科技专栏

当前位置:新葡萄京娱乐场 > 科技专栏 > 人脸识别是如何抓逃犯的?哪怕拍不到脸,也能精准找到目标人物

人脸识别是如何抓逃犯的?哪怕拍不到脸,也能精准找到目标人物

来源:http://www.653-5353.com 作者:新葡萄京娱乐场 时间:2019-11-09 18:12

出品:"SELF格致论道讲坛"公众号

出品:"SELF格致论道讲坛"公众号

-文字稿-

以下内容来自中国科学院重庆研究院人工智能联合研究中心副主任温浩的演讲实录:

以下内容为中国科学院重庆研究院人工智能联合研究中心温浩演讲实录:

2017 年,深圳市查处了限行、超速、压线、违停等 601 万宗交通违章。 除了交警现场执法,还有 110 多万宗违章来自电子警察。

人工智能让我们更好地生活

为什么要做人脸识别?

图片 1在主干路的路口,你通常可以看到一整排密密麻麻的摄像头。除了监控摄像头,剩下的,就是电子警察摄像头。" style="width:60%;margin:1rem auto">

前段时间大家看到一个新闻,张学友在全国各地开了9场演唱会,大家关注的不仅是张学友和演唱会本身,而是关注他的演唱会上怎么会有接二连三的逃犯落网,一共抓了25名逃犯,其中有些是潜藏多年的。一方面说明张学友的号召力特别强大,但更重要的是幕后我们的人工智能技术。

前段时间大家看到一个新闻,在张学友的全国9场演唱会上,接二连三的有逃犯落网,一共抓了25名逃犯,其中有些是潜藏多年的逃犯。一方面说明张学友的号召力特别强大,但更重要的是幕后我们的人工智能技术。

图片 2

公安通过在安检门和会场布设的大量摄像头,实时分析每一位到场观众的面部。当逃犯出现在现场的时候,后台马上计算分析出来,通知我们的公安干警,所以我们的公安干警可以在短时间内高效地抓到逃犯,它为公安省去了大量的人力和物力。这就是人工智能技术给我们的生活带来的保障和安全。

公安通过在安检门和会场布设大量摄像头,实时分析每一位到场观众的面部。当逃犯出现在现场的时候,后台马上计算分析出来,通知我们的公安干警。

{"type":1,"value":"识别移动物体的核心在于检测像素点的数值突变,但影子同样会改变像素点数值,给识别车辆造成干扰。于是,各类算法要解决的关键问题,是排除影子的影响。

除了保障安全外,我们在各种场合如门禁、高铁、机场,都在大量使用相关的人脸识别和其他技术。举个例子,我们在其他地方刷脸支付。我们为什么要做这个事情?不光是为了抓逃犯,我们是为了一个新的时代,叫做人类和人工智能协作共存的新时代。

所以我们的公安干警可以在短时间内高效地抓到逃犯,它为公安省去了大量的人力和物力。这就是人工智能技术给我们的生活带来的保障和安全。

图片 3以STR算法为例,影子只会等量地改变像素点的亮度。利用这个差别,STR 算法可以把每个像素点与周围像素点比较。如果该像素点与周围像素点的变化同步,即认为该像素点是影子。进而与车辆区分。" style="width:60%;margin:1rem auto">

大家可能对人工智能既熟悉又陌生,觉得是不是人工智能要代替人?我们其实是抱积极乐观的态度,它一定是和我们协作共存的。

除了保障安全外,我们在各种场合如门禁、高铁、机场,都在大量使用人脸识别和其他技术。举个例子,在有些地方,我们也使用刷脸支付。

图片 4

协作一定是从识别人开始的,如果机器连你是谁都不知道那它怎么和你协作。那识别是从什么时候开始?我们认为应该是从计算机视觉开始,所谓百闻不如一见,很多时候我们对人的信息是来自他的脸,来自他的外在形象,这是一个最重要的信息。

我们为什么要做人脸识别?当然不光是为了抓逃犯,我们是为了一个新的时代,叫做人类和人工智能协作共存的新时代。

{"type":1,"value":"检测到车辆后,电子警察需要在触发线的帮助下,判断车辆是否出现闯红灯,违规变道、逆行,压线等违章行为。

我们70%的信息都来自于视觉,所以人脸识别是非常重要的视觉的入口,在各行各业已经得到广泛的应用。

大家可能对人工智能既熟悉又陌生,觉得是不是人工智能要代替人?我们其实是抱积极乐观的态度,它一定是和我们协作共存的。协作一定是从识别人开始的,如果机器连你是谁都不知道那它怎么和你协作?

图片 5你在马路上看到的各类白色黄色的车道线,停车线,都会成为电子警察划分不同区域的触发线。" style="width:60%;margin:1rem auto">

比如通过刷脸支付我们能很方便地买到一杯咖啡,不需要带卡,不需要带其他东西,也不需要记密码。

那识别是从什么时候开始?我们认为应该是从计算机视觉开始,所谓百闻不如一见,很多时候我们对人的信息是来自他的脸,来自他的外在形象,这是一个最重要的信息。

{"type":1,"value":"以闯红灯为例,车辆进入检测区域后,电子警察会先识别车牌。如果在红灯期间,车辆离开触发线1,电子警察会采集第二张闯红灯图片,保存时间地点等路况信息。

图片 6刷脸支付" style="width:60%;margin:1rem auto">

我们70%的信息都来自于视觉,所以人脸识别是非常重要的视觉的入口,在各行各业已经得到广泛的应用。

图片 7如果此时车辆停止,系统就会判定越线停车,扣2分,而如果车辆离开触发线2,电子警察就会采集第三张图片,并判断为闯红灯,扣6分。" style="width:60%;margin:1rem auto">

