在人臉識別領(lǐng)域，傳統(tǒng)的人臉特征都是人工選取，例如SIFT，HOG等等，但是人工選取特征是一件非常費力事情，并且選取特征的好壞很大程度上依賴于經(jīng)驗和運氣，而深度學(xué)習(xí)是一種無監(jiān)督學(xué)習(xí)自動學(xué)習(xí)特征的方法，可以更好的表達(dá)樣本。人臉識別以其所具有的非侵入性、便捷性、安全性等特性擁有著廣闊的應(yīng)用前景和科研價值，因此使用深度學(xué)習(xí)方法的對人臉識別進(jìn)行研究，可以在光照、表情、姿態(tài)以及低分辨率等問題進(jìn)行改進(jìn)。成都慧視的AI識別算法也能根據(jù)不斷學(xué)習(xí)以獲得更好的識別能力?；垡旳I算法是無人設(shè)備的“眼睛”。江西RV1126處理板圖像識別模塊電子元器件

據(jù)有關(guān)數(shù)據(jù)顯示，截至2023年3月底，全國機動車保有量達(dá)4.2億輛，其中汽車達(dá)到3.2億輛，但是在2022年我國城市停車位缺口就多達(dá)8000萬，隨著2023年汽車總銷量的增加，車位緊缺度進(jìn)一步增加。我們生活出行的各個場景中都可能看到“停車難、難停車”的景象，醫(yī)院、學(xué)校、商圈、景區(qū)等更是重災(zāi)區(qū)，由此引發(fā)的交通擁堵等問題也讓城市管理者面臨嚴(yán)峻考驗。其實在很多時候，不僅是車位數(shù)量少的原因，更多是車位資源信息不透明，分布安排不合理造成諸多交通麻煩。而AI算法能夠?qū)徑饨煌▔毫μ峁┐髱椭?。河南RK3399Pro開發(fā)板圖像識別模塊國產(chǎn)化芯片工程師以RK3588核心板為基礎(chǔ)進(jìn)行定制開發(fā)，讓攝像頭更加智能高效，能夠輸出高清流的圖像視頻。

通過在傳統(tǒng)監(jiān)控中植入慧視光電RK3399PRO圖像處理板，對監(jiān)控設(shè)備賦能，設(shè)備具有目標(biāo)識別、跟蹤的功能，各個角落的攝像頭還能實時傳輸和收集監(jiān)控數(shù)據(jù)至控制端，幫助及早甚至在危險情況發(fā)生之前發(fā)現(xiàn)危險行為或危險情況并發(fā)出警報。另外，如果再將傳感器放置在工地上或者工人的穿戴設(shè)備如安全帽上，就能實時定位工人位置，工人也能收到危險警報。RK3399PRO作為慧視光電開發(fā)的全國產(chǎn)化板卡，具備高性能、高精度的優(yōu)點，加上成都慧視在目標(biāo)識別領(lǐng)域有著成熟強大的算法，能夠很好的保護工人的安全，防患于未然。

人工智能是計算機學(xué)科的一個分支，深度學(xué)習(xí)、機器視覺是機器學(xué)習(xí)研究中的一個領(lǐng)域。深度學(xué)習(xí)和機器視覺主要是針對圖形進(jìn)行更深層次的挖掘和分析，是人工智能的實際應(yīng)用。而人工智能除了對圖形的處理外，還包括對語音、運動、社交等方面的處理和控制。由于機器視覺主要是對圖像進(jìn)行識別，因此機器視覺在人臉識別、車牌識別等方面得到大量運用。以智能交通行業(yè)為例，機器視覺具有成本低、穩(wěn)定性強、準(zhǔn)確性高、應(yīng)用范圍廣等優(yōu)點，目前已經(jīng)在國內(nèi)外高速公路和公路的交通監(jiān)控系統(tǒng)中得到了大量應(yīng)用,具體體現(xiàn)在車牌識別、車身顏色識別、車型識別、違章識別、車流量統(tǒng)計、流量控制等。為什么要選擇成都慧視開發(fā)的RK3588圖像處理板。

近年來，我國多地智慧城市建設(shè)取得明顯成效，諸多創(chuàng)新技術(shù)和解決方案得到廣泛應(yīng)用。而在智慧停車方面，許多公共場所也開始逐步落地應(yīng)用。一車一桿的系統(tǒng)，智能識別進(jìn)出入車輛，控制車輛進(jìn)出入，統(tǒng)計車位空缺數(shù)，在很大程度上能夠優(yōu)化公共停車場的交通擁堵等問題，能夠提高安全和通行效率。智慧停車閘道裝有車牌識別的機箱，該機箱集攝像頭、圖像處理板、顯示屏、內(nèi)存卡等設(shè)備于一體，其中圖像處理板內(nèi)置車牌識別算法，在攝像頭獲取車牌照片后，板卡算法就能進(jìn)行快速又高精度的信息識別，并上傳數(shù)據(jù)到后端控制中心，能夠有效控制車輛的合理出入，方面管理者優(yōu)化管理。慧視RK3399圖像跟蹤板支持圖像識別模塊識別目標(biāo)（人、車）。河南車載輔助圖像識別模塊接口豐富

慧視光電的圖像處理技術(shù)很先進(jìn)。江西RV1126處理板圖像識別模塊電子元器件

基于深度學(xué)習(xí)的人臉識別方法，以稀疏自編碼神經(jīng)網(wǎng)絡(luò)和softmax分類器構(gòu)建深度層次網(wǎng)絡(luò)為例，并對該深度層次網(wǎng)絡(luò)進(jìn)行了訓(xùn)練。為了驗證深度學(xué)習(xí)方法的人臉識別率，分別在ORL、Yale、Yale-B以及PERET人臉數(shù)據(jù)庫上做算法測評，測試內(nèi)容有softmax分類器人臉識別、深度網(wǎng)絡(luò)頂層微調(diào)算法和深度網(wǎng)絡(luò)整體微調(diào)算法三個方面。對各個數(shù)據(jù)庫的人臉圖像進(jìn)行的預(yù)處理有直方圖均衡化、非局部均值算法、小波變換處理、Retinex圖像增強算法以及同態(tài)濾波算法。另外，使用深度網(wǎng)絡(luò)整體微調(diào)算法對低分辨率問題做了進(jìn)一步驗證。然后利用matlab GUI編程實現(xiàn)一個基于稀疏自編碼神經(jīng)網(wǎng)絡(luò)和softmax分類器的人臉識別系統(tǒng)，該系統(tǒng)的深度層次網(wǎng)絡(luò)的層次和節(jié)點可調(diào)，且具備完整的識別功能。江西RV1126處理板圖像識別模塊電子元器件