Giảm báo động giả bằng Deep Learning, nó thậm chí đã vượt qua khả năng của con người trong các lĩnh vực xác minh khuôn mặt và phân loại hình ảnh. Do đó, nó đã được đánh giá cao trong lĩnh vực giám sát bằng video cho ngành công nghiệp an ninh.
1. Giải quyết những thiếu sót của thuật toán truyền thống
- Đôi khi, số lớp có thể đạt được trên một trăm cho phép nó xử lý số lượng lớn dữ liệu trong các phân loại phức tạp.
Học tập sâu không đòi hỏi sự can thiệp bằng tay bằng cách này, nó có thể trích xuất nhiều tính năng từ mục tiêu càng tốt, bao gồm các tính năng trừu tượng khó hoặc không thể mô tả được. Càng có nhiều tính năng thì việc nhận dạng và phân loại chính xác hơn sẽ được thực hiện. Một số lợi ích trực tiếp mà các thuật toán học sâu có thể mang lại bao gồm đạt được độ chính xác nhận dạng tương đương hoặc thậm chí tốt hơn so với con người, khả năng chống nhiễu mạnh và khả năng phân loại và nhận biết hàng ngàn tính năng.
2. Thách thức của các hệ thống hiện có
- Các hệ thống giám sát thông thường hầu hết phát hiện các mục tiêu chuyển động mà không cần phân tích thêm. Ngay cả các camera IP thông minh cũng chỉ có thể ánh xạ các điểm riêng biệt trên từng hình một, làm cho việc hiệu chuẩn một số tính năng (ví dụ trán hoặc má) rất khó khăn, do đó giảm độ chính xác.
- Ví dụ như đối với bảo mật chu vi
Các công nghệ khác có thể được sử dụng để cung cấp bảo mật toàn diện hơn. Nhưng tất cả đều có nhược điểm của họ. Các máy phát hiện khí hồng ngoại có thể được "nhảy qua" nhưng cũng có thể bị báo động sai do động vật gây ra. Hàng rào điện tử có thể là mối nguy an toàn, và có giới hạn ở một số khu vực. Một số giải pháp này cũng có thể tốn kém và phức tạp để cài đặt.
Hãy tưởng tượng, ví dụ, một tình huống mà nó tương đối yên tĩnh - một vị trí vào ban đêm, nơi có rất ít xe hơi và những người xung quanh. Ngay cả ở đây, có thể có 50 tín hiệu cảnh báo sai trong một đêm. Giả sử phải mất 2-3 phút để kiểm tra một báo động giả, và chỉ có 3 trong số 50 đảm bảo sự chú ý nhiều hơn - nói mỗi 15 phút. Người bảo vệ cần phải kiểm tra hệ thống và nhìn lại cảnh báo, hoặc ai đó cần được gửi đến địa điểm và nhìn quanh, kiểm tra xem có ai đã thực sự nhập cảnh mà không được phép hay không. Trong hầu hết các tổ chức, chúng cũng cần được báo cáo / ghi lại, cộng thêm thời gian tổng quát dành cho 'báo sai' này. Vì vậy, 50 tín hiệu giả này có thể tốn hơn hai giờ mỗi đêm lãng phí thời gian trong kịch bản đó.
- Học tập sâu, tuy nhiên, tạo ra một sự khác biệt lớn
Với số lượng lớn dữ liệu chất lượng tốt từ máy ảnh và các nguồn khác, như Viện Nghiên cứu Hikvision, và hơn một trăm thành viên làm sạch dữ liệu để gắn nhãn các hình ảnh video, dữ liệu mẫu với hàng triệu chủng loại trong ngành đã được tích lũy. Với số lượng lớn dữ liệu đào tạo có chất lượng này, mô hình nhận dạng khuôn mặt người, xe và đối tượng ngày càng trở nên chính xác hơn cho việc sử dụng giám sát bằng video.
Dựa trên một loạt các thí nghiệm, độ chính xác nhận dạng của các giải pháp sử dụng thuật toán học sâu đã tăng độ chính xác lên 38% - áp dụng cho ví dụ trước đó, tiết kiệm được gần một giờ mỗi đêm. Điều này làm cho công nghệ học tập sâu sắc trở thành một lợi thế lớn trong giải pháp bảo mật chu vi, với nhiều dòng chính xác hơn, xâm nhập, lối vào và xuất cảnh.
Một ứng dụng khác sẽ là trong trường hợp 'ngã xuống' có thể là một mối đe dọa, giống như một nhà chăm sóc người cao tuổi. Nếu ngưỡng chiều cao được đặt ở mức 0,5m và thời gian 10 giây, ví dụ giải pháp sẽ có thể thấy một người rơi xuống (khi họ đi dưới 0.5m) và có thể gặp rắc rối (nếu họ "ở lại" vì dài hơn 10 giây). Giải pháp sử dụng các tham số thiết lập để so sánh với cơ sở dữ liệu của nó và nâng cao một báo động.
Liên hệ nhà phân phối camera Hikvision chuyên nghiệp theo số 0963 396 247 để cập nhật những sản phẩm công nghệ mới nhất
XEM THÊM NHIỀU HƠN TẠI: https://cameragiamsat247vn.blogspot.com/
0 nhận xét:
Đăng nhận xét