边缘计算：人工智能监控实现人脸识别的技术难点

人工智能系统1秒钟完成的某项“工作”，人类专家需要多长时间？答案是十几分钟。

 在中央电视台和中国科学院共同主办的《机智过人》首播节目中，人脸识别系统“御眼重明”仅用1秒钟就从36张照片中识别出了撒贝宁、江一燕儿时的照片。

这样的“跨年龄识人”究竟有多难呢？

刚刚协助美FBI破获“章莹颖”案的林宇辉警官，完成同样的事，花了十几分钟。

无疑，人工智能人脸识别现下已经远远超越人类的能力。人脸识别的主要学习方法是深度学习，它会把人的主要特征维度进行充分表达，比人的神经元和视觉神经判断要强很多。现阶段的人脸识别可以同时对300万个面孔进行识别，这换做人类是根本不敢想象的。

以山西平安谷信息技术有限公司为例，历经十余年的发展，已成为国内信息安全领域专业从事人脸识别技术和智能视频分析技术研究及其应用产品开发、系统设计的高科技公司。公司核心技术源于清华大学科研成果，与中国科学院自动化研究所合作进行产品化升级改造，于 2012 年步入了产业化道路。平安谷在算法研究过程中，针对于人脸信息收集了海量数据，其中包含各种姿态，各种光照的人脸图像，使得本算法具有姿态适应性强、光线要求低、在大规模数据库上准确度高、实时性好的特点，在实战测试比对应用中，目标人物比对识别率高达98%以上。而这些成就都离不开实践。作为生物识别领域的领军企业，丰富的案例让平安谷累积了亿级人脸识别数据库，而且随着公司的发展，人脸识别数据库一直在不断的更新壮大，这种数据庞大的充满新鲜血液的数据库对于人脸识别算法的进化尤其重要。

在特征点的获取和分析计算中，行业内大多数算法都在做几千个特征点的建模分析计算，而山西平安谷信息技术有限公司的系统已达到了百万个以上特征点的建模分析计算，为亿级人脸建库和亿分之一精确识别的实现提供了最佳环境。公司2014年升级的最新算法通过国际标准人脸识别模板库进行测试，如：FERET人脸数据库、CMU-PIE人脸数据库、YALE人脸数据库。在特定的库容以及比对环境下，已经达到国际领先水平。

目前，人脸识别已被大量运用到人员密集流动性强的地方，如：机场、车站、码头、会展中心、商业街以及旅游景区等，及时发现威胁公共安全的逃犯、恐怖分子，助力减少安全隐患，为治安维稳做出了巨大贡献。

人脸识别在存储应用上 边缘计算解决前期分析难题

在数据分析应用存储所耗费的资源也在随着数据量的逐步增加而增加，对于数据存储的负载加大，应用分析系统能力要求提高，数据使用与抽取安全风险加大，这无疑对人脸识别大范围数据使用有了更高的要求与规范。

人脸识别过程并不简单 边缘计算解决传输难题

虽然目前人脸识别在技术上已不成问题，但实际上需要解决的问题，并不像一些电影中展现的那样容易。

比如在数据收集上，不仅要有图像或视频的抓拍、镜头跟踪、防抖动以及确保更多有效像素等关键技术。在图像、视频的处理方面，还会运用到视频图像的检测技术、人体动态识别技术、图像无线通讯传输技术等等。

其中，将大量数据传到服务器进行识别，会产生不少通信成本，而且相当耗时。边缘计算的使用，即强化摄像头终端的运算处理能，可让其所搭载的人脸识别功能不再依赖云端服务器，避免耗费时间上传图像，节省了大量带宽资源。

边缘计算通过在本地设备上直接完成脸部辨识，可以让识别过程缩短至1.5秒内。

上一篇：山西省政府出台相关政策支持加快推进大数据战略实施

下一篇：已经没有了