澎思无人巡逻警车亮相2019安博会,持续推动面向场景的AI技术研发创新

10月28日,第十七届中国国际社会公共安全博览会在深圳会展中心拉开帷幕。致力于打造全球领先视觉AIoT平台的澎思科技,携全栈计算机视觉技术、全系列AI软硬件产品和全场景的解决方案亮相本届安博会,并重磅发布全新的立体化、信息化社会治安防控体系建设解决方案和澎思无人巡逻警车等面向安防场景的AI创新产品。未来,澎思科技将持续推进AI技术落地,打造智能视图大脑,助力城市数字化转型。

社会治理进入新时代,AI驱动的治安防控体系建设解决方案全新发布

随着平安建设的不断深入,进一步提高社会治理的社会化、法治化、智能化、专业化水平,完善社会治安综合治理体制机制,成为城市规划与管理的紧迫需求和全新趋势。澎思科技依托全自研、全栈计算机视觉技术和全系列软硬件产品,在深圳安博会上重磅推出AI驱动的立体化、信息化社会治安防控体系建设解决方案。

澎思立体化、信息化社会治安防控体系建设解决方案以人工智能(AI)、物联网(IoT)、数据智能(DI)、互联网+、云计算、移动APP等为技术核心,针对立体化、信息化社会治安防控体系的需求特点,实现重点列管场所数据的采集汇聚,基于VPN专网实现数据的整合、传输、应用、运维,并建立统一的系统安全管控,以云为基础、依托多维物联感知大数据碰撞分析技术,以“AI+IoT”为应用理念,为立体化治安防控各层级用户提供多维度场景化AI应用。

澎思立体化、信息化社会治安防控体系建设解决方案以“云治安、慧治安”为建设核心。云治安,旨在构建治安防控数据云,实现治安防控数据全量、实时汇聚,规范、统一治理,为治安防控业务开展奠定数据基础;慧治安,将全面提升应用管理水平,可实现数据智能处理、数据碰撞分析、规范接警出警、便民利民惠民等功能。

基于丰富的、有针对性的AI应用,澎思立体化、信息化治安防控体系建设解决方案能有效保证立体化信息化治安防控、全局实景指挥调度,全面提高治安防控管理、服务与应用水平,打造治安防控体系建设新模式。该解决方案一经推出,便荣获第十七届CPSE安博会金鼎奖,获得来自安防行业的高度认可。

此次安博会,除了推出全新的治安防控体系建设解决方案外,澎思科技还展示了智能人脸识别门禁、智能人脸分析盒、闸机伴侣、智能便携式人像布控系统、智能人像抓拍摄像机、半球型网络摄像机等全系列AI硬件终端,全结构化解析平台、智能人脸分析平台等软件管理平台,以及智慧社区、智慧司法、轨道交通、智慧校园、智慧楼宇等公安领域外的,面向各行业场景的整体解决方案。

面向场景的AI技术研发和创新,澎思无人巡逻警车重磅亮相

在澎思科技展台的另一侧上,有一款新品同样引发关注。澎思科技整合自研计算机视觉语音识别、自动驾驶等全链条技术和行业顶尖硬件设备,带来了一款面向安防场景的AI创新型产品——澎思无人巡逻警车。

澎思无人巡逻警车,具有小身材、全自动、高可靠、可进行深度强化学习等特点,集成了无人驾驶、计算机视觉语音识别分析等前沿技术,以激光雷达、智能摄像头、语音传感器、惯性导航仪等硬件设备,配备了功能强大的中央运算单元,可以在执行任务的同时进行在线学习,不断提高自动巡逻的智能性和精确性,有效提高警力覆盖范围。

澎思无人巡逻警车具备丰富的视频图像处理功能。它可以对采集到的视频进行“全要素解析”,从视频结构化开始自动区分人、车、物,并进行细致的处理,综合分析采集到的视频和音频信息,一旦发现异常情况,将同时发出声光警示威慑,并在线自动接通远程控制中心,实时向后台传输,由后台工作人员核实后,通知附近的警察或安保人员第一时间赶赴现场进行处置。

未来,澎思科技自研的深度学习Visual SLAM将逐步替代3D LiDAR来完成定位导航,消除无人巡逻警车对LiDAR的依赖从而降低成本。澎思无人巡逻警车将持续集成车路协同、多摄像头协同等更多更新的AI技术,改进自动驾驶的软件和算法,不断扩展应用场景,用科技守护安全。

澎思科技拥有全自研、全栈的计算机视觉等软硬件技术,横跨计算机视觉多个研究领域,在不断夯实安防业务主航道的同时,也在不断发掘更多AI技术与各类垂直行业场景的落地结合点,展开面向场景的AI技术研发和创新,适时切入新的赛道。

打造澎思智能视图大脑,助力城市数字化转型

当前,IoT终端产业链已经成熟、AI技术加速落地、5G建设开始试点,技术的发展催生了城市新业态,成为城市发展的新引擎,城市的规划、治理、服务和生活都将实现数字化转型,智慧城市处于变革前夜。

澎思科技整合AIoT、5G、大数据、云计算等全链条技术,打造澎思智能视图大脑,强化智慧城市下数字化资源的有序汇聚、深度共享、关联分析、高效利用,提供实时在线、场景感知、多元普惠的人工智能创新服务。

