“一人一档”的版本间的差异
来自China Digital Space
| 第11行： | 第11行： | ||
假设辖区常来常往 100 万人，所谓的一人一档就是要把路人库（包括该辖区内 100 万人、从外地过来的人、以及被抓拍的名单库人员）根据人员 ID 进行聚类，梳理成一人一档。一人一档建立在识别引擎之上，我认为它是人脸监控识别的一个终极核心技术，它是识别引擎、大数据和自主学习共同产生的结果。”<ref>[https://chinadigitaltimes.net/chinese/666450.html 中科奥森李子青：「AI+安防」的三个最新技术突破]</ref> | 假设辖区常来常往 100 万人，所谓的一人一档就是要把路人库（包括该辖区内 100 万人、从外地过来的人、以及被抓拍的名单库人员）根据人员 ID 进行聚类，梳理成一人一档。一人一档建立在识别引擎之上，我认为它是人脸监控识别的一个终极核心技术，它是识别引擎、大数据和自主学习共同产生的结果。”<ref>[https://chinadigitaltimes.net/chinese/666450.html 中科奥森李子青：「AI+安防」的三个最新技术突破]</ref> | ||
| + | |||
| + | 基于人脸识别技术的“一人一档”是当前在人像管理中常见的应用场景，通过对道路卡口摄像头采集的数据集进行聚类归档，从而建立人像档案，并将各个档案打上标签，首先是人脸聚类，是指对前端摄像头收集来的人脸照片进行分类，将同一个人的照片聚为一类，然后建立每个人的个人档案。“一人一档”在智慧城市，智能安防等诸多领域都有广泛应用。然而，城市中各个卡口每天收集到的人脸图片数量高达千万级，在庞大的数据集中，要快速又精确的完成对人脸的聚类并非易事。<ref>[https://juejin.cn/post/6844904066758230030 掘金：Milvus在云从的深度实践 作者：Zilliz]</ref> | ||
| + | |||
<!-- | <!-- | ||
############################################################################################# | ############################################################################################# | ||
2021年6月24日 (四) 14:44的版本
一人一档是人脸监控识别中一个终极核心技术，它是核心算法和大数据产生的结果。通过一人一档可以做很多事情，例如动态人脸识别、目标检索、目标轨迹、关系网络认可。
中科院生物识别与安全技术研究中心主任、中科奥森首席科学家李子青教授：“安防视频大数据系统中，有路人库（抓拍）和名单库。路人库是增量存储的，前面分析了数据规模，一个月累积可能百亿级甚至千亿级规模，名单库中可能有 20 万人或更多（比如包括常住人口）。
假设辖区常来常往 100 万人，所谓的一人一档就是要把路人库（包括该辖区内 100 万人、从外地过来的人、以及被抓拍的名单库人员）根据人员 ID 进行聚类，梳理成一人一档。一人一档建立在识别引擎之上，我认为它是人脸监控识别的一个终极核心技术，它是识别引擎、大数据和自主学习共同产生的结果。”[1]
基于人脸识别技术的“一人一档”是当前在人像管理中常见的应用场景，通过对道路卡口摄像头采集的数据集进行聚类归档，从而建立人像档案，并将各个档案打上标签，首先是人脸聚类，是指对前端摄像头收集来的人脸照片进行分类，将同一个人的照片聚为一类，然后建立每个人的个人档案。“一人一档”在智慧城市，智能安防等诸多领域都有广泛应用。然而，城市中各个卡口每天收集到的人脸图片数量高达千万级，在庞大的数据集中，要快速又精确的完成对人脸的聚类并非易事。[2]
