• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • AI-baserad visuell teknik som ska tillämpas på övervakningskameror

    Den visuella artificiella intelligensen "Deep View" som utvecklats av forskargruppen identifierar objekt på CCTV:s skärm. Upphovsman:ETRI

    En visuellt baserad artificiell intelligens (AI) -teknologi som utvecklats av Sydkoreas elektroniska och telekommunikationsforskningsinstitut (ETRI) kommer att användas på övervakningskameror för att upptäcka och förebygga brott.

    AI -tekniken Deep View, utvecklad av ETRI, tillämpas för exakt erkännande av mänskligt beteende baserat på analys av lederna i människokroppen i CCTV -bilder. Tekniken spårar exakt rörelser för människor som lägger ner eller kastar föremål, liksom fysiska indikationer på sådana brott som olagligt att slänga skräp. Att använda denna teknik i framtiden kommer proaktivt att upptäcka och förebygga brott och incidenter i stadsområden.

    Än så länge, det har varit mycket svårt att känna igen åtgärder som förekommer i CCTV, eftersom studier om åtgärdsförståelse använde allmänt tillgänglig onlinedata som YouTube -videor. Som ett led i ansträngningarna att lösa sådana svårigheter, ETRI fokuserade på att utveckla teknik för åtgärdsförståelse som kan fungera i den verkliga miljön genom att dra ihop nödvändiga krav och data med lokala myndigheter.

    Med hjälp av djupinlärningsbaserad AI-teknik, ETRI utvecklade en metod för att analysera rörelser i mänskliga leder och rörliga föremål. Till exempel, den kan upptäcka mönster för sopstoppningsbeteenden via maskininlärningsmetoder. Forskargruppen använde djup inlärningsbaserad igenkänningsteknik för att upptäcka platserna för förbipasserande, också.

    Denna nya teknik förväntas avsevärt minska brottsligheten genom att tillämpa visuellt baserad AI-teknik på övervakningskameror

    Den visuella artificiella intelligensen "dipview" som utvecklats av forskarna analyserar formen på en persons leder i videon och känner igen platsen för dumpning av skräp. Upphovsman:ETRI




    © Vetenskap https://sv.scienceaq.com