算法作为AI发展的重要部分,与AI应用场景落地息息相关。近年来,随着AI应用领域的广度和深度不断拓展,通用型算法已经难以满足逐渐细分化的AI应用场景需求,不少算法厂商开始在细分领域寻求自己的竞争优势,并往更加垂直化的方向深耕。
现如今,众多我们想象不到或意识不到的场景均有AI应用的身影,如其可以细化到跌倒识别、消防通道占用检测、安全帽检测,甚至是娱乐场景的人物卡通化、实时表情迁移等。
作为AI算法领域的一颗新星,小视科技在生物特征识别、人体行为分析、行人重识别、精准目标检测及追踪、红外人脸识别、视频结构化分析及大数据精准用户画像分析等诸多应用算法均具领先优势,目前已拥有核心专利和软著200余项。
随着近年来定制化算法需求增加,小视科技也在往更多小场景领域深化发展。如在智能安全防范场景、零售商品识别场景、AI互娱场景带来了系列算法。
以下为其三大场景类算法特点介绍:
智能安全防范场景类
小视科技智能安全防范场景类主要包含人脸识别类、物品及事件检测类、人体属性及行为分析类。如人脸门禁、人脸访客、人脸布控、人群聚焦、入侵检测、烟雾/火焰检测、消防通道占用、跌倒检测、安全帽检测等。
其在为我们带来更加便捷的生活方式的同时,也极大提高了管理者效率。
1、人脸识别类
人脸识别安全性一直备受关注,近年来通过照片、仿真人脸、面具等成功识别人脸的新闻时有发生,为此小视科技通过RGB静默活体、红外双目活体检测等技术来规避非活体攻击。
▲RGB静默活体检测
RGB静默活体检测仅凭单张照片就能够完成真假脸的判断,规避用户照片、视频等假体攻击行为。其检测用时为100ms,通过率可达99．51%,攻击率为0．045‰,可满足安防及互联网场景需求应用。
▲红外双目活体检测
小视红外双目活体检测通过IR的成像能够滤除特定波段的光线,其具有先天抵御图片、视频攻击特性,与RGB活体相比具有更好的场景适应性和安全性。
其适用于人脸门禁、智能终端等设备,受环境光线影响小。其80ms即可快速识别,攻击成功率仅为0．01‰,通过率高达99．64%。
同时,小视科技在红外人脸识别上,通过红外图像重建技术优化+眼部注意力机制,极大提高了识别精度,尤其在此次疫情下,口罩识别精准度大大提高,可达99．79%。据悉,小视科技红外人脸识别算法媲美RGB算法商用精度。
小视人脸识别算法采用原创模型,自有算法,针对通用及特有场景特性,算法持续演进迭代,迎合工程应用特性需求。
值得一提的是,在幼儿和其他肤色人种识别上,由于特征点抓取比较困难,且数据训练较乏匮等因素,导致识别率较低。如黑色人种在我国人脸识别设备上,误识率往往很高。
小视人脸算法除适应复杂光线,识别速度达150ms,在眼镜及帽子等配饰下也能准确识别等特点优势外,其在幼儿、老年人、其他肤色人种识别上具有业界领先优势。
其支持幼儿园场景(老年人/幼儿)特殊识别模型、中小学场景特殊识别模型;以及非亚裔混合人种识别(印尼人,黑人,欧美人)模型,并已有丰富的应用案例。
2、人体属性及行为分析类
其包含:头肩检测与追踪、行人/人脸属性分析、人群密度计数(人数统计/人群聚集/超员)、徘徊/入侵/离岗、跌倒检测。
▲头肩检测与追踪
头肩检测与追踪基于人体“头肩关系”特征,实现人体头肩位置的准确检测,实现行为人视频画面的有效追踪。平均检测时间为33．04ms,检测率为95．89%。
▲行人属性识别