{"type":1,"value":"在机场通过安检口,识别之后我们可以走到一个航显屏上,它可以实时地把我要去的目的地、航班、登机口都显示出来,同时可以指示我怎么走到登机口。这就是非常好的展示人工智能帮助我们更好地生活的例子,不光是保障我们的生活。

比如通过刷脸支付,我们能很方便地买到一杯咖啡,不需要带卡,不需要带其他东西,也不需要记密码。

图片 8

图片 9智慧航显" style="width:60%;margin:1rem auto">

图片 10在机场通过安检口识别之后,我们可以走到一个航显屏上,它可以实时地把我要去的目的地、航班、登机口都显示出来,同时可以指示我怎么走到登机口。" style="width:60%;margin:1rem auto">

{"type":1,"value":"通过识别车牌,可以把同一车辆的闯红灯图片,卡口图片和人脸特写做匹配合成,形成完整的包含车辆头部、尾部画面的合成图片。确保可以处罚违章者本人,而不被代扣分。

{"type":1,"value":"人脸识别:角度和光源

{"type":1,"value":"这就是非常好的展示人工智能帮助我们更好地生活的例子,不光是保障我们的安全。

图片 11摄像头可以处理大多数违章事件,但监测超速还需要地感线圈和测速雷达的辅助。" style="width:60%;margin:1rem auto">

我们要达到让机器更靠谱地识别人的目的,第一个就是要解决人脸识别。

图片 12如何排除光、角度的干扰" style="width:60%;margin:1rem auto">

图片 13

人脸识别的基本原理是通过摄像机拍到一张你的照片,然后在后台计算机上分析。照片是有角度、有光线的,如何让计算机摆脱这些干扰因素?如果是侧面和正面,会有怎样的影响?如果是逆光,人脸可能都看不清楚了,这时怎样把它识别出来?这些因素都是我们首先要考虑的。

{"type":1,"value":"我们要达到让机器更靠谱地识别人的目的,第一个就是要解决人脸识别。

图片 14

图片 15

人脸识别的基本原理是通过摄像机拍一张你的照片,然后在后台计算机上分析。照片是有角度、有光线的,如何让计算机摆脱这些干扰因素?

图片 16

光线变化

如果是侧面和正面,会有怎样的影响?如果是逆光,人脸可能都看不清楚了,这时怎样把它识别出来?这些因素都是我们首先要考虑的。

图片 17

从2013年开始,我们做了一些实验性的工作。首先,我们设计了一个大规模的摄像头阵列,这个阵列有91个摄像头,包括7层,我们叫7种俯仰角,以及13个不同偏转角度,我们叫偏航角。这91种角度,91个摄像头,可以在毫秒的误差范围内同时采集到一个人不同角度的人脸,我们称之为结构化的数据。

图片 18

{"type":1,"value":"2017 年 4 月 ,苏州市上线了名为海燕的车辆二次分析系统,可以对摄像头抓拍的图片进行二次识别。

图片 19

从2013年开始,我们做了一些实验性的工作。

上线九天,海燕就抓拍到了近 3000 起违章,其中不系安全带 1828 起,开车玩手机 1074 起。

多角度人脸采集阵列

首先,我们设计了一个大规模的摄像头阵列,这个阵列有91个摄像头,包括7层,我们叫7种俯仰角,以及13个不同偏转角度,我们叫偏航角。

图片 20来源:回形针PaperClip" style="width:60%;margin:1rem auto">

它有别于我们在互联网上采集到的一些人脸照片,或者是我们自己拍的照片,因为它没有角度信息。我们需要知道照片是什么角度拍的,这个就是结构化。它能够让计算机在短时间内通过少量的数据训练,对一个人不同的角度采取有效的分析。这个设备我们现在还在用,采集到上千万张结构化的人脸。

这91种角度,91个摄像头,可以在毫秒的误差范围内同时采集到一个人不同角度的人脸,我们称之为结构化的数据。

{"type":1,"value":"编辑:井上菌

其次,我们模拟了各种各样的光源,强光、弱光、逆光、顺光,或者是太阳光,或是微弱的星光,或者室外的车灯、室内的照明灯,来看这种光源情况下,不同的光照等级下人脸的变化情况。

图片 21

图片 22

它有别于我们在互联网上采集到的一些人脸照片,或者是我们自己拍的照片,因为它没有角度信息。我们需要知道照片是什么角度拍的,这个就是结构化。

多光源模拟光环境

它能够让计算机在短时间内通过少量的数据训练,对一个人不同的角度采取有效的分析。这个设备我们现在还在用,采集到上千万张结构化的人脸。

这是从角度和光源两个方面去识别人脸。通过这些技术,我们今天可以把人脸识别的误识率做到亿分之一,相当于1亿次尝试冒充别人去验证,只有一次机会的概率通过,这基本上可以覆盖到绝大多数的应用。我们人眼的正确率大概是97%左右,它已经是99.8%了。

其次,我们模拟了各种各样的光源,强光、弱光、逆光、顺光,或者是太阳光,或是微弱的星光,或者室外的车灯、室内的照明灯,来看这种光源情况下,不同的光照等级下人脸的变化情况。

图片 23

图片 24

误识率亿分之一

这是从角度和光源两个方面去识别人脸。

本文由新葡萄京娱乐场发布于科技专栏,转载请注明出处:人脸识别是如何抓逃犯的?哪怕拍不到脸,也能精准找到目标人物

关键词: