车辆限号和限行可以看出来,交通监管面临巨大的压力。各种交通卡口和红绿灯路口都安装了智能监控,随着人工智能的发展,这些繁重的工作可以借助计算机视觉来辅助处理。让计算机自动处理这些图像数据,最重要的就是需要定位图像中车辆的位置,即车辆检测。本文将深入研究目前的一些目标检测算法并提出本文的检测算法。     

8吋大屏科技感设计，搭载深度学习人脸识别算法——测评捷顺科技多媒体人脸识别门禁

正记者观点该门禁产品的特点非常突出,是一款集多种认证功能、应用功能于一体的门禁产品,配合5万人脸容量、高性能AI芯片及深度神经网络算法,不仅可以满足多场景应用需求,还能给予用户精准、快速的使用体验。     

基于深度学习的指纹自动识别技术

本文从学科领域入手,对指纹自动识别技术在发展过程中受人工智能技术影响所产生的新变化进行简述。指纹识别技术作为一种计算机应用技术,其发展与计算机科学的新技术密切相关。人工智能技术,特别是基于深度学习的图像技术的发展使指纹识别算法开启了全新的模式。本文将人工智能在指纹领域的发展分成三个阶段,并对当前所处的第二阶段的发展趋势进行了分析。基于深度学习的指纹识别技术使用图像特征而不是传统细节点特征的方式,改变了法庭科学领域对指纹识别的认知。本文重点对深度学习技术在指纹识别方面的应用模式和典型的技术方法进行了论述,给出了基于深度学习的指纹识别技术方案图,对技术方案中的网络模型设计等重要步骤逐一进行了说明,提出了图像处理、降维等几个需要重点攻坚的技术环节。对现有的可为指纹识别借鉴使用的深度网络模型进行了介绍,如:卷积神经网络、自编码器网络。最后对人工智能指纹识别算法与传统算法的性能进行了对比。     

基于深度学习的MRI骨龄评估研究进展

骨龄作为年龄认定的重要依据之一,是法医学的重点研究内容。现有主流骨龄评估方法多基于骨关节X线片,虽已达到较高的准确性,但此类方法主要基于人工阅片,耗时、依赖经验,且非诊疗目的的放射性检查当下备受争议。磁共振成像（magnetic resonance imaging,MRI）是无辐射的三维断层图像,具有优越的骺板软骨成像能力,可清晰显示骨骺生长发育情况,将骨骼MRI用于骨龄评估已成为解决辐射风险的可行策略。同时,随着深度学习的不断进步与发展,使其在图像分析和大数据处理方面的优势逐渐显现。因此,将深度学习与骨骼MRI有机融合进行骨龄评估已成为近年来法医骨龄评估领域新的研究前沿和热点。基于此,通过综述近年来国内外基于深度学习的MRI骨龄评估研究,系统总结了基于深度学习及骨骼MRI的骨龄评估新技术、新方法,以期为骨龄评估研究提供新的思路与参考。     

驾驭人工智能的人脸识别专家——评测天地伟业人脸识别系统

<正>技术领先型,是天地伟业的企业定位,足见该企业对于技术创新的执着和努力。在人工智能弄潮安防的年代,该企业同样在引领技术潮流和方向。此次评测的人脸识别系统,就是人工智能时代的精品,凸显了天地伟业的技术功底和研发高度。架构顶尖处理器,展开多领域的人员动态布控人脸识别系统有很多种识别特性,架构人工智能后安防产品主要是在人物对象分析、特征脸法和神经网络方面。天     

清华大学研制成功大型人脸识别系统

2005年1月18日，由清华大学电子系人脸识别课题组负责人苏光大教授主持承担的国家“十五”攻关项目《人脸识别系统》通过了由公安部主持的专家鉴定。鉴定委员会认为，该项技术处于国内领先水平和国际先进水平。     

基于深度度量学习的足迹图像检索算法

针对赤足迹光学图像相似度高,传统算法无法快速提取样本有效信息的问题,提出了一种基于深度度量学习的赤足迹图像检索算法,该算法使用多尺度特征融合结构构建主干网络并辅以批去除结构监督学习,同时在嵌入空间内构建动态难样本三元组,解决传统难样本三元组挖掘方式不合理的问题。构建了一个包含250人、2 500枚的赤足迹光学图像数据集,该算法在所构建的数据集上平均检索精度达到88.86%,高于传统难样本三元组算法,可有效地应用于赤足迹光学图像检索。该算法对于足迹领域的自动化识别具有积极意义。     

