社会面防控体系-人脸识别大数据分析平台方案介绍ppt.pptx

1、学 习 公 约手机调整全情投入随时互动课课 程程 要要 求求前言前言 近年来随着人民对社会安全与秩序的强烈需求，各地方政府都已大量建置视频监控摄像头及储存装备。不论是交通要道、治安重点场所或是街头巷弄，随处可见架设监控摄像头。然而，布建大量摄像头的同时也产生了大量的视频数据，通常需要耗费大量的人力监控这些大量的视频数据，针对重大的事件，甚至必须以肉眼逐一搜寻，往往吃力不讨好。因此，采用影像视频分析技术协助侦查人员快速分析及过滤大量视频资料已经成为世界的趋势。监控发展历程传统监控的挑战产品设计概念优势与亮点EvolutionChallengeProduct Design ConceptAdvan

2、tage主目录CONTENTS12435功能介绍Function Introduction监控发展历程Evolution19801990200020102014启航发展转变融合智能视频监控行业发展历程自20世纪80年代以来，视频监控系统在我国各领域蓬勃发展，视频监控已经深入到社会公共安全的每一个角落。监控发展历程第四代监控系统融合视频监控系统与Sensor协同工作，组建视频监控大数据平台，存储海量视频监控文件第二代监控系统以硬盘录像机(DVR)设备为核心的视频监控系统第一代监控系统以闭路电视系统搭配视频矩阵为核心的传统模拟监控系统第三代监控系统网络摄影机诞生，并逐渐完善，与数字硬盘录像机组成新

3、搭档。第五代监控系统智能视频分析系统得到发展，利用各式演算法，进行智能识别辉煌不远的未来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拟监控DVR录像机数字化转换监控数据大平台视频智能分析技术发展启航发展转变融合智能 专注数字化大数据平台 开发演算法，走向视频智能分析 领先同行业，演算法持续完善孕育中Gorilla 诞生远见领先19801990200020102014监控行业视频监控行业发展历程GorillaGorilla公司发展历程Gorilla在各时代的进步情 怀&执 着走向辉煌 笑着，坚持着，继续执着前行.未来仍在孕育中辉煌情怀2006传统监控的挑战Ch

4、allenge视频监控行业在发展的历史中充满不一样的挑战。历史发展中监控行业的挑战传统监控的挑战历史1980海量视频数据 -非结构化人工成本高工作效率低监视基本靠瞅；控制基本靠手；存储基本没有。回调视频延迟-较长录像文件管理-较乱系统集成成本-较高传输 不远存储 不大组网 不行编码 不通 200020101990当前视频监控行业也面临较多挑战传统监控的挑战当前尚未智能化目前中国监控业仍处于架设摄影机的基础阶段。尚未进入人工智能时代。非结构化管理所产出的大量视频文件其中内容无法掌握，如何结构化管理视频资料。也是当前重要课题。视频数据太多如何快速检索？随着公安天网、社会监控越来越完善，随之产生的视

5、频数据也越来越庞大，如何有效查找或再利用视频数据成为当前一大问题！。人力成本日益增高回调视频查看视频内容，仍需大量人工与时间成本。产品设计概念Product Design Concept产品设计概念人脸识别虹膜识别指纹识别NDA检测掌纹识别声纹识别生物特征识别体系产品设计概念人脸识别是舒适度最高，无强迫性，无主动性要求。目前人脸识别的准确度在生物特征识别体系可以到前五名。生物特征识别体系产品设计概念人脸识别技术针对防范和抓捕犯罪嫌疑人可用性较高，实用性较强。成本相较于其他智能识别方式也很低。生物特征识别体系产品设计概念人物特征提取 (Vemo Box)人脸识别大数据分析平台实时告警事后搜索客户

6、端时间地点人物车辆轨迹图片特征视频诠释数据来源人脸特征衣着特征性别特征年龄特征眼镜特征活体侦测兼容不同品牌网络摄影机分析存储告警与搜寻产品设计概念产品设计概念兼容标准支持目前市场上大部分品牌的网络摄影机，如：大华、海康、宇视、安迅士、科达、捷科等主流品牌。支持MJPEG、H.264编码格式。支持RTSP、Onvif等标准网络协议。来源产品设计概念人脸识别核心演算法，引入了先进的人工神经网络演算法，可快速提取人脸特征，形成神经网络特征编码，并结合深度学习技术，可实现快速、精准识别。使识别准确率进一步得到提升技术来说。视频分析技术，提供强大而全面的视频分析模组，除人脸识别外，还包括：警戒线侦测、警

