社会面防控体系-人脸识别大数据分析平台方案介绍PPT课件

,社会面防控体系人脸识别大数据分析平台,1,-,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。,2,-,监控发展历程,传统监控的挑战,产品设计概念,优势与亮点,Evolution,Challenge,ProductDesignConcept,Advantage,主目录,CONTENTS,功能介绍,FunctionIntroduction,3,-,监控发展历程,Evolution,4,-,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,Evolution,5,-,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,1980,1990,2000,2010,2014,视频监控行业发展历程,Gorilla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,2006,6,-,传统监控的挑战,Challenge,7,-,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,2000,2010,1990,8,-,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。,9,-,产品设计概念,ProductDesignConcept,10,-,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,11,-,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,12,-,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,13,-,产品设计概念,人物特征提取(VemoBox),人脸识别大数据分析平台,实时告警,事后搜索,客户端,14,-,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,15,-,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,16,-,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,17,-,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,18,-,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VeMoBox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,存储,以VeMoBox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。,19,-,产品设计概念,告警与搜寻,时间,地点,人物,车辆,20,-,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。,人脸特征,21,-,功能介绍,FunctionIntroduction,22,-,功能介绍,登录,简中、繁中、英文三种语言模式,用户、权限管理,23,-,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,24,-,功能介绍,导入录像文件,选择分析人物或车辆。,25,-,功能介绍,导入串流分析,选择分析人物或车辆。,添加VeMoBox资讯,26,-,功能介绍,管理,摄像头列表,嫌疑目标,项目专案,27,-,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,28,-,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,29,-,功能介绍,搜寻颜色,30,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,31,-,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,32,-,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,33,-,功能介绍,轨迹,依据时间、地点的变化，结合地理信息平台描画出该案件中目标人物的行动轨迹,34,-,优势与亮点,Advantage,35,-,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,36,-,*,核心演算法优势,人脸识别核心演算法采用深度学习(DeepLearning)人工神经网络模式，超越上一代截取人脸特征点(handcrafted)，如AAM的运算方式。对于实际应用场景有较高的宽容性与准确度。,领先的优势,演算法,37,-,*,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,38,-,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准确率:96%(1千人时),70.496%(1百万人),39,-,LFWvs.FERET,采用LFW数据集(5749人/13233照片)(dataset)(Labeledfaceinthewild)，因该数据集属于非受限环境(unconstrainedenvironment)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(e