基于深度学习的颅脑损伤机制自动化鉴别

目的 应用卷积神经网络Inception＿v3模型进行基于颅脑CT图像的加、减速性损伤自动鉴别,探讨深度学习技术在法医学颅脑损伤成伤机制推断中的应用前景。方法 收集190例加、减速性脑损伤的影像学资料作为实验组,另选取130例正常颅脑的影像学资料作为对照。将上述320例影像学资料根据随机抽样的方法分为训练验证集和测试集。采用准确率、精确率、召回率、F1值及AUC值评估模型分类性能。结果 模型在训练过程和验证过程中对3种图像（加速性损伤、减速性损伤及正常颅脑）分类的最高准确率分别为99.00%、87.21%,满足要求。使用优化后的模型对测试集数据进行测试,该模型在测试集中的三分类准确率为87.18%,识别加速性损伤的精确率、召回率、F1值及AUC值分别为84.38%、90.00%、87.10%、0.98,识别减速性损伤的各值分别为86.67%、72.22%、78.79%、0.92,识别正常颅脑的各值分别为88.57%、89.86%、89.21%、0.93。结论 Inception＿v3模型在基于颅脑CT图像区分加、减速性损伤中具有应用潜力,有望成为推断头部致伤方式的一种辅助工具。     

基于深度学习的人体肋骨骨折智能检测技术

目的将人工智能中的深度学习技术应用到人体肋骨骨折识别,实现人体肋骨骨折智能检测,提高法医肋骨骨折诊断效率。方法采集3143例人体胸部X线数字影像(2602例用于训练,541例用于测试),标注肋骨骨折特征点,通过多层网络堆叠,分层、分级主动学习原始数据高度抽象的特征表述,并将此特征反馈至检测器进行骨折检测,输出骨折位置及相应置信度。结果基于深度学习的人体肋骨骨折检测准确率在90%以上。结论基于深度学习的人体肋骨骨折检测准确率较高,可用于辅助法医进行肋骨骨折识别诊断、检验鉴定等,本研究可为人体其他部位骨骼损伤智能检测提供参考。     

人脸识别在安防系统的应用研究

<正>如今,人脸识别已不再是讳莫如深的新技术,目前业内多家企业已经开发出针对监控视频的人脸识别产品,并在公安、交通、金融等行业落地和使用。任何产品在应用的之前,需要经历用户对该产品或技术的考验认同和自身需求的匹配,特别是当前安防领域的客户对人脸识别产品存在疑虑,因此,要求企业除了具备过硬的人脸技术实力外,还需要能够深刻理解用户的需求,提出专业化的方案,为客户解决切实问题,人脸识别必将迎来大发展浪潮。     

变电站遥视系统中基于Adaboost算法的人脸识别设计与实现

<正>无人值守变电站是近年来电力行业发展的重要部分,通过先进的技术手段为传统四遥系统增添智能遥视功能,可以大大提高无人值守变电站的运行效率和安全性。引言变电站实现无人值班,少人值守,是电力系统发展的必然趋势。目前,国内大多数变电站在"四遥"的基础上已经部署了第五遥"遥视"系统,完成了无人值守变电站的改造。一     

“人脸识别系统”助力社区矫正

浙江省黄岩区司法局在全区率先推行社区矫正人员"人脸识别报到"试点工作,即给各司法所统一配置G3人脸识别机,采取独特的FaceImage+V4最新人脸识别算法,结合"多光源人脸识别"先进技术和高性能ARM处理器,对首次报到的社区矫正人员,进行脸部图像的采     

基于边缘检测和深度学习的车辆定位与分类

正引言随着现代社会生活水平的不断提高,汽车数量高速增长,交通监管面临巨大挑战。高清智能卡口系统作为交通监管的一种重要手段,已被广泛应用于现代交通的各个领域。然而传统的依赖人工判读的方法已无法满足如今海量交通图像处理的需要,构建智能识别系统以自动处理各种交通图像信息成为必然趋势。不同类型车辆,具有不同的道路使用权,高清卡口系统的一项主要任务就是识别车辆类型。本文就定位并识别高清卡口图片中的小轿车和     

