CSIG FAT-AI 2021开放场景口罩人脸识别挑战赛开赛暨NELIVA FAT-AI应用竞赛最新排行榜公布

正2021年4月,视频图像信息智能分析与共享应用技术国家工程实验室(简称"视频国家工程实验室",英文简称:NELIVA)发布了口罩竞赛第一期、1:1竞赛第二期、Re-ID竞赛第三期的排行榜。与此同时,中国图象图形学学会和视频国家工程实验室还共同主办了"CSIG FAT-AI 2021开放场景口罩人脸识别挑战赛"(简称:CFAT2021),并于5月6日起开赛,每工作日公布排行榜。排行榜展示了每位参赛者的历史最佳算法成绩,最终排名由每一项独立测评指标的排序值加权得到。     

动态人脸识别监控系统研究

一、研发背景随着国际安全形势的日益严重,视频监控正在快速普及,众多的视频监控应用迫切需要一种远距离、用户非配合状态下的快速身份识别技术,以求快速确认人员身份、实现智能预警。人脸识别技术无疑是最佳选择,采用快速人脸检测技术可以从监控视频图像中实时查找人脸,并与人脸数据库进行实时比对,从而实现快速身份识别。面向视频监控的远距离人脸识别技术在强劲的需求带动下应运而生。人脸识别技术作为一种新兴的生物特征技术,在公共安全、人机交互     

人脸识别技术在安防行业的具体应用

正人脸识别(Face Recognition),是基于人的脸部特征信息进行身份识别的一种生物识别技术,用摄像机采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部的一系列相关技术,通常也叫做人像识别、面部识别。早在1964年就开始有这项技术,但属于初级阶段,算法模型不够成熟,1991年以后人脸识别发展迅速。1998年,汉王最早把人脸识别带入门禁和考勤应用,但是人脸识别在这个阶段没有完全     

大规模人脸聚类评测技术初探

近年来,随着人脸识别技术逐步趋于成熟,各地公安部门陆续兴建大量人脸识别系统,每天产生海量人脸抓拍数据.通过大数据分析模型在海量人脸抓拍数据中实现人员出行规律、同行关系等高价值信息的自动化挖掘,提升人脸识别系统的实战价值,是未来公共安全行业视频分析系统智能化建设的新目标.为实现这一目标,人脸聚类技术的应用不可或缺.202...     

CSIG FAT-AI 2021开放场景口罩人脸识别挑战赛榜单公布

正一、挑战赛介绍CSIG FAT-AI 2021开放场景口罩人脸识别挑战赛(简称:CFAT 2021)是由中国图象图形学学会和视频国家工程实验室(NELIVA)共同主办的针对口罩遮挡的人脸1:1测试,已于7月底结束,现公布TOP 10排行榜,颁奖活动将在第十一届国际图象图形学学术会议(ICIG 2021)上举行(因疫情原因暂时延后)。本挑战赛的主旨为,打造公正、     

人脸识别——安防生物识别应用与市场发展分析

一、安防人脸识别应用 目前安防领域中人脸识别技术主要有两种类型的应用:静态人脸比对识别和动态人脸监控识别.静态人脸搜索比对是指静态人脸照片与人脸数据库比对,进行人的身份搜索和身份管理.这类系统主要应用在治安和户籍管理方面,目前技术上已经成熟,这是由于数据库主要来源于证件照片,照片的人脸姿态正面,图像质量通常较好,所以当前技术水平的算法已经可以取得很好的识别结果.     

视频图像信息智能分析与共享应用技术国际论坛在京召开

正日前,视频图像信息智能分析与共享应用技术国际论坛在北京召开,论坛由中国科协主办,北京科协、视频图像信息智能分析与共享应用技术国家工程实验室、北京图象图形学会和北京安全技术学会联合承办。公安部科技信息化局谭晓准书记、北京市科协学会部杜扬副部长、视频图像信息智能分析与共享应用技术国家工程实验室陈朝武主任,北京图象图形学学会王生进副理事长,北京安全技术学会林亚理事长等出席     

人脸识别技术的研究现状与展望

本文主要介绍了人脸识别技术(FRT)的常用方法,讨论和分析了人脸检测与定位、人脸特征提取、人脸识别方法等方面的研究成果,总结了人脸识别的未来发展方向和应用前景,提出了人脸识别技术存在的问题和未来发展的要求。     

智能分析技术在集成领域的应用解析

正一、智能分析技术在集成领域的发展现状智能分析技术属于人工智能中的模式识别,起源于计算机视觉技术、综合应用图像处理、目标检测与跟踪、模式识别等技术,对视频场景中的目标进行检测分析,实现图像质量诊断、人脸识别、车牌识别、视频检索等功能。智能视频分析技术可减少由于人员疏忽或离开错过的重要监控信息,使监控管理更加方便高效。安防智能化不仅仅指的是视频的智能分析技术,还包括系统和安全层     

人脸识别技术在智能视频监控系统中的应用

首先对监控技术的发展过程做了简单的总结,然后介绍了人脸识别技术的研究方向、应用领域及技术优势,并针对人脸识别技术在视频监控系统中应用的架构、关键技术和算法做了有益的探讨,特别对矫正有旋转角度的人脸图像技术做了较为详尽的表述,最后得出结论,人脸识别技术可以应用于监控系统中.而基于人脸识别技术的智能视频监控系统应该具有十分广泛的应用前景.     

