|
|
计算机视觉
3个层次，系统工程方案层、领域任务模块层、基础算法层。
3个学科，图像处理、机器学习、基础数学与模型。
3个场景，近距离（手机、智能硬件、PC等），室内中距离（室内，如办公室、商场、家内，卡口，门口等），室外远距离（道路、公共场所等）。
3个难题，误检较多。漏检问题，例如遮挡、逆光条件、倾斜姿态较大等情况法检测到。速度问题，检测算法速度法完全达到时性，在100ms以内就不错（解决方法，视频关键帧或间隔帧。图像压缩，坐标还原。耗时模块在关键时刻运行，其他时刻做数据关联。）。
系统工程方案层
WEB图像结构化，离线SDK图像结构化，视频关键帧获取、结构化、序列化行为分析、结果图流媒体。性能上高并发、高可用、单张时间尽量在200ms以内（尤其是视频）、准确度。
领域任务模块层
人，人体（检测、关键点、属性分类、行为、识别或者以图搜人），人脸（检测、关键点、属性分类、活体行为、识别）。
车，车辆（检测、关键点、品牌细分类、属性分类、行为，识别或者以图搜车），车牌（检测、样式分类、文字识别）。
文，OCR（图像预处理、基于图像分类、全部文字检测、指定字段定位、文字识别、基于文字内容分类），票据、证件（个人、企业）、证书、车牌、自然场景（内部系统图像、门牌、站牌、物体等）。
物，动物（检测、关键点、品种细分类、属性分类、行为、识别或以图搜动物），物体（检测、关键点、品牌细分类、属性分类、识别或以图搜物）。
事，特定场景检测，如烟火、物体遗留、工业视觉等。
基础算法层
检测分割，定位目标位置、分出目标类别、提取目标关键点、从画面中分割出目标的像素。
分类识别，分类包含3层，大类、属类、细类，检测到目标后，目标品牌或者品种细分类、目标属性分类（颜色、形状、属类等）、静态行为分类、序列行为分类。提取目标特征，结合类别进行以图搜图识别。
图像预处理，图像增强、去雾、亮度调整、倾斜校正等。
领域案例
人脸领域，检测敏感度（人脸倾斜检测）、误检测率，人脸特征提取速度，人脸识别准确度。
车辆领域，车牌准确度、敏感度。颜色、类型、品牌准确度。车辆整体特征与内部局部特征的提取。车辆行为分析。
文字领域，图像质量对文字检测与识别的影响，图像预处理，文字检测的准确度与漏检率，文字识别，文字语义的分析。
上述的结论表明复杂报表Report Master很大程度上能够给市场带来新的活力，让行业良好的发展。数之联专注于大数据与人工智能技术的研发和应用的企业数字化转型服务商,提供大数据审计分析云平台,全链路数据资产管理平台,助力客户提升管理和服务的智慧化水平,实现降本提质增效。https://www.unionbigdata.com/
|
|
发表于 