基于深度学习实现肋软骨CT图像自动化骨龄推断

目的 利用深度学习方法对第1～7对成人肋软骨CT重建图像进行特征提取,实现成人肋软骨骨龄的自动化推断。方法 回顾性收集年龄在20岁～70岁之间的男性和女性样本各625例,并通过容积再现技术（VRT）得到对应的VRT图像。通过图像预处理和数据增强之后,将其中的500例作为训练集,125例作为测试集,运用5折交叉验证的方法分别评估Res Net、Res Ne Xt、Dense Net及Google Net网络模型的性能,并将5折交叉验证结果的平均值作为最终推断结果。结果 Res Net50网络模型在男性和女性数据集中都取得了最佳实验结果,平均绝对误差分别为4.56岁和3.91岁,±5.0岁范围内预测准确率分别达到64.00%和70.88%,±10.0岁范围内预测准确率分别达到88.96%和94.40%。结论 与传统方法和机器学习方法相比,深度学习方法能够避免人为因素的影响,并且大大提高了成人肋软骨骨龄推断的准确率、降低了预测年龄与真实年龄之间的平均绝对误差,具有较高的临床应用价值。     

人脸识别系统在智能化小区监控中的应用

随着我国经济的发展，生产力的发展及人民生活水平的提高，住宅除了满足人们最基本的居住要求外，人们对生活的舒适性、便利性、安全性和高效性提出了更高的要求。为了保障小区内的财产和居民的安全，必然将运用各种高新信息技术，预防和解决家居园区的入室盗窃及抢劫作案犯罪、家庭各种灾害及意外事故等的发生，智能化住宅小区由此产生。[第一段]     

动态人脸识别系统误报警分析与研究

本文主要针对动态人脸识别系统误报警率进行分析研究,通过实验测试,提出利用报警过滤机制降低误报警率的解决思路,并进行了验证性测试。     

天地伟业发布超星光人脸识别布控系统

正【本刊讯】近日,天地伟业发布超星光人脸识别布控系统,引起业内的广泛关注。天地伟业针对公共场所人流量巨大,依靠人力无法有效地在流动的人群中发现布控目标的情况,自主研发超星光人脸识别布控系统,在不干扰群众自由通行的情况下,可以快速方便的辨别其身份。天地伟业人脸识别布控系统是一套基于人脸图片比对的远距离、快速、无接触式重点人员布控预警系统。系统能主动     

崇尚深度学习的超级实力派——实测大华“慧”系列深度学习摄像机

<正>人工智能将重新定义智能交通,这是行业共识,也是行业巨头发力的方向。本期为业界带来大华基于人工智能的新一代智慧交通产品——慧系列深度学习摄像机。全嵌入式一体化组件化设计此次评测产品全黑金属机身,有沉甸甸的分量,其在细节的处理上亦是毫不马虎,接缝处整齐均匀,做工品质一流。全嵌入式一体化组件化设计能满足行为分析与信息识别,集成多种智能化功能。其后面板提供了2个100/1000M以太网接口、2个USB3.0接口、2路报警/雨刷输出接口,一路继电器,一路光     

基于深度学习实现维吾尔族青少年左手腕关节骨龄自动化评估

目的将深度学习运用于维吾尔族青少年左手腕关节数字化X线摄影(digital radiography,DR)图像识别中,实现骨龄评估的自动化,探索该方法在法医骨龄鉴定中的应用价值。方法在我国新疆维吾尔自治区采集13.0~19.0岁维吾尔族男性青少年245例、女性青少年227例左手腕关节DR图像,将预处理后的图像作为研究对象,将AlexNet作为图像识别的回归模型。在上述总样本中分别选取男、女性60%左手腕关节DR图像样本作为网络训练集,10%的样本作为验证集,余30%作为测试集,获取与样本真实年龄误差范围分别在±1.0岁、±0.7岁以内的图像识别准确率。结果深度学习的内测结果:误差范围在±1.0岁及±0.7岁以内的网络训练集准确率,男性分别为81.4%和75.6%,女性分别为80.5%和74.8%。误差范围在±1.0岁及±0.7岁以内的测试集准确率,男性分别为79.5%和71.2%,女性分别为79.4%和66.2%。结论青少年左手腕关节骨龄研究与深度学习相结合,具有较高的准确性及较好的可行性,为躯体其余骨关节的骨龄自动化评估体系奠定研究基础。