- Advertisement -
首頁 標籤 臉部辨識

臉部辨識

- Advertisment -

松翰推支援臉部辨識筆電攝影機IC 強攻宅經濟市場

受新冠肺炎疫情影響,全球各地居家辦公與遠距教學的強烈需求,使影像攝影機一躍成為炙手可熱的產品,深耕影像處理技術多年的松翰科技,今年度以來影像視訊晶片業績成長幅度高達119%。因應在家工作(Work From Home)的宅經濟,松翰推出支援微軟Windows Hello v4.1臉部識別登入系統的筆電攝影機晶片SN9C288系列,晶片尺寸小(2mmX5.5mm),微型化符合筆電窄邊框需求、具備線上更新韌體、保障資安隱私的機制、低功耗可節能省電等特性,是後疫情時代,筆電攝影機晶片的方案。 松翰推出的SN9C288高畫質攝影機晶片,為首顆整合RGB-IR/TNR/ WDR技術應用的筆電攝影機晶片,因應遠距與分流工作之便利性與可攜性,筆記型電腦的規格趨向輕薄化,品牌業者採用IPS窄邊框的比例大增,筆電對內建攝影機的晶片尺寸要求愈來愈微小,松翰以硬體架構整合匯流排鎖頻迴路及提升封裝架構使晶片體積微小化,且因應資安需求,搭配RGB IR感測器,導入人臉辨識開機的機制,在高畫質的需求上,透過新版的影像處理演算法,加入RGB-IR雙碼流及提升不同光源與環境的除噪點、突破自動白平衡技術、提升低光源的環境及逆光補償的要求。 除了兼顧高畫質與微型化尺寸,SN9C288筆電攝影機晶片還具備了以下多項特點:韌體燒錄時,不需要在作業系統中安裝其它驅動程式,即可縮短韌體燒錄時間,加速生產效率。線上升級韌體支援USB3.2 ECN FW update及Windows Component Firmware Update,若燒錄韌體失敗,可重新再燒錄且有自動回復機制,使得平台端可以透過USB FW update規格和攝影機進行線上升級。 為提升資安及隱私性,SN9C288高畫質攝影機晶片首創HW privacy功能,在攝影機端支援硬體影像遮罩功能,使用者在不需要實際影像輸出時,可以用遮罩來避免駭客入侵平台端,取得攝影機端的即時影像資料。此外,SN9C288於待機狀態加上斷電機制降低功耗,使待機時耗電小於50mA,達到省電效果。 此次疫情改變人們的生活習慣,遠距工作將成為常態性需求,也帶動筆電的規格提昇與更新,隨著硬體效能的提高及螢幕解析度提升,攝影機解碼晶片在傳輸效能及畫質上都有更高的需求,兼顧資訊安全性、低耗電更是重要功能,松翰推出的SN9C288具備各項優越性能,是客戶的選擇之一。 如欲瞭解更多產品訊息,請聯繫松翰科技業務sales@sonix.com.tw          
0

貿澤供貨NXP兩款處理器 支援進階語音指令/臉部辨識應用

貿澤(Mouser)即日起供貨NXP Semiconductors的i.MX RT106L和i.MX RT106F分頻處理器。這是兩款專門針對特定解決方案設計的EdgeReady裝置,搭載高階的Arm Cortex-M7核心,運作時脈高達600 MHz,分別適用於在各種物聯網 (IoT) 和智慧型工業設計中執行進階的本地化語音指令動作和即時臉部辨識回應。 貿澤電子開售的i.MX RT106L分頻處理器能讓開發人員以輕鬆、低成本的方式將遠場本地化的指令語音控制功能加入到各種IoT、智慧型零售業和智慧型工業裝置之中。i.MX RT106L處理器採用NXP用於自動語音辨識的統包式解決方案組合,內含類比前端DSP、媒體播放器和串流器,以及用於本地化指令和喚醒詞的自動語音辨識引擎。本處理器整合於適用本地化語音控制的SLN-LOCAL-IOT解決方案,這套方案是全整合式的軟硬體解決方案,能讓OEM快速開發具備低延遲私人語音控制功能的產品。 貿澤供貨的NXP i.MX RT106F分頻處理器是特別針對臉部辨識應用所設計的。處理器隨附授權,能執行完整的NXP OASIS執行時期程式庫來進行臉部辨識,允許開發人員運用一整套的功能組合,包括攝影機驅動程式、臉部偵測、信賴度測量以及許多其他關鍵工具。此外,i.MX RT106F處理器還是適用臉部辨識的SLN-VIZN-IOT解決方案的核心。這套方案是一套完全獨立運作、開箱即用的軟硬體平臺,能大幅縮短臉部辨識裝置的上市時間。
0

