人工智能重塑世界(第2版)_陈晓华;吴家富 主编;江富生;李立中;严甘婷 副主编_AZW3_MOBI_EPUB_PDF_电子书(无页码)_陈晓华;吴家富 主编;江富生;李立中;严甘婷 副主编

内容节选

四、人工智能技术在安防领域的应用 人工智能技术的发展和规模化应用使人工智能产品为用户带来了更多、更便捷的体验。在智慧城市系统建设深入的形势下,人工智能商业化应用的趋势越来越明显。其中,视频结构化技术与大数据技术可以看作是人工智能安防发展的关键性要素。 (一)视频结构化技术 视频结构化技术是一种把视频画面声音转化为人和机器可以理解的信息的技术,它融合了机器视觉、图像处理、模式识别、深度学习等最前沿的人工智能技术,是视频内容理解的基石。 视频结构化在技术领域可以划分为三个步骤:目标检测、目标跟踪和目标属性提取。 目标检测过程是从视频中提取出前景目标,然后识别出前景目标是有效目标(如人员、车辆、人脸等)还是无效目标(如树叶、阴影、光线等)。目标检测过程中需要应用运动目标检测、人脸检测和车辆检测等技术。 目标跟踪过程是实现特定目标在场景中的持续跟踪,并从整个跟踪过程中获取一张高质量图片作为该目标的抓拍图片。目标跟踪过程中需要应用多目标跟踪、目标融合及目标评分技术。 目标属性提取过程是对已经检测到的目标图片中目标属性的识别,判断该目标具有哪些可视化的特征属性,如人员目标的性别、年龄、着装,车辆目标的车型、颜色等属性。目标属性提取过程主要基于深度学习网络结构的特征提取和分类技术。 1. 人脸特征识别 人脸识别技术在应用上具有隐蔽、方便、直观等优势。借助人脸识别技术,公安部门可在各种公共场所进行布控,提取包括人的生理、表情、脸部穿戴饰物等在内的特征信息,从而实现对人脸的实时布控、高危人员比对、以图搜图、语义搜索等方面的业务应用。 例如,人脸实时布控系统对视频进行实时人脸采集、人脸特征提取和人脸识别,并与各种人脸库提供的图片(包括警综、出入境、人口库、在逃库、犯罪人员库等)进行实时比对,若发现重点关注人员,将其推送到实战平台或手机终端,实现实战预案联动。结合实战平台研判模型、技战法库,实现人员的频次分析、频繁出入、昼伏夜出、团伙分析等多轨碰撞分析,为公安预警、侦查、追逃等应用发挥作用。 在视频中,除了可以进行人员的面部精确定位、面部特征提取、面部特征比对、人员的性别及年龄等特征对比,还可以对人的衣着、运动方向,是否背包、拎包、打伞,是否骑车等信息进行结构化描述,也可以对人体行为如越界、区域、徘徊、遗留、聚集等多种行为特征进行描述。 在人体结构化基础上进行检索查询,可以快速查找目标。例如,在侦查系统中上传嫌疑人的截图,利用系统中的人形检索功能,根据目标嫌疑人的衣着、颜色分布、体态特征等在案发点附近的多路摄像头中快速搜索,找到相似目标,以快照的形式输出结果,并结合GIS(地理信息系统)地图分析时空要素,准确掌握嫌疑人的行动轨迹。 2. 车辆特征识别 对于视频图像中的车辆,可以进行多车道车辆检测(见图9-1)、车头车尾检测识别,能够提取识别车辆的十多项结构化属性信息,包括车辆号牌、车身颜色、车辆品牌、车辆类型、子品牌、车辆年款及各种车辆特征物信息,如年检标、遮阳板、挂件、摆件、纸巾盒、安全带等。 图9-1 多车道车辆检测 这些车辆的关键特征信息可以形成上亿条过车记录数据,推动后台大数据分析服务的发展应用和行业数据挖掘,形成隐匿车辆挖掘、套牌车辆筛选、初次入城、一车多牌、一牌多车、频繁过车、相似车辆串并、高危车辆积分模型、车辆行驶轨迹分析、时空碰撞等实战技法的应用。 在此基础上,通过对车辆特征数据进行大数据搜索,既可以迅速找到所有符合条件的车辆信息,包括车辆行驶时间与方向、行驶速度、车标、车牌、年款等;还可以结合以图搜图的检索方法,在实战平台上调取相关视频和图像文件,快速查询到嫌疑车辆的相关信息,还原嫌疑车辆在整个城市的全程运行轨迹,通过查询或结合视频监控信息,实现车辆全程可视化轨迹回放,以及对涉事车辆的精准布控和查询,也可以联合公安车辆管理信息库实现车人关联。 (二)大数据技术 大数据的数据集既庞大又复杂,因此现有的数据库管理工具很难处理这些数据集。大数据分析有助于统一大型数据集,并能从分析中得出其他信息。在大数据时代,很多难题接踵而至,唯有技术变革和新一代的数据库技术才能彻底解决这些难题。这些技术业界称为大数据技术。 1. 大数据技术原理 大数据技术为人工智能提供了强大的分布式计算能力和知识库管理能力,是人工智能分析预测、自主完善的重要支撑。大数据技术包含三大部分:海量数据管理、大规模分布式计算和数据挖掘。 海量数据管理被用于采集、存储人工智能应用所涉及的全方位数据资源,并基于时间轴进行数据累积,以便能在时间维度上体现真实事物的规律。同时,人工智能应用长期积累的庞大知识库,也需要依赖该系统进行管理和访问。 大规模分布式计算使人工智能具备强大的计算能力,能同时分析海量的数据,开展特征匹配和模型仿真,并为众多用户提供个性化服务。 数据挖掘是指利用机器......

