简介
技术原理及性能指标技术原理:项目的核心内容是针对海量视频和图像数据进行智能化分析,提取有效的人像信息,实现针对人像信息的大规模高效搜索比对和数据分析挖掘。包括人像检测跟踪、质量评价、特征的提取及压缩、大规模高效人像搜索、基于人像的多维数据融合分析与知识图谱技术。项目主要解决两大技术难点:一是面向智慧城市的应用都是大规模的应用,而大规模的动态人像识别需要解决算法的高精度和算法实现的高效性的双重难题,这需要在理论层面兼顾算法的有效性和计算的高效性之间进行优化和平衡;二是针对智慧城市的大规模应用场景,如何设计出在实践层面上契合业务场景应用需求的技术架构和系统,以满足城市规模下的大算力、高并发、高吞吐量、高实时性、高可用性的业务应用要求。围绕着这两个难点,云天励飞创新性的实现了“端+云”的动态人像系统技术架构,在此架构下汇集机器视觉算法、大规模集成电路设计、大数据分析等多行业技术的积累,实现了完全自主创新技术的人工智能产业化应用系统及端到端软硬件解决方案。
项目已解决的关键技术为:(1)以深度学习人像识别为核心的视觉人工智能技术,解决大规模、复杂视频场景下识别算法的准确性和可计算性的问题;(2)面向深度神经网络加速的低功耗、高性能的硬件IP设计,实现感知智能前置,在动态人像算法具备准确性及可计算性的基础上,确实构建出具备计算能力的实际器件;(3)“端+云”架构的软硬件系统设计及海量人像数据高效搜索技术,主要涉及软件硬件产品设计、海量图像搜索引擎技术等,以解决在视频像图数据结构化后,对人像数据的高效搜索、比对和布控需求。(4)面向海量人像数据的大规模人像的实时聚档与知识图谱分析技术,主要涉及动态聚类算法及调度策略、样本簇特征提取、样本质量评价、档案关系碰撞、非监督学习图模型预测等图像大数据系列算法及技术,即在海量人像高效搜索的基础上,通过对人像数据的分析、挖掘、预测,实现对以人为核心社群关系、活动规律的深入认知,进一步盘活海量人像数据的潜在价值。
性能指标:(1)支持离线、在线两种人脸识别;(2)1:1识别在误报率99.9%,单次比对97.0%;(4)对人脸检测模型的运算速度,在服务器端用使用高准确率模型在图形处理器(GPU)上达到20毫秒每帧,在人像采集端使用低精度模型,不使用神经网络专用加速器情况下达到40毫秒每帧。(5)对人脸特征提取带属性模型(包含年龄、性别、帽子、眼镜、口罩等)的运算速度,在服务器端用高精度模型拟达到单张人脸25毫秒,在人像采集端使用标准精度模型,不使用专用神经网络加速器下实现单张人脸50毫秒;(6)常规场景下基于多维数据的人员聚档准确率超过95%,聚档率超过95%;复杂条件下基于多维数据的人员聚档准确率超过90%,聚档率超过85%