AI 보안 보고서, 주차장 관리 시스템의 8 가지 동향 및 8 가지 마감일 해독-Tigerwong

, Gpu는 주로 데이터 센터에서 사용됩니다. 단점은 높은 전력 소비입니다. 보안 응용 프로그램에서 GPU 칩은 기본적으로 nvidia에 의해 독점됩니다. 보안 산업의 GPU 칩은 nvidia에 의해 독점됩니다. Gpu와 비교하여 FPGA 중앙 추론 및 데이터 센터도 널리 사용됩니다. Fpga는 전력 소비에 명백한 이점이 있습니다. 보안 응용 프로그램에서 주요 FPGA 제조업체는 xilinxintel, 원래 Altera 등을 포함합니다. 엔드 투 엔드 애플리케이션의 다양성과 복잡성 및 높은 비용 성능의 요구로 인해 asic은 주로 엔드 투 엔드 추론에 사용됩니다.

Cambrian, Hisilicon, 수평선, bitcontinental 등과 같은 많은 ASIC 제조업체가 있으며 많은 솔루션이 동시에 제공됩니다. 2018 보안 시장에서의 ASIC 경쟁은 매우 치열합니다. 그 중에서도 hisilicon의 레이아웃은 매우 집중적이며 딥 러닝은 인공 지능의 핵심입니다. 소프트웨어 프레임 워크 기술은 Amazon, Microsoft, Google 및 baidu와 같은 기술 거인의 손에 여전히 있습니다. 응용 프로그램 개발을위한 통합 소프트웨어 툴킷을 제공하며 알고리즘 프레임 워크는 인공 지능 핵심 생태계 구축의 핵심 링크입니다. 알고리즘의 모듈 식 캡슐화를 실현하십시오.

여기에는 알고리즘 구현을 위해 개발 된 다양한 응용 프로그램 및 알고리즘 툴킷이 포함되어 있으며 상위 응용 프로그램 개발을위한 알고리즘 호출 인터페이스 및 기타 서비스를 제공합니다. 또한 AI 알고리즘 기술 레이아웃을 시작했습니다. 기업의 추가 투자로 보안 산업의 알고리즘 기업은 두 가지 범주로 나눌 수 있습니다. 첫 번째 범주는 Shangtang, Kuangshi, Yuncong, Yitu, Zhongke 탐정 및 기타 CV 기업입니다. 두 번째 범주는 하이캉, 다화 및 유시입니다. 비디오 인식 알고리즘의 정확도가 크게 향상되었습니다.

예를 들어, 얼굴 인식 알고리즘은 특정 조건 하에서 높은 수준에 도달했습니다. 이미지 분류, 객체 감지 등 컴퓨터의 인식률은 인간의 평균 수준을 훨씬 초과했습니다. 4. 제품 및 산업 응용 프로그램 CV 제조업체 및 클라우드 플랫폼 공급 업체도 점차 제품 및 산업 응용 프로그램을 제공하기 시작했습니다. 하이캉, 다화, 유시, 케다, Tiandi Weiye 및 Dongfang wangli와 같은 보수적 인 보안 제조업체 외에도. 기업은 기본적으로 가장자리 지능형 제품의 직렬화를 완료했습니다. 주차장 관리 시스템은 위에서 언급 한 클라우드 센터 제품을 제외하고 가장자리 및 센터 제품으로 풍부합니다.

사용자는 응용 프로그램 서비스에 대한 더 높은 요구 사항을 제시하기 시작했습니다. 현재 산업 상황에서 급진적 인 보안 기업이든, CV 및 클라우드 플랫폼 기업이든, 비즈니스 응용 프로그램에 약간의 개선이 있지만, 여전히 일반적인 일반 응용 프로그램에 의해 지배되고 있습니다. 사용자는 실용적인 응용 프로그램에 더 많은 관심을 기울입니다. 현재 보안 업계에서 "AI 및 보안 없음" 이라는 새로운 추세가있었습니다. AI 보안 산업의 침투와 심층 응용 기술의 연구 및 개발.

현재 모든 보안 모니터링 제조업체가 전체 제품 AI 라인을 보유하고 있으며 모든 제조업체를위한 새로운 전략이되었습니다. AI 보안 산업의 심층적 인 구현으로, AI 보안 분야의 제품 형태와 응용 모드, 특히 비디오 감시 분야에서도 안정되기 시작했습니다. 보안 업계의 AI 기술은 주로 얼굴 인식, 차량 인식, 보행자 인식, 행동 인식, 구조 분석, 대규모 비디오 검색 등에 중점을 둡니다. 전자는 빛과 각도와 같은 제어 가능한 조건을 가진 응용 시나리오를 말합니다. 보안 업계의 AI 응용 프로그램 시나리오는 총검 시나리오와 비 총검 시나리오로 구분됩니다.

