Foto: Dahua

Genaue Gesichtserkennung

Biometrischer Spitzenreiter

Der weltweit angesehene Test „Labeled Faces in the Wild“ (LFW) dient zur Prüfung der Detektionsgenauigkeit von Gesichtserkennungssystemen und basiert auf einer einheitlichen Datenbank. Nun ist ein neuer Rekord bei der Genauigkeit aufgestellt worden.

Der LFW-Test wurde 2007 von der US-amerikanischen University of Massachusetts entwickelt und dient dazu, die Leistungsfähigkeit verschiedener Gesichts- erkennungs- algorithmen unter zwanglosen Bedingungen zu bestimmen. Er ist der weltweit meistgenutzte Test dieser Art, so dass bereits mehr als 80 Ergebnisse von Dutzenden Teams vorliegen. Darunter befinden sich Google, Facebook, Microsoft Research Asia, Baidu, Tencent, SenseTime, Face++, die chinesische University of Hong Kong sowie andere führende Vertreter aus Industrie und der akademischen Welt. Kürzlich hat auch Dahua seine Ergebnisse aus dem LFW-Test vorgelegt und dank zahlreicher technischer Verbesserungen in seiner Lösung gleich die Spitzenposition in der Tabelle übernommen.

Über 100 Schichten

In den vergangenen Jahren wurden die meisten Fortschritte in der Gesichtserkennung durch Entwicklungen auf dem Feld des sogenannten Deep Learning gemacht. Zu Deutsch bedeutet das in etwa tiefgehendes Lernen, und bezeichnet Optimierungsmethoden von künstlichen neuronalen Netzen, die zahlreiche Zwischenlagen zwischen Eingabeschicht und Ausgabeschicht besitzen. Diese komplexe innere Struktur ist schwer zu optimieren, weshalb die übliche Gesichtserkennung aus wenigen – etwa bis einige Dutzend – Schichten besteht. Die Dahua-Gesichtserkennung nutzt dagegen über 100 Schichten und ermöglicht so eine neue Form des Metric Learning, die bessere Werte bei der Übereinstimmung von Gesichtsbildern der gleichen Person liefert. Gleichzeitig wird die Übereinstimmung von unterschiedlichen Personen gemindert.

Genauigkeitsrekord

Gepaart mit einer effizienten Online-Sampling-Technik kann das Maß an Konvergenz ebenfalls deutlich erhöht werden. Durch das Training mit mehreren Modellen sowie die Verwendung einer nichtlinearen Multi-Modell-Integration konnte Dahua eine Genauigkeit von 99,78 Prozent im LFW-Datenpool erzielen. Der Sprecher des Dahua-Gesichtserkennungsteams, Professor Wang Haiyang, erklärt, dass die erzielte Genauigkeit in der Datenbank sein Team motiviert hat, an noch größeren Herausforderungen im praktischen Einsatz zu arbeiten. Durch seine führende Position im Videosicherheitsmarkt verfügt Dahua über eine große Menge an Videodaten, die für die Anpassung der Lernmethode genutzt werden konnten.

Die Leistungsfähigkeit des Algorithmus wurde so auch für echte Praxisanwendungen signifikant verbessert. Dabei galt es zu beachten, dass Sicherheitsanwendungen die Ergebnisse der Detektion sehr schnell benötigen, weshalb das Team redundante Operationen beschränkte und den Berechnungsprozess damit beschleunigt hat. Die benötigte Zeit für den 100-Schicht- Algorithmus entspricht daher ungefähr jener von Algorithmen mit nur gut einem Dutzend Schichten.

Zum G20 bewährt

Die Gesichtserkennung von Dahua ist bereits in der öffentlichen Sicherheit, im Finanzsektor und anderen Bereichen im Einsatz. Zuletzt wurde die Technik auch im Rahmen des letzten G20-Gipfels zur Erhöhung der Sicherheit genutzt. Die Dahua- Kameras wurden dazu im Kernbereich des Gipfels sowie an Verkehrsknotenpunkten eingesetzt. Die Bilder konnten im Backend in Echtzeit mit Blacklists abgeglichen werden. Sobald eine als gefährlich definierte Person im Sichtfeld auftauchte, sandte das System eine Warnung an die Verantwortlichen, die wiederum unmittelbar reagieren konnten. Davon profitierte auch die Polizei, die beispielsweise eine Gruppe von Flüchtlingen umgehend in Gewahrsam nehmen konnte, obwohl sich das System noch in der Phase der Inbetriebnahme befand.

Foto: Dahua

Dahua

Rekord bei der Gesichtserkennung aufgestellt

Dahua Technology hat einen neuen Rekord bei der Gesichtserkennung aufgestellt, mit einer Genauigkeit von 99,78 Prozent. Das Ergebnis basiert auf einem der Datenbank Labeled Faces in the Wild (LFW), die als Referenz für Gesichtserkennung-Tests herangezogen wird.

Foto: Dahua

Sicherheitslösungen für Smart Citys

Zufriedenheit und Effizienz

Moderne Städte müssen zunehmend auf den Schutz ihrer Bewohner und Sachwerte achten. Denn sie sind heute vielfältigen Bedrohungen ausgesetzt – vom Terrorangriff bis hin zu Verkehrsunfällen. Optimal wirkt ein integriertes und smartes System für die urbane Sicherheit.

Foto: Fotolia/zapp2photo

Einsatzgebiete für Deep Learning

Tiefbau statt Flachdach

Durch hochauflösende Videotechnik hat die Datenmenge in Sicherheitsprojekten innerhalb kürzester Zeit dramatisch zugenommen. Effiziente Erfassung, Analyse und intelligente Anwendung der Daten werden daher immer kritischer. Die videobasierte Intelligenz zu erhöhen, sollte deshalb ein branchenweites Ziel sein. Deep Learning kann dabei helfen.

Zutrittskontrolle

Erfolg oder Misserfolg?

Die Positionen zu den Ergebnissen am Mainzer Bahnhof fallen sehr unterschiedlich aus.