訊連將亮相2020 CES展出臉部辨識等新智慧應用

AI臉部辨識廠商訊連科技將於CES 2020中,展出旗下FaceMeAI臉部辨識引擎及最新應用,包含智慧安控、智慧零售、智慧居家、智慧辦公室等多種IoT/AIoT應用場景。CES為全球最大的消費性電子展,展出時間為2020年1月7日至10日。訊連科技攤位位於拉斯維加斯會展中心南二館(LVCC South Hall 2),攤位號碼25555。 訊連科技董事長暨執行長黃肇雄表示,訊連科技將於CES 2020展會上,為來賓展示FaceMe的臉部辨識科技,並攜手合作夥伴,展出實際應用。人臉辨識與邊緣運算已為當今AI之最主要應用之一,訊連科技開發的FaceMe AI臉部辨識引擎,其高精準度與彈性效能,可協助客戶打造多樣化的臉部辨識解決方案。 FaceMe為全球AI臉部辨識引擎,可提供硬體製造商及系統整合商在各式智慧應用中導入臉部辨識技術。FaceMe具備高彈性、高辨識度和高效能,可應用在各種IoT/AIoT裝置及場景,如智慧安控、智慧門禁、智慧零售、智慧家庭等。FaceMe自發表至今,已與全球數百家客戶合作,取得眾多成功案例。於CES 2020中,訊連科技將展出FaceMe臉部辨識之最新功能,以及與研華科技、宏碁雲端等合作夥伴打造的AIoT解決方案。 FaceMe可精準偵測及辨識人臉,正確辨識率高達99.82%,於全球知名NIST臉部辨識技術基準測試中,準確度名列全球頂尖開發團隊之列。於智慧安控、門禁、智慧家庭等場景,可辨識出現於IPCam攝影機、門禁系統及智慧門鈴之人臉,進行門禁管制或黑名單警示。此外,FaceMe可分析年齡、性別、情緒等臉部特徵,於智慧零售場景,可協助開發商建置人流分析、VIP及黑名單管理、分眾化電子看板廣告、Kiosk智慧資訊站及智慧機器人等多種解決方案。 FaceMe可支援Windows、Linux、Android與iOS等跨平台系統,並針對多種硬體系統優化,包含IntelMovidius、OpenVINO、nVidia Jetson等硬體及平台,可靈活整合至安控系統、零售商店攝影機、智慧門鈴、警用攝影機、及服務機器人等不同硬體裝置中,實現不同產業的AIoT應用需求。
0

