社會(huì)面防控體系-人臉識(shí)別大數(shù)據(jù)分析平臺(tái)方案介紹PPT課件.pptx

1、 社會(huì)面防控體系人臉識(shí)別大數(shù)據(jù)分析平臺(tái)前言前言 近年來(lái)隨著人民對(duì)社會(huì)安全與秩序的強(qiáng)烈需求，各地方政府都已大量建置視頻監(jiān)控?cái)z像頭及儲(chǔ)存裝備。不論是交通要道、治安重點(diǎn)場(chǎng)所或是街頭巷弄，隨處可見(jiàn)架設(shè)監(jiān)控?cái)z像頭。然而，布建大量攝像頭的同時(shí)也產(chǎn)生了大量的視頻數(shù)據(jù)，通常需要耗費(fèi)大量的人力監(jiān)控這些大量的視頻數(shù)據(jù)，針對(duì)重大的事件， 甚至必須以肉眼逐一搜尋，往往吃力不討好。因此，采用影像視頻分析技術(shù)協(xié)助偵查人員快速分析及過(guò)濾大量視頻資料已經(jīng)成為世界的趨勢(shì)。 監(jiān)控發(fā)展歷程傳統(tǒng)監(jiān)控的挑戰(zhàn)產(chǎn)品設(shè)計(jì)概念優(yōu)勢(shì)與亮點(diǎn)EvolutionChallengeProduct Design ConceptAdvantage主目錄CO

2、NTENTS12435功能介紹Function Introduction監(jiān)控發(fā)展歷程Evolution119801990200020102014啟航發(fā)展轉(zhuǎn)變?nèi)诤现悄芤曨l監(jiān)控行業(yè)發(fā)展歷程自20世紀(jì)80年代以來(lái)，視頻監(jiān)控系統(tǒng)在我國(guó)各領(lǐng)域蓬勃發(fā)展，視頻監(jiān)控已經(jīng)深入到社會(huì)公共安全的每一個(gè)角落。監(jiān)控發(fā)展歷程第四代監(jiān)控系統(tǒng)融合視頻監(jiān)控系統(tǒng)與Sensor協(xié)同工作，組建視頻監(jiān)控大數(shù)據(jù)平臺(tái)，存儲(chǔ)海量視頻監(jiān)控文件第二代監(jiān)控系統(tǒng)以硬盤(pán)錄像機(jī)(DVR)設(shè)備為核心的視頻監(jiān)控系統(tǒng)第一代監(jiān)控系統(tǒng)以閉路電視系統(tǒng)搭配視頻矩陣為核心的傳統(tǒng)模擬監(jiān)控系統(tǒng)第三代監(jiān)控系統(tǒng)網(wǎng)絡(luò)攝影機(jī)誕生，并逐漸完善，與數(shù)字硬盤(pán)錄像機(jī)組成新搭檔。第五代監(jiān)控

3、系統(tǒng)智能視頻分析系統(tǒng)得到發(fā)展，利用各式演算法，進(jìn)行智能識(shí)別輝煌不遠(yuǎn)的未來(lái)Evolution第一代第二代第三代第四代第五代第一代第二代第三代第四代第五代模擬監(jiān)控DVR錄像機(jī)數(shù)字化轉(zhuǎn)換監(jiān)控?cái)?shù)據(jù)大平臺(tái)視頻智能分析技術(shù)發(fā)展啟航發(fā)展轉(zhuǎn)變?nèi)诤现悄?專(zhuān)注數(shù)字化大數(shù)據(jù)平臺(tái) 開(kāi)發(fā)演算法，走向視頻智能分析 領(lǐng)先同行業(yè)，演算法持續(xù)完善孕育中Gorilla 誕生遠(yuǎn)見(jiàn)領(lǐng)先19801990200020102014監(jiān)控行業(yè)視頻監(jiān)控行業(yè)發(fā)展歷程GorillaGorilla公司發(fā)展歷程Gorilla在各時(shí)代的進(jìn)步情懷 & 執(zhí)著走向輝煌 笑著，堅(jiān)持著，繼續(xù)執(zhí)著前行.未來(lái)仍在孕育中輝煌情懷2006傳統(tǒng)監(jiān)控的挑戰(zhàn)Challenge2