주로 차량 총검 및 얼굴 총검; 후자는 일반적인 보안 모니터링 비디오 장면을 나타냅니다. 그 중 총검 장면은 총 감시 카메라 수의 약 1% - 3% 를 차지하고 나머지는 대검 이외의 장면입니다. 감시 비디오 1 총검 장면: 얼굴 식별 응용 프로그램의 핵심 포인트에는 얼굴 캡처 카메라가 장착되어 있으며 얼굴 식별 응용 프로그램은 공공 보안 업계의 직원 통제로 표시됩니다. 캡쳐된 얼굴들은 백-엔드 얼굴 인식 서버에 의해 분석되고 인식되고, 얼굴 블랙리스트 데이터베이스와 비교된다. 인력 통제 응용 프로그램의 향상과 함께 효과가 나타나기 시작했습니다.

예를 들어, 최근 용의자를 포착 한 "멍청한 청 콘서트" 는 총검 장면에서 확인 된 신원입니다. 2 총검 시나리오: 얼굴 접근 제어, 얼굴 빠른 접근 문, 얼굴 출석, 인사 식별 등과 같은 얼굴 인증 응용 프로그램 얼굴 인증 애플리케이션이 점점 더 대중화되고 있다. 희귀 한 얼굴 화이트리스트 응용 프로그램은 많은 산업 분야에서 구현되었습니다. 그것은 기업, 다양한 공원 및 기타 시나리오에서 널리 사용됩니다. 기본 얼굴 인식 응용 프로그램을 실현하는 것 외에도 얼굴 액세스 제어는 사진, 비디오 및 기타 행동을 통해 얼굴 위조를 방지 할 수 있습니다. 그리고 효과적으로 입구 및 출구 직원 및 일일 인사 관리의 안전한 통제를 보장합니다. 3 총검 장면: 차량 인식 애플리케이션 번호판 인식은 "자동차로 사람을 찾는 것" 을 현실로 만듭니다. 차량 인식 기술은 공공 보안 관행에서 가장 성숙하고 효과적인 기술 중 하나입니다.

전국의 주요 교통 도로에서 차량 검문소를 대중화하는 데 도움을줍니다. Shengli는 경찰이 다양한 사건을 해결하도록 도왔습니다. 차량 인식 기술은 번호판을 기반으로 한 1 차 차량 인식 응용 단계부터 차량 유형 인식 및 번호판 인식과 같은 정확한 차량 인식 응용 단계까지 발전했습니다. 4 비 총검 장면: 비디오 구조화 분석 및 신속한 검색 응용 비디오 구조화 된 비즈니스 기능은 비디오에서 자동차, 비 자동차, 보행자 및 기타 움직이는 대상을 분류하고 감지하는 것입니다. 동시에, 작은 타겟 이미지 및 큰 장면 이미지는 비디오 구조화된 분석 및 신속한 검색 애플리케이션을 위해 저장 장치에 추출되고 기록된다. 후속 빠른 쿼리 및 지능형 검색을 위해 편리합니다. 비디오 구조화 서비스를 통해 비디오의 관심 대상의 특성 속성 정보의 신속한 분석 및 추출을 통해 사용자는 케이스 및 이벤트와 관련된 단서를 효율적으로 얻을 수 있습니다. 훌륭한 보안 시대에 비디오 데이터를 보는 것에서 이해까지 홍보하십시오. 5 비 총검 시나리오: 행동 분석 보조 보안의 적용은 주요 지역 예방, 중요한 상품 모니터링, 의심스러운 위험물 및 기타 행동의 기계 식별에 적용될 수 있습니다. 또한 사람들의 비정상적인 행동을 경고 할 수 있으며 행동 분석은 보안 응용 프로그램을 지원할 수 있습니다. 행동 분석 시스템을 통해 직원의 비정상적인 행동을 분석하고 처리합니다.

비디오 감시의 응용 프로그램 효율성을 크게 향상시킵니다. 인공 지능 기술이 급속하게 발전했지만 지능형 보안의 규모 적용을위한 8 가지 제한 요소이지만 생산 및 실제 응용 분야입니다. 여전히 많은 문제가 있습니다. 지난 몇 년 동안 인공 지능의 인기는 매우 높지만 실제로는 "개념 모델" 만 확립되었습니다. "효과적인 활용" 의 이상적인 효과는 달성되지 않았습니다. 이 단계에서는 응용 프로그램의 규모를 제한하는 8 가지 주요 요소가 있습니다: 높은 관심, 알고리즘 시나리오 제한, 높은 배포 어려움, 높은 네트워크 및 보안 요구 사항, 심층적 인 적용을위한 체계적인 최상위 설계 부족, 산업 규범 및 평가 시스템 부족, 더 높은 관심 영향을 보장하기위한 사용자 학습 및 조직" 보안 AI 제품 솔루션의 대규모 적용에는 많은 요소가 있으며 관심이 높습니다. 현재 높은 관심은 많은 이유 중 하나입니다.