三维人脸识别系统在监狱出入口管理系统中的应用

为切实增强监狱监管区的进出控制和保障监狱的安全管理,本文提出了一种以三维人脸识别系统为应用基础的监管区出入口管理系统。由于三维模型比二维图像含有更丰富的信息,所以识别精度得到很大提高,同时,GAFRS-H1型三维人脸识别系统采用了先进的匹配检索算法,在提高识别精度的同时亦保证了识别的快速性。自主开发的监狱出入口管理软件系统将三种鉴别信息(即三维人脸模型信息、身份证信息和二维彩色人脸照片信息)匹配、绑定起来存于后台数据库中,方便识别和查阅。该出入口管理系统的应用将有利于进出监狱人员的规范有效管理,保障监狱安全。     

中国安防行业“十四五”发展规划（2021-2025）

正安防行业是利用视频监控、出入口控制、实体防护、违禁品安检、入侵报警等技术手段以及新一代信息技术,防范应对各类风险和挑战,构建立体化社会治安防控体系、维护国家安全及社会稳定重要的安全保障性行业。近年来,人工智能、大数据、物联网、生物特征识别等新一代信息技术与安防行业快速融合应用,有效支撑了平安城市、雪亮工程、智慧城市建设,为创新社会治理、实现"中国之治"做出了重大贡献。     

深度学习在图像识别领域的应用现状与优势

正引言目前在安防领域,用户关注的智能功能包括运动目标检测、目标分类、目标颜色识别、行人检测、人脸检测、人脸识别、车辆检测、车型识别、车系识别、车牌识别、流量统计、密度检测等。这些智能模块均源于图像识别技术,但由于复杂度、成熟度差异较大,在平安城市等实战应用中的现状也干差万别。     

人脸识别技术在安防系统中的应用

正人脸识别系统以人脸识别技术为核心,是一项新兴的生物特征识别技术,是当今国际科技领域攻关的高精尖技术。它广泛采用区域特征分析算法,融合了计算机图像处理技术与生物统计学原理于一体,利用计算机图像处理技术从视频中提取人像特征点,利用生物统计学的原理进行分析建立数学模型。人脸识别系统具有广泛的应用,比如人脸识别出入管理系统、人脸识别门禁考勤系统、人脸识别监控管理、人脸识别电脑安全防范、人脸识别照片搜索、     

基于sapera的图像分析算法设计

人脸识别是近年来计算机视觉、模式识别领域的一大研究热点,在刑侦破案、证件验证、门禁系统、视频监视等领域中都具有广泛的应用前景.本文结合Sapera机器视觉产品进行人脸图像采集,建立人脸库,并与标准的ORL人脸库进行比较,采用经典的PCA(Principle Component Analysis,主成分分析)算法对人脸进行识别.针对传统特征脸方法中特征向量的选择问题,做了一定的实验分析,得到了一些有意义的结论.     

神思电子 致力服务更多应用场景 神思电子计算机视觉技术大放异彩

VR、3D全息投影加上人睑识别,这些无疑都是当下社会的热门话题,而其基础就是计算机视觉,其中人脸检测与人脸识别获得了最多的关注,也取得了更长足的进展。到目前为止,随着国内人脸识别技术水平的不断成熟,该技术越来越多地被推广到安防、金融、社区及电子商务等应用场景,其中神思电子技术股份有限公司更是该领域的佼效者。     

人脸检测识别算法的研究与应用

人脸检测是人脸识别的首要环节,它所处理的问题就是确认所输入的图像信息中是否存在人脸,若检测出人脸图像,则可对存在的人脸进行定位。     

人工智能开启安防新篇章 人脸识别奏响新科技号角

正近年来,随着人工智能、深度学习等技术的快速发展,人脸识别也迎来了爆发期。人脸识别技术是计算机视觉研究领域一个已经存在了很长时间的重要课题,早期主要应用于公共安全领域,随着近年来人脸考勤、人脸通过等应用的普及,人脸识别在智能交通、智慧医疗、楼宇对讲、金融教育、平安城市建设等领域被广泛应用;还可以靠人脸解锁手机、登录支付账户等。可见人脸识别已经在我们的生活中应用非常深入。     

人脸识别技术在治安防控体系建设中的应用探讨

正随着机器学习技术的深度应用和大数据技术的飞速发展,人脸识别技术进入了快速发展期。人脸识别技术广泛应用于安防、金融、交通、教育、医疗、电子商务等场景。人脸识别技术凭借无感非接触式采集等独特优势,使得其在社会治安防控体系建设方面的应用前景越发广阔。一、人脸识别技术发展现状人脸识别是基于人的脸部特征信息进行身份识别的一种生物特征识别技术。与其他生物特征识别方式(指纹识别、静脉识别、虹膜识别等)相比,人脸识别具有自然性、不被察     

基于深度学习的地铁施工作业人员不安全行为识别与应用

为有效识别地铁施工作业人员不安全行为,基于深度学习与计算机视觉技术,提出融合行为和身份识别的不安全行为识别方法。首先,对更快速的基于区域的卷积神经网络(Faster R-CNN)算法进行优化,引入高效通道注意力(ECA)模块提升行为识别的准确性;其次,将基于人脸超分辨率算法的人脸识别方法与行为识别相结合,提升图像像素水平并准确输出不安全行为执行人员相关信息;然后,行为识别与人脸识别并发进行,识别结果回流至数据库最终输出工人不安全行为报告;最后,选取某地铁施工项目的4种不安全行为进行识别方法的实证应用。研究表明：该方法可在地铁施工场景下进行有效应用,不安全行为识别和执行人员身份识别的准确率均达0.85以上,具有较高的准确度。