4、視頻監(jiān)控行業(yè)在發(fā)展的歷史中充滿不一樣的挑戰(zhàn)。歷史發(fā)展中監(jiān)控行業(yè)的挑戰(zhàn)傳統(tǒng)監(jiān)控的挑戰(zhàn)歷史1980海量視頻數(shù)據(jù) -非結(jié)構(gòu)化人工成本高工作效率低監(jiān)視基本靠瞅；控制基本靠手；存儲(chǔ)基本沒(méi)有?；卣{(diào)視頻延遲 - 較長(zhǎng)錄像文件管理 - 較亂系統(tǒng)集成成本 - 較高傳輸 不遠(yuǎn)存儲(chǔ) 不大組網(wǎng) 不行編碼 不通 200020101990當(dāng)前視頻監(jiān)控行業(yè)也面臨較多挑戰(zhàn)傳統(tǒng)監(jiān)控的挑戰(zhàn)當(dāng)前尚未智能化目前中國(guó)監(jiān)控業(yè)仍處于架設(shè)攝影機(jī)的基礎(chǔ)階段。尚未進(jìn)入人工智能時(shí)代。非結(jié)構(gòu)化管理所產(chǎn)出的大量視頻文件其中內(nèi)容無(wú)法掌握，如何結(jié)構(gòu)化管理視頻資料。也是當(dāng)前重要課題。視頻數(shù)據(jù)太多如何快速檢索？隨著公安天網(wǎng)、社會(huì)監(jiān)控越來(lái)越完善，隨之產(chǎn)生的視頻

5、數(shù)據(jù)也越來(lái)越龐大，如何有效查找或再利用視頻數(shù)據(jù)成為當(dāng)前一大問(wèn)題！。人力成本日益增高回調(diào)視頻查看視頻內(nèi)容，仍需大量人工與時(shí)間成本。產(chǎn)品設(shè)計(jì)概念Product Design Concept3產(chǎn)品設(shè)計(jì)概念人臉識(shí)別虹膜識(shí)別指紋識(shí)別NDA檢測(cè)掌紋識(shí)別聲紋識(shí)別生物特征識(shí)別體系產(chǎn)品設(shè)計(jì)概念人臉識(shí)別是舒適度最高，無(wú)強(qiáng)迫性，無(wú)主動(dòng)性要求。目前人臉識(shí)別的準(zhǔn)確度在生物特征識(shí)別體系可以到前五名。生物特征識(shí)別體系產(chǎn)品設(shè)計(jì)概念人臉識(shí)別技術(shù)針對(duì)防范和抓捕犯罪嫌疑人可用性較高，實(shí)用性較強(qiáng)。成本相較于其他智能識(shí)別方式也很低。生物特征識(shí)別體系產(chǎn)品設(shè)計(jì)概念人物特征提取 (Vemo Box)人臉識(shí)別大數(shù)據(jù)分析平臺(tái)實(shí)時(shí)告警事后搜索客戶

6、端時(shí)間地點(diǎn)人物車(chē)輛軌跡圖片特征視頻詮釋數(shù)據(jù)來(lái)源人臉特征衣著特征性別特征年齡特征眼鏡特征活體偵測(cè)兼容不同品牌網(wǎng)絡(luò)攝影機(jī)分析存儲(chǔ)告警與搜尋產(chǎn)品設(shè)計(jì)概念智能防控產(chǎn)品設(shè)計(jì)概念兼容標(biāo)準(zhǔn)支持目前市場(chǎng)上大部分品牌的網(wǎng)絡(luò)攝影機(jī)，如：大華、?？?、宇視、安迅士、科達(dá)、捷科等主流品牌。支持MJPEG、H.264編碼格式。支持RTSP、Onvif等標(biāo)準(zhǔn)網(wǎng)絡(luò)協(xié)議。來(lái)源來(lái)源產(chǎn)品設(shè)計(jì)概念人臉識(shí)別核心演算法，引入了先進(jìn)的人工神經(jīng)網(wǎng)絡(luò)演算法，可快速提取人臉特征，形成神經(jīng)網(wǎng)絡(luò)特征編碼，并結(jié)合深度學(xué)習(xí)技術(shù)，可實(shí)現(xiàn)快速、精準(zhǔn)識(shí)別。使識(shí)別準(zhǔn)確率進(jìn)一步得到提升技術(shù)來(lái)說(shuō)。視頻分析技術(shù)，提供強(qiáng)大而全面的視頻分析模組，除人臉識(shí)別外，還包括：警