產業需求紛湧現 AI鋒頭銳不可擋

從網路上可看到一則小故事,晉朝時有一位叫王質的樵夫,有一天他到信安郡的石室山(今浙江衢縣)去打柴。看到一童一叟在溪邊大石上下圍棋,於是把砍柴用的斧子放在溪邊地上,駐足觀看。看了多時,童子說:「你該回家了。」王質起身去拿斧子時,一看斧柄已經腐朽了,磨得鋒利的斧頭也鏽得凹凸不平了。王質感到非常奇怪,回到家裡後,發現家鄉已經大變樣。無人認得他。提起的事,有幾位老者都說是幾百年前的事了。原來,王質誤入仙境,遇到了神仙,仙界一日,人間已百年。 這個故事本來是說凡人的壽命短暫,需要多做好事修煉成仙,才能達到世人渴望長生不死的願望。不過換個角度想,圍棋這種遊戲讓連神仙來下也要思考這麼久,可見得圍棋是多麼難的一種遊戲。網路上還說到北宋科學家沈括在「夢溪筆談」中曾粗略估算過棋局的變數,稱「盡三百六十一路,大約連書萬字四十三,即是局之大數」,也就是指3的361次方,這實在是一個天文數字。 這是什麼一個概念,天上的星星總數大約是10的23次方,而3的361次方相當於10的170次方再乘上2,這可是比天上星星的總數後面還要乘上好幾百個零的倍數。所以說圍棋要下得好,不僅僅要會算,還要有策略,更需要有大局觀的視野。就是因為圍棋這麼難,所以電腦棋藝遊戲裡,圍棋這種遊戲很難達到高手的境界,不是棋藝太差,就是速度太慢,但AlphaGo的橫空出世,改變了電腦在整個圍棋遊戲的地位。 AlphaGo展露深度學習效能震驚圍棋界 在圍棋上AlphaGo用三個步驟贏遍人類,第一步驟是規則學習(Policy Network),學習人類所有頂尖的棋譜,用以模仿高手的招式。第二步驟是招數學習(Value Network),評估所有招數優劣,用以判斷不同招數在這個棋局的獲勝機率,第三步驟是布局學習(Tree Search),用來分析棋局的各種可能變化,並推演棋局未來的可能演變,用以決定落子的位置。 AlphaGo這個做法可說是第一次讓電腦模擬人類神經網路(Neural Network),並用深度學習(Deep Learning)的方法來學習下棋的頂尖招數,這個做法就好像武俠小說中的東方不敗,學會了葵花寶典的武功,成為了天下第一的武林高手。不過進一步的想,東方不敗只是一時的高手,卻不能列為頂尖的武林宗師,原因就是他的武功是學來的而不是自己創的。 AlphaGo的強大也是看人類棋譜深度學習的結果,如果棋譜有錯,它也會出錯,如果人類故意輸入錯誤的棋譜,它就會錯得離譜。而且AlphaGo雖然下棋厲害,但除了下棋,其他都不會,只能算初級的人工智慧不會威脅到一般人的生活。但是,開發AlphaGo的DeepMind團隊,緊接著推出AlphaGo Zero,那可不是同一個技術水平的創作。 原本的AlphaGo事先需要人工輸入大量的資料來學習,就像有些模擬人類神經網路的電腦如果要來判斷圖片中那些是貓那些是狗,需要匯入大量的圖片,並且需要人工事先定義圖片內容再輸入關鍵字,萬一將獅子Key成貓,電腦就埋下Bug種子,而且這種工作量實在太大了,變成了勞力密集工作,讓人感覺這種人工智慧(Artificial Intelligence, AI)有點Low。 AlphaGo Zero採用機器自我學習(Machine Learning)的方式來開發下棋應對方式與布局招數,只要講好遊戲的規則,它可以自我模擬對弈,以電子的速度短時間內自我對戰5,000萬次並學習出最佳的策略,進而開創出人類無法想像的對應招數與布局方式。DeepMind團隊在網路上化名試著與人類60位圍棋高手下棋,AI完勝人類。 