闪马智能受邀出席高交会 | CEO彭垚:视频异常分析与看得见的城市

本文主要是介绍闪马智能受邀出席高交会 | CEO彭垚:视频异常分析与看得见的城市,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

闪马智能受邀出席高交会 | CEO彭垚:视频异常分析与看得见的城市

城市是人、物、信息多元化汇集的聚合体,规模巨大,环境复杂,“新基建”的一大要旨,就是以科技提升城市数字化治理能力,以人为本,精细化管理。2020年11月12日,闪马智能创始人&CEO彭垚在高交会亚太智慧城市论坛上发表演讲,从道路空间管理出发,探讨新基建业态下,人工智能与城市管理的结合。

在这里插入图片描述

信息流动的场所 看不见的城市

“卡尔维诺有一本书,叫《看不见的城市》,里面讲了55个虚构的概念的城市,主要讲人与城市的一些思考,虽然是文学表达,但也体现了一些东西。城市是人创造出来的,但是城市反过来影响人。总体上,城市实际上是一个巨大的人员信息汇聚和流动的场所。越大的城市,人、信息的流动性就越巨大,但就目前来说,庞大的信息流并没有被完全的纳入监管,许多内容无法被感知,这就导致了我们身边的城市,其实是‘看不见’的。”

视频分析赋能 做城市的观察者

在这里插入图片描述
“城市发展到现在,我们的管理越来越精细化,以前是粗放一点,很多监管是被动式的,要人工的检查上报,事件从发生到发现到处理是很长的链条。城市现在还在高速发展,过程中我们希望它既安全又有序,这就需要创新模式提高效率,需要各行各业的参与,我们正是其中的一员。我们做什么事情呢?我们去接入视频,用人工智能感知能力分析各种各样的异常状况,从而赋能到整个城市管理中。”

平台一体化 打造人工智能工业体系

在这里插入图片描述
“我们自主研发了一整套深度学习模型训练平台,也就是ATOM平台。4年前,人工智能还是停留在一个手工作坊阶段,特别依赖算法科学家个人。所以我就开始搭建一个深度学习平台,希望我们的算法科学家和工程师们可以节省精力,更专注算法优化提升。

我们现在所有算法训练都在ATOM深度学习平台上进行,实现了从模型的训练,到评估、上线,整体的智能化过程。凭借ATOM平台,我们训练了很多行业异常行为模型,获得了2017 ACMMM LSVC竞赛亚军、2018ActivityNet季军等诸多国际竞赛奖项,许多知名大学视频LAB如浙大、上海交大、复旦,来和我们就ATOM进行合作。我们还跟华师大共同合作出了一本本科教材,为未来更高效地培养人工智能人才提供了一些帮助。

在有了很强的建模能力之后,我们必须要有一个从视频抓取管理到最后输出应用的快速落地平台,就是VIsion Mind视频智能分析平台。它有视频接入管理功能,可以把包括整个城市里、互联网上的的各种格式、各种协议、各种平台的视频统统接入,然后做整个统一的工程化的视频管理。

同时,它还是一个数据分析引擎,装载着300多种算法应用,可以赋能到各行各业,包括城市交通、环境治理、岗位管理、大客流、内容安全等,应用的反馈结果也会汇集到平台上,为下一步的迭代优化做准备。”

落地交通场景 聚焦道路全空间管理

“道路是城市发展的血脉,需要更高效主动的管理模式。比方说过去车抛锚或者出事故了,要电话打到警察叔叔这边,他们知道这些信息以后,再想办法去解决处理,这样就比较被动。另外,道路交通管理需要综合考量,公安是其中一环,还有路政、环保、城管等其他建设部门,他们管理路上各种设施、设备、环境,这些也属于交通范畴。闪马智能通过AI视频异常发现,从各部门角度,提供整套分析服务,整合推送给各个管理职能机构。”

流量全面感知

在这里插入图片描述
“交通流量感知,包括对行人、机动车、非机动车等综合流量的智能感知分析。比如之前外滩跨年的时候,交通流量非常大,我们的系统就实时告诉交警,要去哪里对流量进行限制。之后我们还要融合更多设备,去做一个更全面的优化,像信号灯配置,包括像路设整体优化,交通保障、客流风控等等,做整体的全域立体管理方案。”

违法全面打击

在这里插入图片描述
“我们实际通过AI赋能城市旧有的摄像头,可以实现全程全覆盖的智能违法抓拍。这张图只罗列了以机动车为主的违法识别算法,当然我们还有很多非机动车的算法,共有三十几种违法类型。不同的道路场景适用不同的违法类型,目前我们基本实现全场景覆盖,形成全程、全路网的违法打击。许多前端厂商,像海康、大华,他们更倾向于研发面向路口的电子警察设备,而我们是实现包括路口路段的全路网智能分析。不仅如此,由于场景覆盖率高,我们还能实现场景联动,更好地判别行车动向,达到全程监管。”

事件高效处理

“这里说一下闪马的交通异常事件感知系统。道路上总会发生一些事件,比如说两车相撞,比如说单车事故,比如说道路遗留物,这种事件可能会导致比如说拥堵、连续事故等的产生,所以及时处理非常必要。我们实时发现城市、高速上全路段、全路网的异常,自动生成预警,将管理时间差缩到最小,改变了原来被动报警才能去解决的一个模式”