7、戒線偵測(cè)、警戒區(qū)、遺留物、車(chē)牌識(shí)別、方向偵測(cè)、客流偵測(cè)、徘徊偵測(cè)、逗留偵測(cè)、聚集打架偵測(cè)、闖紅燈偵測(cè)等60余種視頻分析演算法。分析人臉識(shí)別技術(shù)視頻分析技術(shù)產(chǎn)品設(shè)計(jì)概念分析實(shí)力展示可在同一畫(huà)面中，同時(shí)抓取多人面部特征可將非結(jié)構(gòu)化的視頻，轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)，對(duì)視頻中的每一幅畫(huà)面進(jìn)行實(shí)時(shí)分析，將視頻畫(huà)面中的人物進(jìn)行逐幀的剝離。提取人物特征。分析結(jié)果結(jié)構(gòu)化存儲(chǔ)可分為四大類(lèi): 圖片、視頻、特征、詮釋數(shù)據(jù)詮釋數(shù)據(jù)特征視頻圖片記錄相關(guān)事件的描述數(shù)據(jù)。串流：通過(guò)VeMo Box錄制視頻檔案或回調(diào)NVR/DVR視頻資料。檔案：保存上傳的錄像檔案以供之后回放監(jiān)控資料。截取目標(biāo)的全景圖片、特寫(xiě)圖片、以及細(xì)部特寫(xiě)圖片。

8、產(chǎn)品設(shè)計(jì)概念存儲(chǔ)以VeMo Box視頻特征提取技術(shù)進(jìn)行視頻分析，提取人物或車(chē)輛的相關(guān)特征。產(chǎn)品設(shè)計(jì)概念告警與搜尋軌跡時(shí)間地點(diǎn)人物車(chē)輛搜尋人臉特征衣著顏色車(chē)牌提取車(chē)輛顏色證據(jù)分析告警聲音告警圖像告警黑名單人員數(shù)據(jù)庫(kù)產(chǎn)品設(shè)計(jì)概念處理流程 實(shí)時(shí)串流依據(jù)時(shí)間、地點(diǎn)、人臉特征、車(chē)輛特征畫(huà)出目標(biāo)的移動(dòng)軌跡，最后出現(xiàn)的地點(diǎn)，匯出證據(jù)報(bào)告。起點(diǎn)監(jiān)控系統(tǒng) 黑名單人臉庫(kù)比對(duì)搜尋鎖定目標(biāo)軌跡VeMo Box 分析人臉特征告警功能介紹Function Introduction4功能介紹登錄簡(jiǎn)中、繁中、英文 三種語(yǔ)言模式用戶、權(quán)限管理功能介紹導(dǎo)入攝像頭導(dǎo)入視頻到選擇的攝像頭添加攝像頭功能介紹導(dǎo)入錄像文件選擇分析人物 或

9、 車(chē)輛。功能介紹導(dǎo)入串流分析選擇分析人物 或 車(chē)輛。添加VeMo Box 資訊功能介紹管理攝像頭列表嫌疑目標(biāo)項(xiàng)目專(zhuān)案功能介紹告警依據(jù)人臉特征，實(shí)時(shí)與黑名單庫(kù)進(jìn)行人臉比對(duì)，匹配成功則發(fā)出告警功能介紹搜尋人物搜索條件：地點(diǎn)搜索條件：人物 、車(chē)輛搜索條件：時(shí)間搜索條件：人臉（可導(dǎo)入照片）搜索條件：衣著顏色搜索條件：眼鏡功能介紹搜尋顏色30行人衣著紋理檢索行人四種衣著顏色檢索功能介紹搜尋車(chē)輛搜索條件：地點(diǎn)搜索條件：人物 、車(chē)輛搜索條件：時(shí)間搜索條件：車(chē)牌搜索條件：車(chē)身顏色功能介紹搜尋結(jié)果放大/縮小圖像局部放大鏡分析結(jié)果相似度調(diào)節(jié)導(dǎo)出證據(jù)加入目標(biāo)列表功能介紹搜尋結(jié)果處理鎖定目標(biāo)，加入目標(biāo)列表以該人做為目