到了後來,再拿新的AlphaGo Zero與原本的AlphaGo對奕,結果100:0,打得曾經戰勝人類棋王李世乭的AlphaGo毫無招架之力,到這個時候,AlphaGo Zero的棋奕能力與人類的差距,就好像猴子看不懂人下什麼棋一樣,AlphaGo Zero棋力已經自我演化到人類無法想像的境界了。 AI應用紛問世 監控領域為大宗 以模擬人類神經網路來深度學習(Deep Learning),再加上機器自我學習,這就是進階的AI人工智慧。目前一般市場上所說的AI,大都是指這種有自我學習能力的人工智能,而這樣的技術已經不只是用在下圍棋這件事上。 在2018年Google I/O的盛會上,Google就發表了幾個AI運用的例子,一個有意思的技術是關於如何利用AI在影片中將雜亂的「吵架聲」區分開來。這個技術如果用在通話,那麼不論講話的人在吵雜的工廠內還是喧鬧的演唱會上,雙方都可以聽到對方乾淨的聲音。 如果用在監控領域裡,那麼可以隨意點選錄影檔中講話的人物,不論當時錄影的背環境多麼喧譁嘈雜,都可進一步還原並聽清楚講話的內容,這對警方辦案將會是一個偉大的助力。 另外,Google I/O還展現了利用AI人工智慧技術發展而來的語音助理,在Google所公布的影片中可以看到Google I/O利用新的連續對話(Continue Conversation)與多工回應(Multiple Action)技術,不但能記住你以前講話的內容,還能分析談話的邏輯與可能想表達的意思,就算要理解人類說話中不容易瞭解的複合句也不是問題,甚至Google I/O還能模擬人類說話的語調與心機策略,幫忙使用者與理髮店服務人員談判預約最佳的理髮時間,這個技術對於需要有大量客服人員服務的公司來說,無疑是未來服務模式的最佳選擇。 美國輝達公司(NVIDA)近期也發表了如何利用AI人工智慧,在錄影影片中補上新圖像的技術。只要給它一組24個連貫畫面,就可以在每個畫面間隔之間補上10個新的畫面,原本的24FPS影像,就變成了240FPS影像,在慢動作播放的時候看起來依然流暢。 同樣的AI人工智慧技術也用在低畫質影片的補強上,美國聯邦調查局(FBI)就經常使用AI人工智慧的影像補強技術來分析監視錄影系統所收錄到的影像,從中找到犯罪的線索,進一步協助辦案人員偵破犯罪的罪行。 在日本,東京都的警察機關(東京警視廳)2002年開始導入自動車牌辨識系統(ALPR),這個做法大幅度下降了原本居高不下的竊車問題,而現在最新的AI人工智慧技術,讓原本的ALPR系統除了辨識度更加準確以外,還增加了大數據分析功能,針對偵查鎖定的車輛不但能繪製出過去的行動軌跡,還能預測未來可能行經的路線,對於犯罪的偵防擁有莫大的幫助。 最近火紅的人臉辨識技術(Face Recognition)也是炙手可熱的話題,在很多影片中都可看到中國大陸的公安部門,例用人臉辨識技術抓到隱藏群眾之中的通緝要犯,甚至還可以在群眾之中找出以往帶頭鬧場的問題人員,事先壓制囂張的氣焰。在商業上,利用人臉辨識技術來做門禁管理,甚至是購物記帳、寄物領貨、提錢轉帳等,更是如過江之鯽不勝枚舉。 CPU效能大增驅動AI發展 其實模擬人類神經網路來深度學習的技術並不是新的發明,早在上個世紀,1960年代美國麻省理工學院電子工程與計算機科學教授Marvin Minsky就創立了人工智慧研究室,後來還因為在人工智慧領域的卓越貢獻,獲得電腦界最負盛名的獎項,有「電腦界諾貝爾獎」之稱的圖靈獎(ACM A.M....
0