秩序长效治理

“前段时间有个文章,写很多外卖小哥为了赶时间去闯红灯,造成了交通事故。这种事故发生的不少,监管部门也很关心这个问题,我们闪马为此就做了外卖、快递的非机动车监管,在平湖有一个落地应用。通过视频分析可以比老方法找到更多的非机动车违法行为,再通过号码牌关联和人脸识别去定位到人,形成一个档案,也方便后续的治理。
秩序的长效治理中也包括特种车辆监管,比如像两客一危、渣土车、搅拌车、洒水车、垃圾车、施工车辆等等,通过视频全程分析,我们不仅能跟踪行车轨迹、识别违法行为,还能更深入去了解相关的城市环境问题。像渣土车跑冒滴漏情况,洒扫车的洒扫路径,感知上报违规事件不是结束,还要进行下一步统计,反馈分析结果,发现潜在问题,推动管理计划调整,实现扬尘闭环管理。”

闪马未来城 让城市看得见

在这里插入图片描述
“卡尔维诺描绘了55幅奇妙图景,他的城市是看不见的,是漂浮在脑海里的虚幻城市。而我们闪马智能是通过视频感知,帮助大家了解实时情况,让城市变得真实可见。在闪马智能的官网上,我们放了“闪马未来城”的3D模型,表达了我们理想中的未来城市,实现它是我们的愿景。我们希望整个城市可被大家感知,可被更好地管理。我们也希望用爱和勇气去构建一个更有温度、更美好的未来城市。”

这篇关于闪马智能受邀出席高交会 | CEO彭垚:视频异常分析与看得见的城市的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/663359

相关文章

流媒体平台/视频监控/安防视频汇聚EasyCVR播放暂停后视频画面黑屏是什么原因?

视频智能分析/视频监控/安防监控综合管理系统EasyCVR视频汇聚融合平台,是TSINGSEE青犀视频垂直深耕音视频流媒体技术、AI智能技术领域的杰出成果。该平台以其强大的视频处理、汇聚与融合能力,在构建全栈视频监控系统中展现出了独特的优势。视频监控管理系统EasyCVR平台内置了强大的视频解码、转码、压缩等技术,能够处理多种视频流格式,并以多种格式(RTMP、RTSP、HTTP-FLV、WebS

无人叉车3d激光slam多房间建图定位异常处理方案-墙体画线地图切分方案

墙体画线地图切分方案 针对问题:墙体两侧特征混淆误匹配,导致建图和定位偏差,表现为过门跳变、外月台走歪等 ·解决思路:预期的根治方案IGICP需要较长时间完成上线,先使用切分地图的工程化方案,即墙体两侧切分为不同地图,在某一侧只使用该侧地图进行定位 方案思路 切分原理:切分地图基于关键帧位置,而非点云。 理论基础:光照是直线的,一帧点云必定只能照射到墙的一侧,无法同时照到两侧实践考虑:关

性能分析之MySQL索引实战案例

文章目录 一、前言二、准备三、MySQL索引优化四、MySQL 索引知识回顾五、总结 一、前言 在上一讲性能工具之 JProfiler 简单登录案例分析实战中已经发现SQL没有建立索引问题,本文将一起从代码层去分析为什么没有建立索引? 开源ERP项目地址:https://gitee.com/jishenghua/JSH_ERP 二、准备 打开IDEA找到登录请求资源路径位置

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

嵌入式QT开发:构建高效智能的嵌入式系统

摘要: 本文深入探讨了嵌入式 QT 相关的各个方面。从 QT 框架的基础架构和核心概念出发,详细阐述了其在嵌入式环境中的优势与特点。文中分析了嵌入式 QT 的开发环境搭建过程,包括交叉编译工具链的配置等关键步骤。进一步探讨了嵌入式 QT 的界面设计与开发,涵盖了从基本控件的使用到复杂界面布局的构建。同时也深入研究了信号与槽机制在嵌入式系统中的应用,以及嵌入式 QT 与硬件设备的交互,包括输入输出设

让树莓派智能语音助手实现定时提醒功能

最初的时候是想直接在rasa 的chatbot上实现,因为rasa本身是带有remindschedule模块的。不过经过一番折腾后,忽然发现,chatbot上实现的定时,语音助手不一定会有响应。因为,我目前语音助手的代码设置了长时间无应答会结束对话,这样一来,chatbot定时提醒的触发就不会被语音助手获悉。那怎么让语音助手也具有定时提醒功能呢? 我最后选择的方法是用threading.Time

智能交通(二)——Spinger特刊推荐

特刊征稿 01  期刊名称: Autonomous Intelligent Systems  特刊名称: Understanding the Policy Shift  with the Digital Twins in Smart  Transportation and Mobility 截止时间: 开放提交:2024年1月20日 提交截止日

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者

MOLE 2.5 分析分子通道和孔隙

软件介绍 生物大分子通道和孔隙在生物学中发挥着重要作用,例如在分子识别和酶底物特异性方面。 我们介绍了一种名为 MOLE 2.5 的高级软件工具,该工具旨在分析分子通道和孔隙。 与其他可用软件工具的基准测试表明,MOLE 2.5 相比更快、更强大、功能更丰富。作为一项新功能,MOLE 2.5 可以估算已识别通道的物理化学性质。 软件下载 https://pan.quark.cn/s/57

基于 YOLOv5 的积水检测系统:打造高效智能的智慧城市应用

在城市发展中,积水问题日益严重,特别是在大雨过后,积水往往会影响交通甚至威胁人们的安全。通过现代计算机视觉技术,我们能够智能化地检测和识别积水区域,减少潜在危险。本文将介绍如何使用 YOLOv5 和 PyQt5 搭建一个积水检测系统,结合深度学习和直观的图形界面,为用户提供高效的解决方案。 源码地址: PyQt5+YoloV5 实现积水检测系统 预览: 项目背景