7、戒区、遗留物、车牌识别、方向侦测、客流侦测、徘徊侦测、逗留侦测、聚集打架侦测、闯红灯侦测等60余种视频分析演算法。分析人脸识别技术视频分析技术产品设计概念分析实力展示可在同一画面中，同时抓取多人面部特征可将非结构化的视频，转换为结构化数据，对视频中的每一幅画面进行实时分析，将视频画面中的人物进行逐帧的剥离。提取人物特征。分析结果结构化存储可分为四大类:图片、视频、特征、诠释数据诠释数据特征视频图片记录相关事件的描述数据。串流：通过VeMo Box录制视频档案或回调NVR/DVR视频资料。档案：保存上传的录像档案以供之后回放监控资料。截取目标的全景图片、特写图片、以及细部特写图片。产品设计概念存

8、储以VeMo Box视频特征提取技术进行视频分析，提取人物或车辆的相关特征。产品设计概念告警与搜寻时间地点人物车辆产品设计概念处理流程 实时串流依据时间、地点、人脸特征、车辆特征画出目标的移动轨迹，最后出现的地点，汇出证据报告。起点监控系统 黑名单人脸库比对搜寻锁定目标轨迹VeMo Box 分析人脸特征告警功能介绍Function Introduction功能介绍登录简中、繁中、英文 三种语言模式用户、权限管理功能介绍导入摄像头导入视频到选择的摄像头添加摄像头功能介绍导入录像文件选择分析人物 或 车辆。功能介绍导入串流分析选择分析人物 或 车辆。添加VeMo Box 资讯功能介绍管理摄像头列表

9、嫌疑目标项目专案功能介绍告警依据人脸特征，实时与黑名单库进行人脸比对，匹配成功则发出告警功能介绍搜寻人物搜索条件：地点搜索条件：人物、车辆搜索条件：时间搜索条件：人脸（可导入照片）搜索条件：衣着颜色搜索条件：眼镜功能介绍搜寻颜色32行人衣着纹理检索行人四种衣着颜色检索功能介绍搜寻车辆搜索条件：地点搜索条件：人物、车辆搜索条件：时间搜索条件：车牌搜索条件：车身颜色功能介绍搜寻结果放大/缩小图像局部放大镜分析结果相似度调节导出证据加入目标列表功能介绍搜寻结果处理锁定目标，加入目标列表以该人做为目标进行分析搜索在图像中框选任意一人作为搜索目标案件视频回放功能介绍轨迹依据时间、地点的变化，结合地理信息

10、平台描画出该案件中目标人物的行动轨迹优势与亮点Advantage人脸识别技术优势介绍：1.人脸识别核心演算法，引入了先进的人工神经网络演算法，可快速提取人脸特征，形成神经网络特征编码，可实现快速、精准识别。2.演算法部分配合采用深度学习技术，使识别准确率进一步得到提升。3.支持海量人脸资料库，云端架构可支持上亿级别人脸资料存储量。4.且视频编码融合性突出，可兼容各品牌、型号的符合标准的摄影机。人脸识别系统优势与亮点*核心优势核心演算法优势人脸识别核心演算法采用深度学习(Deep Learning)人工神经网络模式，超越上一代截取人脸特征点(hand crafted)，如AAM的运算方式。对于实

11、际应用场景有较高的宽容性与准确度。领先的优势演算法*速度优势核心演算法运算速度优势人脸识别核心演算法进行模板比对可达到百万级/秒的运算速度实际测试：CPU：i7-4790 等级的机器运算数据如下：每秒可处理，164万组人脸模版领先的优势运算速度官方测试MegaFace(华盛顿大学的人像数据库)领先的优势准确率与验证方式以MegaFace(百万级人像资料库)作为验证数据库。使用FaceScrub作为验证来源。(将FaceScrub资料库并入MegaFace资料库中，识别FaceScrub中的人脸首位命中的准确率)官方竞赛实测：我方准确率:95%(1千人时),81.187%(1百万人)Google

12、准确率:96%(1千人时),70.496%(1百万人)官方评比LFW vs.FERET采用LFW数据集(5749人/13233照片)(dataset)(Labeled face in the wild)，因该数据集属于非受限环境(unconstrained environment)的数据集影像，难度更高，因此,后来大家都用LFW当作评比的参考。目前我们在LFW的EER(equal error rate,相等错误率)可以做到1%以内，以数据集的特性而言，会比FERETEER1%更具有说服力。FERET数据集(1199人/14126照片)属于受控制环境(constrained environment)的数据集影像，是早期FRVT(face recognition vendor test)用来评比用的数据集)领先的优势准确率与验证方式THANKS!