10月23日，两年一度的中国国际社会公共安全产品博览会在北京·中国国际展览中心（新馆）拉开帷幕。AI浪潮持续高涨，在此次展会上，不仅传统安防巨头带来大量安防+AI新品，也吸引AI芯片、物联网等领域的诸多厂商带来各自的AI+安防解决方案。
作为终端AI解决方案厂商，耐能（Kneron）今天宣布该公司已经将其先进的人脸识别算法与全球3D传感技术领导厂商奇景光电（Himax Technologies, Inc.）所开发的SLiM（Structured Light Imaging Module）3D传感解决方案整合，提供安防客户业界最佳3D AI安防解决方案。
安博会之奇景光电展台
3D传感技术可应用在不同行业，其中包含消费电子、AR/VR、物联网、工业、汽车及安防等。奇景先进SLiM 3D传感解决方案是Turn-Key解决方案，目前专注于Android智能手机市场，是业界性能最佳的3D传感和人脸识别整体硬件解决方案，搭载该公司设计及生产的衍射光学组件、近红外光（NIR，Near Infrared）传感器，以及独特的3D传感系统整合技术，可在室内外环境中，提供高分辨率、高精确度表现的实时深度传感和3D点云生成。
奇景正与多家顶级智能手机厂以及手机芯片领导厂商合作，目标在2019年将3D应用普及到Android智能手机。随着奇景SLiM 3D传感解决方案日益成熟，奇景已经开发出一颗客制化IC芯片，可以不受平台限制处理3D深度地图译码，进而将SLiM 3D传感解决方案扩张到非手机相关的应用领域。
耐能与奇景相信，两强联手能让3D AI在安防领域发挥更大的作用和价值。目前耐能，正在跟物联网及安防领域的领导厂商洽谈合作，目标在2020年市场上可以看到搭载这个先进3D AI安防解决方案的产品。
目前，耐能的人脸识别算法已在3D传感领域实现高度精确的应用，在2D传感领域的应用则更加广泛。在智能手机领域，耐能的人脸识别算法可提供真人脸部识别与分析功能，即使是入门级智能手机，只要具备百万以上像素的前置镜头，安装软件后即可进行真人脸部识别，排除用照片、视频解锁的风险，并延伸到手机支付等其他应用。而针对智能安防领域，该算法可实时侦测多张人脸并进行人脸识别、身份核对，在离线状态下，终端监控设备也能识别是否为陌生人，而主动通知管理员。
值得一提的是，为满足智能安防领域的可疑人员侦测、危险物品检测、停车场管理等需求，耐能还优化了危险物品识别、车牌识别等技术，不仅能侦测刀、枪等危险物品，用以提升门禁管控、安保服务、出入口安检效率等。同时，提供车牌、车型识别的解决方案，应用在交通监测、停车场管理等领域。
意向客户体验耐能人脸识别算法
面向智能安防市场，耐能力推KDP 720高效能系列NPU，它能处理更高级与复杂的人工智能运算，以及深度学习推理应用，适用于智能安防、机器人、无人机等领域。
此外，在智能手机、智能家居等领域，耐能也布局多时，并推出了差异化的产品与解决方案。依托终端人工智能（Edge AI）、独家可重组技术、整合软硬件解决方案等核心技术，耐能AI芯片的应用之路不断延展。
产业 耐能 奇景光电 3D 传感器 人脸识别 SLiM 安防市场
相关数据
Artificial Intelligence
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）
来源： Russell, S., & Norvig, P. (2003). Artificial Intelligence: A Modern Approach.
Drones
无人机（Uncrewed vehicle、Unmanned vehicle、Drone）或称无人载具是一种无搭载人员的载具。通常使用遥控、导引或自动驾驶来控制。可在科学研究、军事、休闲娱乐用途上使用。
来源： 维基百科
Facial recognition
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。
来源： 维基百科
Deep learning
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。
来源： LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. nature, 521(7553), 436.
Internet of Things
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。
来源： 维基百科
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
猜你喜欢:
- 分析 IoT ESP8266 传感器数据
- 如何在iOS 8中使用Touch ID传感器
- [译] 感知喜怒哀乐：用深度学习构建声音情感传感器
- 使用 Windows 10 中的加速度计（Accelerometer，重力传感器）
- 预测性维护：使用卷积神经网络（CNN）检测传感器故障
- 三维感知与三维数据分析最新进展 - 3D传感&人工智能前沿科技论坛
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
