WiMi Hologram Cloud Inc. kondigde de ontwikkeling aan van een AI-chipsysteem voor gezichtsherkenning met hologrammen op basis van edge computing. Het systeem plaatst herkenning, verwerving en analyse bij de terminal, waardoor enerzijds de optimalisatie van algoritmen effectief wordt verbeterd en anderzijds een privédomein kan worden ingesteld om de gegevensbeveiliging effectief te beschermen. Dit systeem kan worden gebruikt in sommige belangrijke afdelingen en ondernemingen of bij de controle van high-end fabrieken en het veiligheidsbeheer van industrieparken, kantoorgebouwen, flats, enz.

Het is gemakkelijk en veilig in te zetten met een hoog rendement. Het systeem verschilt van traditionele gezichtsherkenning en ID-match. Het laat gelijktijdige gezicht-sporenaanwinst en de resultaten van de gezichtskenmerkenanalyse toe terugkoppelen.

Het verwerft holografische gezichtsgegevens van hoge dichtheid van het onderwerp aan de voorkant: kenmerken, uiterlijk, eigenschappen, verzameltijd, geografische locatie en andere essentiële informatie. Deze kenmerken kunnen worden geïdentificeerd en onderscheiden. Het systeem van WiMi combineert edge computing, AI logica versnelling, deep learning algoritmen, holografische data gain technologie, convolutionele neurale netwerken, gezichtsherkenning en acquisitie om het bestaande beveiligingsvideosysteem samen te voegen en te upgraden.

Het systeem van WiMi, dat een tijdvenster gebruikt voor de bemonsteringsperiode, kan ook worden ingesteld volgens specifieke doelen, zoals kritieke posities, tijd van dienst en geografische ruimte. Als er meerdere monsters zijn in een bemonsteringsperiode, zal het systeem het beste monster selecteren als de laatst bemonsterde informatie. Het systeem zal alle gezichten herkennen als er meerdere gezichten in een steekproefperiode voorkomen.

Voor volledig onherkenbare gezichten hanteert het systeem een negeer-en-blijf-strategie. Het richt zich op het opnieuw vastleggen in volgende frames of andere bewakingscamera's totdat ze worden herkend, waardoor volledige herkenning en gegevensintegriteit worden gewaarborgd en het gebied veilig blijft. Dit systeem kan gestructureerde primaire gegevens leveren voor veiligheidsbeheer en productieveiligheid door dynamische personeelsinformatie met hoge dichtheid te verzamelen en te koppelen aan bewakingsvideo van belangrijke locaties.

Het systeem omvat een videotoegangspoort, een hologramdecoderings- en frame-extractiemodule, een hologramoptimalisatiemodule, een edge computing- en algoritmeversnellingsmodule, een gezichtsacquisitie- en analysemodule, een centrale controlemodule en een gegevensopslag- en meldingsmodule. Videotoegangspoort voor interfaces met bestaande bewakingsvideo. De hologramdecoderings- en frame-extractiemodule behandelt de frames volgens de centrale controlemodule.

De hologramoptimalisatiemodule voert beeldacquisitie en -analyse uit in de geëxtraheerde frames, versnelt de beeldoptimalisatie van de gesampelde frames en stuurt feedback naar de centrale controlemodule. Als er informatie verloren gaat, geeft de centrale regelmodule nieuwe instructies om de informatie te reproduceren. In de ARM-architectuur bevat de edge computing- en algoritmeversnellingsmodule kernrekeneenheden.

Ingebed in meerlaagse CNN's voert de rekeneenheid algoritmische bewerkingen uit bij lage en hoge parallelle rekenprestaties. De module voor het verwerven en analyseren van gezichten verzamelt herkennings-, segmentatie- en extractiegegevens door foto's, geografische informatie en tijdsinformatie te combineren. De verzamelde gezichtsinformatie wordt geanalyseerd op kenmerken, geslacht, leeftijd, etniciteit, maskers en brillen.

De centrale controlemodule realiseert het steekproefproces voor beheer, geïntegreerde controle en beheer van andere modules. De gegevensopslag- en kennisgevingsmodule slaat de verzamelde persoonlijke informatie lokaal op en kan externe systemen op de hoogte brengen overeenkomstig het informatieniveau. De front-end van het systeem krijgt toegang tot de video via een dynamisch holografisch gezichtsherkenningsalgoritme op basis van edge computing, decodeert de video holografisch en detecteert, volgt, vangt en verwijdert de gezichten in het beeld.

Het systeem gebruikt kenmerkwaarden als informatie-identificatie om informatie over voetgangers op te bouwen, waardoor het verzamelen van informatie over mensen wordt voltooid en het beheer van privédomeinen mogelijk wordt gemaakt om het niveau van informatiebeveiliging te verbeteren. Bovendien is het systeem gemakkelijk te implementeren. Het kan op verschillende manieren worden ingezet, waaronder extern, in een rek en mobiel.

Het apparaat kan rechtstreeks op bestaande HD-netwerkcamera's worden aangesloten. Het kan direct aan de voorkant worden gebruikt om een deel van het videostructureringswerk te voltooien, hoogwaardige gezichtsgestructureerde gegevens te verkrijgen en de snelheid en berekeningsdoeltreffendheid van back-end intelligente identificatie en analyse te verbeteren, waarbij de bestaande voorraad camera's volledig wordt benut. Bestaande ongestructureerde video kan direct worden opgewaardeerd tot slimme gestructureerde gegevens via externe bijlagen.

WiMi's edge computing-based holografische gezichtsherkenning AI-chipsysteem kan worden gebruikt in verschillende essentiële situaties, aangezien het high-density dynamische holografische gezichtsopname in complexe omgevingen kan uitvoeren. Het systeem gebruikt een digitale camera met een intelligent front-end voor het verzamelen van gezichtsinformatie en kan voldoen aan een groot aantal vereisten voor het verzamelen van veiligheidsinformatie.