複雜場景抗幹擾學習
實驗室環境下(xià)的AI技術并沒有實用價值。針對各種惡劣環境,建立算(suàn)法學習庫進行抗幹擾訓練。
有效應對:雨雪、積水、蒸汽、射燈、貓狗蚊蟲、樹葉晃動、夜間低(dī)照度、慢(màn)速物體、超小目标、水面反光、陰影、擁擠人(rén)群等二十多種惡劣環境。
原創自主的專家系統與深度學習融合技術,将人(rén)大腦的優勢與機器(qì)學習相結合,并因在原創算(suàn)法的超高準确性率先将人(rén)工智能(néng)技術落地于零售,安防,社區等領域。
2D圖像是一(yī)個平面的概念,沒有距離和深度信息,3D場景中能(néng)夠識别人(rén)與攝像機的距離,車-男人(rén)-女(nǚ)人(rén)之間的距離,由像素距離得出空間距離。
識别視頻流中出現的行人(rén)、車輛的位置和數量,識别目标行進速度與攝像頭之間的距離,并可以對視頻流中同一(yī)人(rén)員跨攝像機進行行動軌迹追蹤與分(fēn)析。
建立萬種全面精準的肢體運動能(néng)量模型,人(rén)體模型檢測:面部、頭部、肩部;肢體模型檢測:手臂、腿部、腳、手。
實驗室環境下(xià)的AI技術并沒有實用價值。針對各種惡劣環境,建立算(suàn)法學習庫進行抗幹擾訓練。
有效應對:雨雪、積水、蒸汽、射燈、貓狗蚊蟲、樹葉晃動、夜間低(dī)照度、慢(màn)速物體、超小目标、水面反光、陰影、擁擠人(rén)群等二十多種惡劣環境。