小视行人/人脸属性分析,可对人体衣着、发色、年龄、性别等多属性进行识别,其中行人属性分析分为15种属性大类,细分为130种。人脸属性识别在性别、年龄、戴口罩及戴眼镜上均有较高识别率。
▲人群密度计数
在人群密度计数上,小视颠覆传统检测技术方法,采用密度图预测,结果更加准确。其适用于密集遮挡、高度模糊、距离较远的远景,无论是几人还是几千人,人流统计均具有极佳表现。
▲徘徊/入侵/离岗
同时,结合以上头肩检测、人群密度计数等技术,即可实现视频画面特定区域人员徘徊、入侵、离岗的分析预警。以及通过体态检测,实现人员跌倒预警。
▲跌倒检测
3、物品及事件检测类
含:烟雾/火焰检测、消防通道占用检测、任意物品(人车物)越线滞留检测、安全帽/头盔检测。
▲烟雾/火焰检测
烟雾/火焰检测针对视频序列进行检测分析,有效识别监控场景下烟雾、火焰出现的情况及位置。
▲消防通道占用检测
消防通道占用检测:通过视频有效检测视频画面特定区域内车辆的出现状态,实现检测与预警。
▲任意物品(人车物)越线滞留检测
任意物品(人车物)越线滞留检测通过高精准“通用型目标检测和跟踪”技术,结合特定区域检测技术,实现任意任意物品(人车物)越线、滞留的分析及预警。
▲安全帽/头盔检测
安全帽/头盔检测基于精准人体检测及追踪技术,附加特殊物品目标检测及追踪算法,有效实现安全帽及头盔的佩戴行为检测。
零售商品识别场景类
视觉算法的不断成熟,促使新零售加速发展,也让我们迎来了“即拿即走”的便捷消费方式。
小视科技依托于目标检测、细粒度分类、模型集成以及数据合成等技术,实现了高效、高精度的商品识别,其支持常见的饮品和桶装食品识别,并支持SKU识别快速定制。
小视算法支持异常检测预警,如商品倾倒,可有效避免商品误识别、漏识别。且无复杂摆放规则,随机混合摆放亦可精准分类识别。
并支持多场景的售货柜,如黑色背景柜子、白色背景柜子,均不会影响识别效果,适用性强,且支持跨平台边端、云端处理。
AI互娱场景类
人脸识别算法在娱乐领域应用日渐丰富,为我们的生活带来了更多趣味性的体验。最常见的便是美颜相机里的各类动画效果的实现,其与人脸算法息息相关。
小视科技在AI互娱场景类带来了:人像卡通化/卡通画动图、人脸实时表情迁移、人脸3D关键点检测的算法应用。
1、人像卡通化/卡通画动图
人像卡通化运用对抗生成网络技术,结合人脸检测、头发分割、人像分割等技术,实现卡通风格转变。并在此基础上,通过人脸关键点技术与各种动图素材结合,自动生成通动图或表情包。
其在美图、AI相册等场景下有着广泛的应用,并可集成到各类社交类软件中,增添趣味性。
2、实时表情迁移
结合人脸检测、属性分析技术,提取用户人脸表情信息,实时迁移到目标人像上,生成效果自然流畅。
3、人脸3D关键点检测
小视科技利用深度卷积神经网络技术,定位人脸3D关键点,完美贴合人脸,在遮挡、低光照、多人等复杂场景都有良好表现。
模型还具备输出5W+个的人脸3D关键点能力,可以用于3D人脸重建等任务。
小视科技AI算法跨平台能力强,其设备端SDK支持海思平台/安卓平台算法运行,服务端SDK可支持Windows x86平台/Linux x86平台算法运行,并支持全场景算力平台应用,如云服务平台、边缘计算设备、门禁设备/AI摄像头,客户无需担心各平台设备兼容性问题。
随着AI场景不断应用拓展,算法种类及其成熟度也在不断提升。小视科技在AI算法领域已有多年沉淀,并支持从SDK到场景解决方案的全链路产品形态输出,旨在赋能各行业应用智能化变革。
图片来源:小视科技
