当前位置: 首页 > article >正文

USC 安防平台之移动侦测

随着第四次科技革命的开启,AI技术获取了突飞猛进的发展,视频监控对应的视频分析技术也获取了巨大的发展。

还记得15年前采用人工提取特征做前景背景分离和提取,大部分依赖CPU,最多使用一下TI的DM642 DSP加速,开发难度大并且准确率低。当时比较流行的是Smart Search功能,也就是基于Motion分析,然后画块做匹配。类似下面的做法。

USC 支持了最近20年智能技术,包含最早的Smart Search和最新的大模型(大模型不需要样本就可以用,类似给每个摄像机派一个人7x24小时盯着,而且准确率非常高),当然也包含基于Yolov7系列的预训练模型。也包含了基于Motion的搜索功能。

USC的移动侦测分两种,一种是基于摄像机的移动侦测,一种是基于服务器的移动侦测,基于前端的移动侦测不需要服务器解码并分析,效率会高不少,基于服务器移动侦测会解码然后分析(如果系统有GPU则会使用GPU解码,并使用Intel SSE硬件加速分析motion向量)。

下图是基于前端的移动侦测,收到前端的移动侦测数据后会把移动画到界面。

可以参考如下链接

USC安防平台-移动侦测搜索_哔哩哔哩_bilibili


http://www.kler.cn/a/551186.html

相关文章:

  • MME-CoT:专为评估大型多模态模型CoT推理能力的基准测试。涵盖了数学、科学、OCR、逻辑、时空和一般场景6个领域。
  • 如何在wps中使用AI
  • C++ | 虚函数
  • 【kafka系列】Kafka如何实现高吞吐量?
  • Qt之线程的创建与启动
  • git pull 与 git pull --rebase的区别与使用
  • 【Elasticsearch】`nested`和`flattened`字段在索引时有显著的区别
  • 如何使用 DeepSeek + Kimi 自动生成PPT
  • 深度学习在半导体领域的创新点研究
  • Redis(高阶篇)01章——单线程 VS 多线程(入门篇)
  • 14、《SpringBoot+MyBatis集成(2)——进阶配置XML与注解的灵活运用》
  • Axure PR 9 中继器 02 分页提示
  • Linux下的Python开发环境
  • PySide6 GUI 学习笔记——常用类及控件使用方法(常用类尺寸QSize)
  • Bash语言的测试开发
  • idea 2023.3.7常用插件
  • Typora导出word文件详细安装教程
  • 如何优化数据库Update锁竞争
  • 【Excel笔记_6】条件格式和自定义格式设置表中数值超过100保留1位,超过1000保留0位,低于100为默认
  • 【Python 语法】Python 正则表达式(regular expressions, regex)