人脸识别
悠络客人脸识别算法通过跟进神经网络及人脸相关技术的最新研究,结合自身业务的特点,对人脸检测、人脸关键点检测、人脸属性、人脸验证
与识别均进行了深入分析、设计与实现,分析人员特征属性,满足不同场景人员身份识别需求。
优势
拥有大量的实际商业场景数据,基于该数据进行收集、打标签,自研打标系统涉及人脸检测标签、人脸属性标签、人脸姿态标签、人脸识别标签等。自采集数据进行训练,训练的结果更契合实际商业场景。
对各种网络结构、各种代价函数和训练方法进行了分析和实验,积累了丰富经验。建立评估集,侧重点更强调非配合式人脸识别。客户不需要配合摄像头、无感知就能完成相关的业务逻辑。
通过对各种最新神经网络架构的研究,设计了多种模型来适应不同的运行环境,能灵活得运行在服务端、前端工控机、前端嵌入式设备上。
2019年7月悠络客人工智能研究院(ULUFACE)
参加全球最具权威人脸识别算法测试FRVT全球排名前十
FRVT由美国国家标准与技术研究院(NIST)主办,NIST直属美国商务部,主要任务是建立国家计量基准
与标准以提高国家技术基础,改进行业产品和服务。
0.007
0.009
2018年7月悠络客人工智能研究院(ULUFACE)
人脸识别技术MEGAFACE 全球排名前五
MEGAFACE CHALLENGE 是世界上首个旨在评估百万人脸识别算法的比赛由美国华盛顿大学
计算机科学与工程实验室发布并维护。
人形检测
悠络客人形检测算法利用深度学习的相关算法,检测图片中类似人形的区域,可检测的人形模式包括:人头模式,头肩模式以及全身模式。
人形检测算法可用在监控防盗防损、客流分析、热区分析等应用中。
基于视频的人形判断
基于图片的人形判断
利用深度学习算法,让计算机自动学习人形图片中的特征,并通过学习到的特征进行人形判定。
场景
场景
场景
老鼠检测
悠络客采用基于移动轨迹追踪、轨迹正态模式判定、分类器分类的流程管理,采用背影建模、轨迹跟踪、轨迹判定、
模式识别分类等技术,实现对老鼠的精准检测。
行为分析
行为分析的目的在于从一段未经裁剪的视频中检测出包含特定行为的片段并对片段的开始及结束时间进行定位。通过行为分析技术,对视频进行检索与分析,
查找和定位感兴趣的动作。实现门店规范管理、异常行为报警,客户行为分析等需求。
优势
悠络客行为分析采用基于深度学习的时序行为检测技术,相较于传统的人工特征提取方法,3D深度神经网能够更高效的从视频中获取更高质量的时空特征用于特定行为定位。
根据待检测视频是一整段读入的还是逐次读入的,可以进行线上和线下两种应用方法。
应用场景
通常用于单双人场景中出现的异常行为
摔倒
攀爬
推搡
物体识别
物体检测的目的在于从一张图像中判断目标物是否存在,并对存在的目标物确定其在图像中的坐标位置。通过对象检测技术,
规范物品摆放,解决缺货、串货等问题
优势
将图像划分成多个区域,通过卷积神经网络实现对每个区域内容的精准分析。
轻量级的神经网络模型,可以移植到前端设备中使用。
融合目标图像的多种尺寸的特征图,实现对于不同尺寸目标物的检出与定位。
应用场景
常用于对于宏观目标的检测,也可用于对宏观目标的具体类别进一步地识别。
场景
场景
在线咨询
售前咨询
售后服务
咨询/投诉热线
400-821-8888
维修热线
400-821-3529
售后服务中心
微信公众号