AR技术让安防行业慧眼识金

正增强现实(AR)技术融合了视觉感知为主的空间语义感知技术、以混合内容渲染为主的可视化内容生成技术,通过新兴近眼显示为核心的可穿戴设备推动人和物理世界的自然交互,实现了"所见即所知"的目标,致力打造一条抛弃键盘、鼠标、显示器的信息传递高速公路。AR技术作为一种革命性人机交互方式(HTI)的撬动点,集合了大量现代技术的进步成果,包括以机器视觉和SLAM为核心的人工智能技术、以云部署和大数据融合为基础的信息后     

机器视觉技术下的智慧城市新发展

正在机器视觉、大数据、物联网等数字技术融合的背景下,尤其是机器视觉技术的不断成熟,让智慧城市迎来了跨越性的发展。机器视觉对于城市是新技术、新事物、新治理手段,但是机器视觉技术对城市创新发展不仅仅是多装些传感器和智能化设备,机器视觉赋能城市的发展核心仍应"以人为本"。     

驾驶员接管自动驾驶车辆的眼动特性和行为分析

为探究接管自动驾驶车辆期间驾驶员的视觉特性,分析眼动与接管反应操控行为的关系,开展驾驶模拟试验收集驾驶行为及眼动数据。运用统计学方法,分析驾驶员感知不同接管场景的视觉特性,探究接管请求(TOR)前后眼动指标的变化规律;并基于视觉分配和瞳孔变化特性分析驾驶行为,揭示眼动特性与接管反应及驾驶操纵策略的内在联系。结果表明:TOR前,相较于静态场景,驾驶员感知动态场景诱发元素扫视更频繁且平均注视时间更短;此时驾驶员的视觉分配特性与其接管反应行为存在显著相关性。TOR后,驾驶员的注视时间增加,眨眼频率降低,瞳孔直径扩张,眼跳幅度增大;不同场景下驾驶员的瞳孔差异表明其应对动态场景时具备更好的警戒水平和更平稳的操纵策略。     

起重吊装风险协同感知智能装备研发与应用

为解决起重吊装指挥-操作交互的高风险场景下,单一类型装备(如传感器、智能摄像头等)难以实时智能地识别吊装风险的问题,研发集成计算机视觉技术和传感器设备的起重吊装风险协同感知智能装备(简称智能装备)。首先分析起重吊装过程中指挥人员和起重机的运动特征;然后针对起重机驾驶员的误操作行为风险,结合人-机不同的运动特征和工作需求,提出智能装备的风险协同感知方案;最后在实验室模拟场景下检验智能装备的风险感知精度和延迟时间。结果表明：智能装备能够协同感知起重吊装指挥-操作交互过程中的安全风险,发现起重机驾驶员的误操作行为并实时报警。智能装备在该过程中的风险感知精度为95.17%,延迟时间约为0.25 s。     

基于车载机器视觉的汽车安全技术

在描述汽车驾驶操作过程基础上,根据信息获取范围将汽车安全辅助驾驶的机器视觉分为外部信息的机器视觉与内部信息的机器视觉技术,包括视觉增强、视野扩展、道路环境理解、视线跟踪与驾驶疲劳监测;逐个阐述其作用机理,综述其国内外研究现状,并归纳出研究重点;分析了汽车安全辅助驾驶系统中机器视觉技术当前研究不足。笔者认为,低能见度驾驶员视觉增强方法、道路环境理解信息融合以及驾驶疲劳检测等技术需进一步开展研究。     

智能分析的关键技术解析及新应用

智能视频分析技术涉及到模式识别、机器视觉、人工智能、网络通信以及海量数据管理等技术。视频智能分析通常可以分为几部分:运动目标的识别、目标跟踪和行为理解。智能监控系统是指在特定的监控区域内实时监控场景内的永久或是临时的物体,通过对视频传感器获取的信息进行智能分析来实现自动的场景解析、预测被观察目标,并进行交互性行为。本文就视频智能分析关键技术进行解析并介绍智能分析的新应用。     

机器视觉技术为安防开辟新天地

正机器视觉技术是人工智能技术正在快速发展的一个分支。简单说来,机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品(即图像摄取装置,分CMOS和CCD两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,得到被摄目标的形态信息,根据像素分布和亮度、颜色等信息,转变成数字化信号。图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。     

机器视觉技术为安防开辟新天地

机器视觉技术是人工智能技术正在快速发展的一个分支。简单说来,机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品(即图像摄取装置,分CMOS和CCD两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,得到被摄目标的形态信息,根据像素分布和亮度、颜色等信息,转变成数字化信号。图像系统对这些信号迸行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。     

企业视窗

华为安防更名“机器视觉” 助力干行百业数字化转型近期,从华为安防官微获悉,华为安防将更名为华为机器视觉。华为安防官微上提到:2039年华为智能安防发布HoloSens全新品牌,诠释全息感知的全新定位。2020年在加速进入“5G+AI”的时代背景下,以“视频+AI”为核心的华为智能安防也不再局限于“安”与“防”,我们希望可以承担更多,用“机器视觉”,助力干行百业数字化转型。     

基于深度学习的人脸识别系统在公共安全领域的应用

正人工智能由不同的领域组成,如机器学习、计算机视觉等。总的说来,人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。近几年进入大众视野的深度学习,就是机器学习发展到现在一个较大的浪潮。人们熟知的人工智能AlphaGo与李世石的围棋之战,就是一个深度学习技术的典型。基于"深度学习"和"计算机视觉"等AI技术的人脸识别算法,有着很好的人脸动态捕捉和     