澎思智能视图大脑集成了澎思全自研、全栈的计算机视觉技术,涵盖人脸识别、车辆识别、姿态识别、语音识别、自动控制、视频结构化等算法集合,技术储备来自以全球计算机视觉深度学习领域顶级科学家申省梅为核心的澎思北京和新加坡研究院团队,此前获得人脸检测和识别、行人检测和跟踪、行人再识别、车辆识别、自动驾驶等十余项计算机视觉领域国际顶级竞赛冠军,并于近期在行人再识别和视频行人再识别等多项数据集上获得世界第一,为公司发力人工智能领域、探索新业务做好技术储备。

澎思智能视图大脑基于AI视觉终端构建城市级传感网络,汇聚融合边端智能设备的海量视频数据,通过人脸识别、车辆识别、视频结构化等技术,整体实现对实时视频图像的结构化分析,生成多维度的数据,为视频增强与行为分析、结构化数据深层挖掘等应用提供基础,实现各要素的关联,挖掘数据价值,构建深层应用,可广泛应用在城市管理、治安防控、指挥调度、社会服务等智慧城市建设的多个场景中。

无论是在安防行业这条主航道,还是做技术边界的延展进入其他垂直行业,澎思科技作为一家专注于计算机视觉物联网技术,提供“以人为核心”行业综合应用解决方案的人工智能公司,都将坚持“行业+AI”的策略,深耕垂直行业,针对用户需求深挖场景,重视应用落地,致力于成为全球领先的视觉AIoT平台,为平安城市、智慧社区、智慧园区、智能交通、智能制造等领域提供优秀的AIoT全产业链的技术和软硬件产品解决方案,推动AI产业化落地进程。

产业无人巡逻警车澎思科技
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

激光雷达技术

自动驾驶车辆传感器的一种,采用激光扫描和测距来建立车辆周围环境的详细三维模型。Lidar 图像具有高度准确性,这使得它可以与摄像头、超声波探测器和雷达等常规传感器相提并论。然而激光传感器面临体积过大的问题,同时,它的机械结构非常复杂。

深度强化学习技术

强化学习(Reinforcement Learning)是主体(agent)通过与周围环境的交互来进行学习。强化学习主体(RL agent)每采取一次动作(action)就会得到一个相应的数值奖励(numerical reward),这个奖励表示此次动作的好坏。通过与环境的交互,综合考虑过去的经验(exploitation)和未知的探索(exploration),强化学习主体通过试错的方式(trial and error)学会如何采取下一步的动作,而无需人类显性地告诉它该采取哪个动作。强化学习主体的目标是学习通过执行一系列的动作来最大化累积的奖励(accumulated reward)。 一般来说,真实世界中的强化学习问题包括巨大的状态空间(state spaces)和动作空间(action spaces),传统的强化学习方法会受限于维数灾难(curse of dimensionality)。借助于深度学习中的神经网络,强化学习主体可以直接从原始输入数据(如游戏图像)中提取和学习特征知识,然后根据提取出的特征信息再利用传统的强化学习算法(如TD Learning,SARSA,Q-Learnin)学习控制策略(如游戏策略),而无需人工提取或启发式学习特征。这种结合了深度学习的强化学习方法称为深度强化学习。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

调度技术

调度在计算机中是分配工作所需资源的方法。资源可以指虚拟的计算资源,如线程、进程或数据流;也可以指硬件资源,如处理器、网络连接或扩展卡。 进行调度工作的程序叫做调度器。调度器通常的实现使得所有计算资源都处于忙碌状态,允许多位用户有效地同时共享系统资源,或达到指定的服务质量。 see planning for more details

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

人脸识别技术

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

图像处理技术

图像处理是指对图像进行分析、加工和处理,使其满足视觉、心理或其他要求的技术。 图像处理是信号处理在图像领域上的一个应用。 目前大多数的图像均是以数字形式存储,因而图像处理很多情况下指数字图像处理。

在线学习技术

在计算机科学中,在线学习是一种机器学习方法。和立即对整个训练数据集进行学习的批处理学习技术相反,在线学习的数据按顺序可用,并在每个步骤使用未来数据更新最佳预测器。

物联网技术技术

物联网(英语:Internet of Things,缩写IoT)是互联网、传统电信网等信息承载体,让所有能行使独立功能的普通物体实现互联互通的网络。物联网一般为无线网,而由于每个人周围的设备可以达到一千至五千个,所以物联网可能要包含500兆至一千兆个物体。在物联网上,每个人都可以应用电子标签将真实的物体上网联结,在物联网上都可以查出它们的具体位置。通过物联网可以用中心计算机对机器、设备、人员进行集中管理、控制,也可以对家庭设备、汽车进行遥控,以及搜索位置、防止物品被盗等,类似自动化操控系统,同时通过收集这些小事的数据,最后可以聚集成大数据,包含重新设计道路以减少车祸、都市更新、灾害预测与犯罪防治、流行病控制等等社会的重大改变,实现物和物相联。

人脸检测技术

人脸检测(face detection)是一种在任意数字图像中找到人脸的位置和大小的计算机技术。它可以检测出面部特征,并忽略诸如建筑物、树木和身体等其他任何东西。有时候,人脸检测也负责找到面部的细微特征,如眼睛、鼻子、嘴巴等的精细位置。

5G技术

第五代移动通信系统(5th generation mobile networks),简称5G,是4G系统后的延伸。美国时间2018年6月13日,圣地牙哥3GPP会议订下第一个国际5G标准。由于物理波段的限制,5G 的网络也将会与其他通信技术并用,包含长距离的其他传统电信波段。

推荐文章
暂无评论
暂无评论~