品牌故事

创立Vision Semantics的原因

我们相信人工智能是用于增强人类智慧的,而不是取代它。我们提倡人工智能作为提高人类生产力的工具,而不是作为取代人类的工具。2005年,Sean Gong教授预测到了视频数据的增长,并启动了一项为期多年的研究计划,应用机器学习来提升复杂城市环境中的视频分析能力。我们的目标是开展世界领先的研究,并创造出可扩展且可靠的产品,满足商业市场的需求。这就是我们在2007年创立Vision Semantics公司的原因。

我们的工作

想象一下,在像伦敦这样的城市里,需要找到一个失踪的孩子或老人。他们在何处?你将依靠紧急服务来定位他们。公共安全机构有责任保护公民,他们必须迅速找到你所爱的人,这样他们就不会受到伤害。他们还必须找到并追踪其他犯罪的人和试图逃避追捕的人。这些机构需要时刻保持警惕,并拥有及时采取行动的最佳工具。


视频为场景感知带来了一场革命,因为它能够远程地观察场景。很明显,它的影响是如此巨大。如今,我们的手机里都带着摄像头,视频监控摄像机部署在数亿个地方,而且这个数字还在逐年增加。可以这么说,视频无处不在。实际上,全世界产生的视频数量远远超过人们的想象。一个拥有100多万台摄像机(如伦敦)的城市的1小时监控视频数比1922年以来的整个BBC电视档案产生的数据都多。但是,如何在繁忙城市中从多个分布式摄像机网络中找到并定位一个目标人物并进行跟踪? 任重而道远。

人脸识别在受控环境中表现很好

如果使用人脸识别软件跟踪人脸来解决人员搜索的问题,效果如何?根据当前的技术水平,如果单张人脸图像的尺寸小于20x20像素时,人脸识别软件就会失效。一般而言,人脸识别软件适用于单张人脸图像尺寸为300x300像素的情况,至少也要60x60像素。此外,还要满足全正面,良好光线,无运动模糊,无太阳镜,无帽子和帽衫等情况。因此,人脸识别在实际的监控视频中的检测正确率不到10%,尤其是当搜索人数增加时,它的表现会更差。

在大城市中需要行人再识别技术

因此,当行人在不同摄像头之间移动时,不能只依赖人脸还必须使用身体上的特征,这称为行人再识别(Re-ID)技术。Vision Semantics公司在过去十年中率先推出了行人再识别产品,并已在全球范围内进行了商业化应用,它不但能依靠人工智能技术及时快速地找到行人,而且在公共安全机构运营的大规模拥挤环境中达到了非常高的准确率。Vision Semantics公司开创了独特的行人再识别技术,它采用了人机交互式的人工智能算法、迁移学习、强化学习、半监督和无监督深度学习,从而在开放环境中的未知目标域实现快速和可扩展的行人再识别技术。

VSL Inside是行人再识别领域的AlphaGo

民众需要及时找到他们失踪的亲人,并对犯罪行为进行检测和阻止。您需要最好的资源来找到
您所爱的人,并迅速做出反应,消除对公共安全的任何威胁。法律规定的公共安全必须及时找
到人并且进行执法。基于人工智能的行人再识别技术将成为下一代智能城市视频系统的核心。

时间很重要:VSL inside人工智能可以及时找到你要找的人。
我们在伦敦,剑桥和牛津之间的AI三角区建立了我们的公司。

受领先学术研究的驱动,世界级的工程师陆续加入了这家初创公司。在伦敦的总部,我们组建

© 2019 VISION SEMANTICS LTD