일반적인 중형 및 대규모 농촌 공공 보안 비디오 감시 네트워킹 프로젝트의 각 부분의 비용 비율에서, 비용이 보안 개발의 중요한 병목 현상임을 분명히 알 수 있습니다. 이 단계에서 주요 병목 현상이기도합니다. 알고리즘은 매우 제한적입니다. 이 방법의 일반화 능력을 계산하는 인공 지능은 패턴 인식 문제가 직면 한 일시적인 문제입니다. 따라서, 실제 사용시, 트레이닝된 모델의 중립 에너지는 장면 변화에 사용될 때 종종 상당히 감소된다. 장면을 엄격하게 정의하거나 지능형 알고리즘을 지표에 무감각 한 보조 기능으로 배치해야합니다. 지능형 교통 챕터 캡처 및 공항 스테이션에서의 인간 인증서 비교와 같은 유치한 응용 프로그램에서는 모두 특정 엔지니어링 장치 체계가 필요합니다.

이 접근법은 기술이 불충분 한 상태에서 상업적 가치를 효과적으로 실현하지만 단점도 분명합니다. 한편으로 기존 장비의 변형은 건설 비용을 증가시켜야합니다. 전통적인 응용 프로그램에 인공 지능 알고리즘의 침투에 영향을 미칩니다. 반면에, 또한 효과적인 재료 속도를 얻는 효율을 제한하여 알고리즘 지표의 추가 개선에 영향을 미칩니다. 특정 장면에서만 좋은 인식률을 유지할 수 있습니다. 얼굴 인식을 위해 카메라를 배치하는 것은 어렵습니다. 인공 지능에는 종종 특정 장면 요구 사항이 있습니다. 공안부에서 발행 한 정책과 사양을 엄격히 준수해야하므로 얼굴 인식의 적용 공간을 크게 줄이고 건설 난이도를 크게 향상시킵니다.

사고의 수는 점점 더 많은 보고서에 따라 발생했으며, 차세대 인간-컴퓨터 상호 작용 기술은 보안 시스템에 지능형 기술을 적용하여 발전하고 있습니다. 수반되는 문제는 사용자가 데이터, 즉 데이터 시각화의 문제를 신속하게 이해하도록하는 방법입니다. 보안 산업에서의 차세대 인간-컴퓨터 상호 작용은 더 강력한 조작성과 3 차원, 더 강력한 상호 운동을 향한 상호 작용, 그리고 응용 프로그램이 사용자 의사 결정을 주도하거나 지원하는 방향으로 발전 할 것입니다. 따라서, 주차장 관리 시스템의 시스템 설계 및 프로젝트 실습 능력이 수시로 향상된다. 지능형 비즈니스 애플리케이션의 착륙은 합리적인 관심 제어, 자격을 갖춘 건설 품질, 완벽한 데이터 통합 및 지원 관리 메커니즘을 기반으로해야합니다.

그런 다음 지원 시나리오의 알고리즘 및 모델은 데이터를 시각적 사용자 서비스로 변환하는 효과적인 컴퓨팅 프레임 워크에 기반합니다. 지능형 비즈니스 응용 프로그램은 아키텍처, 알고리즘, 컴퓨팅, 데이터, 응용 프로그램, 엔지니어링 및 관리 프로세스를 포함한 체계적인 프로젝트입니다. 체계적인 최상위 설계 능력을 수시로 강화하고 프로젝트 실습 능력을 향상시켜야합니다. 중국은 연간 약 5 천만 대의 카메라를 요구하고 있으며, 비 총검 비디오의 재고는 통계에 따라 점차 적용되며 약 500000 대의 스마트 카메라 만 효과적으로 사용되고 있습니다. 약 1% 만 고려하면 최대 99% 대의 카메라는 "지능" 속성을 부여 할 수 없습니다. 이것은 보안 ai가 방금 기본 단계에 들어갔다는 것을 의미합니다.

비 총검 시나리오에서 인공 지능 알고리즘의 일반화 능력은 보안 구현의 주요 병목 현상 중 하나입니다. 급진적 패턴 인식 방법과 비교하여 딥 러닝 알고리즘의 일반화 능력과 복잡한 시나리오에 대한 적응성은 빅 데이터의 지원으로 크게 향상되었습니다. 지능형 보안의 기술 기반과 제품 통합이 성숙 해졌다, Zhidong 생각. 따라서 다음 단계의 명제는 체계적으로 규모를 정리하는 방법입니다. 도전과 기회가 공존합니다. 기술 수단의 지속적인 혁신에서 제품 형태의 순진한 착륙에 이르기까지 지능형 보안은 여전히 높은 관심, 어려운 엔지니어링 레이아웃, 알고리즘 시나리오의 큰 한계와 같은 많은 문제에 직면 해 있습니다. 심층적 인 응용 프로그램 부족, 이러한 문제를 해결하는 방법은 체계적인 최상위 디자인의 부족과 실질적인 만족의 부족은 지능형 보안 제품 및 솔루션이 실제로 뿌리를 내릴 수 있는지 여부와 관련이 있습니다.