有效降低失蹤人口數 臉部辨識應用/需求看漲

在人工智慧的協助下,臉部辨識技術於不同環境中的辨識能力都已大幅提升,包括隨機(Wild)影像,以及使用者為了身分驗證而刻意捕捉的影像。根據Gartner發布的2019年企業IT與消費者十大預測,在人工智慧臉部辨識功能的協助下,2023年成熟市場裡的失蹤人口,將比2018年減少80%。 美國情報高級研究計畫署(IARPA)在2017年的IARPA臉部辨識準確度獎金挑戰賽(FRPC)即指出臉部辨識技術確實有所提升,該競賽首獎由上海新創公司「依圖(YITU Technology)」抱走。依圖的辨識技術與微軟Azure雲端運算平台進行整合,其領先業界的資料庫配對系統可以在3秒內搜尋超過10億筆紀錄。 除了應用於辨識人臉外,非洲國家也已開始試用臉部辨識技術來尋找走失的動物。舉例來說,阿里巴巴正和肯亞共和國的觀光與野生動物部合作,使用臉部辨識技術搭配物聯網(IoT)來保護園區裡瀕臨絕種的大象、犀牛和獅子。 臉部辨識實際應用結果顯示,即使樣本數量大,一對多比對的辨識速度仍然表現突出(低於600微秒),且誤漏和誤認比例都在可以接受的範圍內。不過這樣的測試仍無法立即用於多數應用,因為模型的開發相當耗時,而影像比對也必須先擁有影像辨識集才能做到,這跟「現場」辨識是不一樣的產品架構;但至少對於從影像庫中辨識失蹤的人口依然有用,因此百度等臉部辨識技術供應商,正在開發預測準確度更高的技術。 此外,臉部辨識技術也能拿多年前拍攝的照片進行比對,根據父母長相來評估此人是否就是當年失蹤兒童的可能性;2017年,中國大陸即有個孩子在失蹤27年後,因臉部辨識技術而被尋獲。 臉部識別應用增 比對/分析技術持續革新  我們預測未來幾年將有更多影像辨識被應用於協尋失蹤人口,尤其是尋找那些非自願性失蹤,但因為年幼無知,或年事已高、身心障礙等原因而回不了家的人。不過這項預測並不包括遭逢災禍(例如建築物傾倒和天然災害),或因組織犯罪被害而喪命的失蹤人口。 企業組織將採取更積極的行動來提升臉部比對與分析技術,比如設點讓人成排走過公共及私人攝影機,為的是蒐集資料以利即時辨識人群,並於稍後進行後製處理,或未來在人們失蹤時予以協助。臉部比對和3D臉部成像技術將成為上述弱勢人口(包括兒童、老人或其他殘障人士)資料蒐集裡十分重要的選項,能減少失蹤人口,且毋須針對數量龐大的群眾進行大規模搜尋。 而在未來,當有了更穩健的影像擷取能力、影像圖庫開發、影像分析策略和更高的公眾接受度,臉部辨識技術最重要的突破也將隨之而生。此外,隨著攝影機裝置內部和邊緣人工智慧功能提升,公部門和私人組織將可以預先過濾必要的影像資料,而不必將所有影像串流傳送到雲端才能進行處理。 邊緣運算興起 隱私權挑戰逐漸克服 企業組織可將臉部辨識視為比散布式編碼(Scatter Code)、條碼和RFID標籤更具流動性和可靠的一個步驟,以定位這類系統的同樣方式來管理各個臉部辨識應用的場域,藉此增加可靠的臉部判讀數量。由於演算法和資料會因為年齡、種族和性別而大不相同,所以建議根據所在城市或國家裡失蹤人口的族群特質,來排定演算法和資料收集的優先順序;同時將臉部辨識視為一種生物辨識手段,以深入了解公民和員工在不同環境下的應用洞察。 當然,人們對於臉部辨識涉及的隱私權議題仍存在疑慮。但攝影機技術的發展正使邊緣運算模型的數量增加,進而減少不當蒐集資料的狀況。若法規要求,甚至可以定期清除資料。企業也必須部署邊緣運算方法並強化管理,以便根據在地文化來保障隱私權。不過由於失蹤人口在全球都是個嚴重問題,即使當事人並非因為犯罪事件而失蹤,都會耗費執法資源。臉部辨識只是解決失蹤人口問題這整個大拼圖的一部分,仍需其他如兒童專用智慧手表以及老人用GPS追蹤器等技術共同協助。 (本文作者CK Lu為Gartner資深研究總監;Whit Andrews為Gartner副總裁暨傑出分析師)
0
- Advertisement -
- Advertisement -

最新文章

- Advertisement -

熱門文章

- Advertisement -

編輯推薦

- Advertisement -