英特尔全面升级实感技术 携手开发者打造交互、自主式的智能设备

正在日前举行的英特尔信息技术峰会(IDF)上,英特尔发布了关于英特尔~实感~(TM)技术的多项重要更新。正如双目视觉让人类能够看到三维世界,实感技术的目标是打造出具备堪比人类3D感知能力的智能、交互和自主式的设备和系统。·英特尔~实感~(TM)机器人开发工具包一块紧凑型的研扬科技UP板卡和一个英特尔~实感~(TM)R200摄像头就能让机器人开发者开发的机器     

生物识别技术在AIoT+5G新型智慧社区中的应用及趋势

<正>智慧社区是智慧城市建设的主要内容,也是城市智慧管理的一个缩影,其建设是随着技术的进步而发展的。智慧社区包含各种精细化的智能场景,涉及各种智能硬件、智能体系生态链建设。智慧社区的技术发展一定会在智能语音技术、深度学习技术、自然语音交互、计算机视觉、知识图谱持续建立、融合AI技术的物联网感知设备设施落地后等得到高速发展。从城市规划的理念、设计实施的方式、智慧的城市治理手段和智慧产业为城市提供支撑,     

视频~+ 多维感知 多维应用

<正>什么是"视频+""视频+"即"视频+多维感知"和"视频+多维应用"。这要求智慧安防系统向下叠加多维的物联感知(包括空间信息、动环信息、生物体征、深度语音识别等等);向上输出更多的视频数据应用价值,支持更为宽广的业务应用(比如智慧城市的"数据大脑"、城市交通态势分析、机器视觉、大数据预警     

大华股份·新业务与新布局

正AI大华运用更复杂的模型算法解析音视频大数据,驱动机器更深度的学习与训练达成,赋予它们视觉、听觉等多维感知的智慧,创新人工智能新业务。IOT以视频为核心,融合多智能感知技术,在物联网、云计算、大数据等推动下,构建用视频连接万物,联通智慧城市、民用消费级等业务领域的IOT新生态。大华视频云构建开放的视频云生态平台,面向企业及消费级市场提供私有云、公有云及混合云等产品及服务,成就"更懂视频的云"。视频+视频·多维感知,视频·多维应用,输出更成熟的行业化解决方案及视频新业务。"视频+"的孕育,也指明了行业产品和技术创新的方向。     

新时期视频监控平台发展展望

近年来,视频作为基础及重要的物联视觉感知数据为维护社会治安、智慧城市治理、重要行业场景监管以及泛园区的智能化建设等方面都发挥了积极的作用.视频监控平台作为视频数据管理的核心系统,其作用也得到了各方认可.新时期在AI、5G、云计算等多种技术的加持下,视频监控平台迎来了新的发展趋势,本文将主要分析新时期视频监控平台未来的发...     

深耕安防主航道，深挖场景落地应用 持续推动AI产业化进程——访澎思科技CEO马原

<正>历史上,每一次技术的更替都撬动了安防产业的格局。近年来,人工智能技术的快速发展也带给安防产业巨大的变动。经过近两年的发展,人工智能行业目前已经由单纯拼算法、拼技术的学术化阶段进入到商业化落地为主导的产业化阶段。作为人工智能落地场景应用最多的安防行业,自然得到了诸多AI初创公司的青睐和关注。作为一家AI创业公司,澎思科技专注于计算机视觉和物联网技术。公司拥有全场景智能视图大脑核心能力,以基于深度学习的计算机视觉技术为突破口,整合AIo T、5G、大数据、云计算等全链条技术,深耕安防等垂直行业。针对用户需求深挖场景,重视应用落地,致力于成为全球领先的视觉AIo T平台,为平安城市、智慧社区、     

机器视觉技术在警用机器人中的应用

正机器视觉是人工智能正在快速发展的一个分支,简单说来,机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品(即图像摄取装置,分CMOS和CCD两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,得到被摄目标的形态信息,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果     

创新驱动 潜心修为 开拓安防AI赋能之路——访厦门瑞为信息技术有限公司总经理詹东晖

正作为中国首批人工智能创业公司,厦门瑞为信息技术有限公司(以下简称"瑞为")坚持科技为本、创新驱动,经过6年的勠力耕耘,目前已拥有卓越的视觉感知技术,致力于在性能、功耗、成本均受限的嵌入式前端,实现复杂的机器视觉算法,并拥有四条成熟商业落地的产品线,覆盖智能安防、智能家电、智慧商铺、智能车载四大领域,已然成为业界前端智能的倡导者与领跑者,赢得了客户的青睐和同行业的广泛关注。长期以来,瑞为团队在总经理詹东晖的带领下,精准把握企业的发展方向和发展节奏,以势如破竹之势,     

基于隐性危险驾驶人感知特性及判别模型研究*

为研究驾驶人在隐性危险场景中危险感知行为,基于Bayes判别法,将驾驶行为指标作为输入变量,建立驾驶人危险感知能力预测模型。结果表明:驾驶员在显性危险场景的纵向加速度显著低于隐性危险场景;驾驶人在隐性危险场景中TTC值小于显性危险场景;在被试车辆与轿车、行人、非机动车冲突3种交通冲突场景中,驾驶人对行人危险感知能力最弱。研究结果对提高道路交通安全水平以及驾驶人应急避险能力具有一定实际指导意义。     

多维感知系统自动标校技术研究

物联感知系统在城市管理、智能交通、企业生产等领域发挥着重要作用,随着业务场景的不断深化,物联感知系统逐步从单维向多维演进.多维感知系统基于多种感知设备之间的联动和协同能够更好地进行智能感知、智能识别、智能预警,从而满足复杂业务场景的应用需求.多种感知设备之间要实现联动,需要进行复杂的标定工作.因此,本文研究了多感知设备...