  1. 信息
  2. 内容提要
  3. 本书编委会
  4. 前言
  5. 第一章 人工智能
  6. 一、 人工智能到底是什么
  7. 二、 对人工智能的误解
  8. 三、 人工智能发展的三次热潮
  9. 四、 人工智能研究的领域
  10. 五、 人工智能发展的三个层次
  11. 六、 大力发展人工智能的重大意义和挑战
  12. 七、 当前人工智能的局限性
  13. 第二章 深度学习与大数据
  14. 一、 人工智能发展的三大基石
  15. 二、 人工智能的技术架构
  16. 第三章 生成式人工智能
  17. 一、 AIGC的逻辑与应用
  18. 二、 ChatGPT,生成式人工智能的典型
  19. 第四章 人工智能+医疗
  20. 一、 中国人工智能医疗发展历程
  21. 二、 智能医疗的应用场景
  22. 三、 人工智能在医疗领域应用的典型案例
  23. 四、 智能医疗行业未来发展趋势
  24. 第五章 人工智能+生活
  25. 一、 智能家居发展现状
  26. 二、 智能家居应用场景
  27. 三、 智能家居代表性企业
  28. 四、 智能家居产品案例
  29. 五、 智能家居行业未来发展趋势
  30. 第六章 人工智能+金融
  31. 一、 人工智能与传统金融产业链融合的三个阶段
  32. 二、 人工智能在金融领域的应用
  33. 三、 人工智能应用于金融领域的优势与“瓶颈”
  34. 四、 人工智能对金融发展的影响
  35. 第七章 人工智能+教育
  36. 一、 驱动“人工智能+教育”发展的因素
  37. 二、 “人工智能+教育”的应用场景
  38. 三、 “人工智能+教育”产品的具体应用
  39. 第八章 人工智能+媒体
  40. 一、 驱动人工智能赋能媒体的因素
  41. 二、 人工智能赋能媒体的演进
  42. 三、 人工智能对媒体行业的影响
  43. 四、 人工智能在媒体领域的应用
  44. 五、 智能媒体建设案例
  45. 第九章 人工智能+安防
  46. 一、 传统安防面临的四大痛点
  47. 二、 智能安防的政策和标准
  48. 三、 人工智能应用于安防领域的价值
  49. 四、 人工智能技术在安防领域的应用
  50. 五、 人工智能在安防中的应用场景
  51. 六、 ChatGPT、AIGC、多模态对安防的影响
  52. 第十章 人工智能+汽车
  53. 一、 自动驾驶的技术架构
  54. 二、 自动驾驶的六个级别
  55. 三、 自动驾驶技术的运作
  56. 四、 自动驾驶未来的研发路线
  57. 五、 自动驾驶技术的商用领域
  58. 六、 自动驾驶行业发展趋势
  59. 七、 GPT大模型对自动驾驶技术发展的影响
  60. 第十一章 人工智能+工业
  61. 一、 工业4.0与人工智能的联系
  62. 二、 智能制造的主要特征
  63. 三、 工业4.0时代智能制造的关键趋势
  64. 四、 工业4.0时代智能工厂的创建
  65. 五、 ChatGPT和AIGC在工业领域的应用
  66. 第十二章 行业分析
  67. 一、 人工智能市场的结构与规模
  68. 二、 人工智能终端产品的发展状况
  69. 三、 世界主要国家对人工智能的战略布局
  70. 四、 人工智能发展趋势展望
  71. 五、 人工智能发展存在的短板
  72. 六、 人工智能发展策略建议
  73. 第十三章 商业落地——
  74. 一、 人工智能的产业价值链
  75. 二、 人工智能的商业模式
  76. 三、 人工智能创业的主要领域
  77. 四、 人工智能创业产品的主要类型
  78. 五、 人工智能的盈利方式
  79. 第十四章 未来教育
  80. 一、 人工智能时代,如何学比学什么更重要
  81. 二、 人工智能时代,什么能力更具竞争优势
  82. 三、 人工智能时代教育的关注点