10、標(biāo)進(jìn)行分析搜索在圖像中框選任意一人作為搜索目標(biāo)案件視頻回放功能介紹軌跡依據(jù)時(shí)間、地點(diǎn)的變化，結(jié)合地理信息平臺(tái)描畫(huà)出該案件中目標(biāo)人物的行動(dòng)軌跡優(yōu)勢(shì)與亮點(diǎn)Advantage5人臉識(shí)別技術(shù)優(yōu)勢(shì)介紹： 1. 人臉識(shí)別核心演算法，引入了先進(jìn)的人工神經(jīng)網(wǎng)絡(luò)演算法，可快速提取人臉特征，形成神經(jīng)網(wǎng)絡(luò)特征編碼，可實(shí)現(xiàn)快速、精準(zhǔn)識(shí)別。 2. 演算法部分配合采用深度學(xué)習(xí)技術(shù)，使識(shí)別準(zhǔn)確率進(jìn)一步得到提升。 3. 支持海量人臉資料庫(kù)，云端架構(gòu)可支持上億級(jí)別人臉資料存儲(chǔ)量。 4. 且視頻編碼融合性突出，可兼容各品牌、型號(hào)的符合標(biāo)準(zhǔn)的攝影機(jī)。 人臉識(shí)別系統(tǒng)優(yōu)勢(shì)與亮點(diǎn)* 核心優(yōu)勢(shì)核心演算法優(yōu)勢(shì)人臉識(shí)別核心演算法采用深度學(xué)習(xí)(

11、Deep Learning)人工神經(jīng)網(wǎng)絡(luò)模式，超越上一代截取人臉特征點(diǎn)(hand crafted) ，如AAM的運(yùn)算方式。對(duì)于實(shí)際應(yīng)用場(chǎng)景有較高的寬容性與準(zhǔn)確度。領(lǐng)先的優(yōu)勢(shì)演算法* 速度優(yōu)勢(shì)核心演算法運(yùn)算速度優(yōu)勢(shì)人臉識(shí)別核心演算法進(jìn)行模板比對(duì)可達(dá)到百萬(wàn)級(jí)/秒的運(yùn)算速度實(shí)際測(cè)試：CPU：i7-4790 等級(jí)的機(jī)器運(yùn)算數(shù)據(jù)如下： 每秒可處理，164萬(wàn)組人臉模版領(lǐng)先的優(yōu)勢(shì)運(yùn)算速度官方測(cè)試MegaFace (華盛頓大學(xué)的人像數(shù)據(jù)庫(kù))領(lǐng)先的優(yōu)勢(shì)準(zhǔn)確率與驗(yàn)證方式以MegaFace (百萬(wàn)級(jí)人像資料庫(kù)) 作為驗(yàn)證數(shù)據(jù)庫(kù)。使用FaceScrub作為驗(yàn)證來(lái)源。(將FaceScrub資料庫(kù)并入MegaFace資料庫(kù)中，識(shí)別FaceScrub中的人臉首位命中的準(zhǔn)確率)官方競(jìng)賽實(shí)測(cè)：我方準(zhǔn)確率: 95%(1千人時(shí)), 81.187%(1百萬(wàn)人)Google準(zhǔn)確率: 96%(1千人時(shí)), 70.496% (1百萬(wàn)人)官方評(píng)比LFW vs. FERET采用LFW數(shù)據(jù)集(5749人/13233照片)(dataset) (Labeled face in the wild)，因該數(shù)據(jù)集屬于非受限環(huán)境 (unconstrained environment)的數(shù)據(jù)集影像，難度更高，因此,后來(lái)大家都用LFW當(dāng)作評(píng)比的參考。目前我們?cè)贚FW的EER (equal