Documente Academic
Documente Profesional
Documente Cultură
Introducere:
utilizează IA pot identifica și urmări acum oameni, vehicule sau elemente specifice de interes.
Această tehnologie este foarte importantă în identificarea potențialelor amenințări și
monitorizarea mișcărilor în zona de supraveghere.
Algoritmii IA pot declanșa alerte când apar activități neobișnuite sau suspecte. Acest
lucru îmbunătățește detectarea amenințărilor și securitatea. O altă aplicație valoroasă a IA în
supraveghere este recunoașterea numerelor de înmatriculare. Sistemele IA pot citi și recunoaște
plăcuțele de înmatriculare de pe vehicule. Această capacitate oferă informații folositoare pentru
gestionarea traficului, aplicarea legii și controlul accesului. Analiza comportamentală a
inteligenței artificiale ajută la identificarea acțiunilor agresive sau a comportamentului
neobișnuit al persoanelor în spațiile publice. Inteligența artificială utilizează date înregistrate
precedent pentru a putea anticipa potențiale incidente prin facilitarea măsurilor proactive de
securitate.
Prezentarea conceptului
Acum 10 ani, niciun echipament nu putea oferi cu precizie recunoașterea limbajului sau
a imaginii la nivel uman. Dar, așa cum arată graficul, sistemele de inteligență artificială au
devenit constant mai capabile și acum depășesc performanța umană în teste în toate aceste
domenii.
Un tip specific de rețea neurală adesea folosit în recunoașterea facială este rețeaua
neurală convoluțională (CNN). Acești algoritmi utilizează matematică și date de imagine
pentru a determina conținutul unei imagini. Pe măsură ce fotografia este trecută prin trei sau
mai multe straturi, rețeaua neurală convertește imaginea în date numerice și apoi simplifică
gradual acele date. Stratul final al rețelei neurale, numit stratul complet conectat, furnizează în
cele din urmă o categorie sau o clasificare pentru imagine.
Recunoașterea facială este procesul de identificare a unei persoane dintr-o imagine sau
flux video, iar detectarea feței este procesul de identificare a unei fețe într-o imagine sau flux
6
video. În cazul recunoașterii faciale, fața unei persoane este recunoscută și diferențiată pe baza
trăsăturilor faciale. Aceasta implică tehnici de procesare mai avansate pentru a identifica
identitatea unei persoane pe baza extragerii punctelor caracteristice și algoritmilor de
comparație, și poate fi utilizată în aplicații precum sisteme automate de prezență sau verificări
de securitate. În timp ce detectarea feței este un proces mult mai simplu și poate fi utilizată în
aplicații precum etichetarea imaginilor sau modificarea unghiului unei fotografii în funcție de
fața detectată, este pasul inițial în procesul de recunoaștere facială și reprezintă un proces mai
simplu care identifică pur și simplu o față într-o imagine sau flux video.
Prelucrarea imaginilor de către computere implică procesul de viziune pe
calculator(Computer Vision). Acesta se ocupă de o înțelegere avansată a imaginilor sau
videoclipurilor digitale. Cerința este să automatizeze sarcini pe care sistemul vizual uman le
poate realiza. Astfel, un computer ar trebui să poată recunoaște obiecte precum fața unei ființe
umane, un stâlp de iluminat sau chiar o statuie.
Calculatorul citește orice imagine într-un interval de valori cuprins între 0 și 255. Pentru
orice imagine color, există 3 culori primare - roșu, verde și albastru. Se formează o matrice
pentru fiecare culoare primară și mai târziu aceste matrice se combină pentru a furniza o valoare
de pixel pentru culorile individuale R, G și B. Fiecare element al matricilor furnizează date
despre intensitatea luminozității pixelului.
Fiecare algoritm de învățare automată primește un set de date ca intrare și învață din
datele furnizate, ceea ce înseamnă în principal să învețe algoritmul din intrările și ieșirile de
date. Algoritmul identifică modelele din date și furnizează algoritmul dorit. De exemplu, pentru
a identifica a cui față este prezentă într-o imagine dată, mai multe aspecte pot fi luate în
considerare ca modele:
• Înălțimea/lățimea feței.
• Înălțimea și lățimea pot să nu fie fiabile, deoarece imaginea ar putea fi redimensionată
pentru a avea o față sau o grilă mai mică. Cu toate acestea, chiar și după redimensionare,
ceea ce rămâne neschimbat sunt rapoartele - raportul dintre înălțimea feței și lățimea
feței nu se va schimba.
• Culoarea feței.
• Lățimea altor părți ale feței, cum ar fi buzele, nasul, etc.
Există un model implicat - fețele diferite au dimensiuni diferite. Fețele similare au
dimensiuni similare. Algoritmii de învățare automată înțelege doar numere, așa că este destul
de provocator. Această reprezentare numerică a unei "fețe" (sau a unui element în setul de
7
Bibliografie:
1. RecFaces. (2023, June 14). What is AI facial recognition tech and how does it work?
RecFaces. https://recfaces.com/articles/ai-facial-recognition
https://arcules.com/blog/the-power-of-ai-in-video-
surveillance/#:~:text=The%20integration%20of%20AI%20into%20video%20surveill
ance%20solutions,provides%20invaluable%20data%20for%20making%20informed
%20security%20decisions.
https://www.azoai.com/article/An-Introduction-to-AI-Powered-Surveillance.aspx
4. Roser, M. (2023, November 23). The brief history of artificial intelligence: The world
https://ourworldindata.org/brief-history-of-ai
history-of-artificial-intelligence-Complete-AI-timeline
6. Amos, Z. (2023, March 8). AI facial recognition: How does it work? dzone.com.
https://dzone.com/articles/ai-facial-recognition-how-does-it-work
https://www.geeksforgeeks.org/face-recognition-using-artificial-intelligence/
8.