WIMI微美全息基于边缘计算的全息人脸识别AI芯片系统 提高物管安全等级

目前人脸识别的采集和分析系统主要通过云端服务器集群的方式进行，传统的CPU，主控芯片算力明显不足且能耗成本都很高，实时采集和识别以及快速反应的效果不佳，造成一些关键数据信息遗漏，或错误检测，部署成本也很高。WIMI微美全息(NASDAQ:WIMI)开发基于边缘计算的全息人脸识别AI芯片系统，将识别、采集和分析都置于终端，一方面有效提高算法算力的优化，另一方面可以建立私域，以有效地保护数据安全。可以用于一些关键部门、关键企业，或者是高端工厂的管控和产业园区、写字楼、公寓等安全管理，部署便捷安全高效。

基于边缘计算的全息人脸识别AI芯片系统，因为是边缘计算，与传统人脸识别、人/证对比的比对方式不同。它可以实现同步人脸跟踪采集和人脸属性分析反馈结果。它能够在前端获取被采集者的全息高密度人脸数据：人脸属性、外貌、特征、采集时间、地理位置等基本信息，并对被采集者的特征可以辨识和区分。WIMI微美全息的全息人脸识别AI芯片系统，可以以现有安防视频系统为基础，结合边缘计算技术、AI算力加速技术、深度学习算法、全息数据增益技术、卷积神经网络技术、人脸识别和采集技术，形成了基于边缘计算的全息人脸识别AI芯片系统，将原有安防系统合并升级。

WIMI微美全息基于边缘计算的全息人脸识别AI芯片系统，可采用时间窗为采样周期，也可以按照特定目标人员，比如关键岗位在岗时间和地理空间等设置。如在一个采样周期中进行多次采样，选择最优采样为最后的采样信息，对于一个采样帧中出现多个人脸，需识别所有人脸。对完全无法识别的人脸采用忽视留存策略，在后续帧或其他监控机位再次重点抓取，直到识别为止，保证全面地识别，以保证系统管理区域内的数据完整保持区域安全。基于边缘计算的全息人脸识别AI芯片系统，用于对重点场所的监控视频的配套的高密度动态人员信息采集，为安全管理、安全生产等提供结构化基础数据。该系统包括：视频接入端口，与现有的监控视频对接。

全息图像解码抽帧模组，根据中央控制模组指令进行解码并抽取需要分析的帧。

全息图像优化处理模组，根据中央控制模组的指令在抽取帧中进行图像采集分析，并对取样帧进行图像全息优化加速，并反馈给中央控制模组，所获得的信息，如信息缺失将继续由中央控制模组发出新指令。

边缘计算与算法加速模组，包含核心计算单元，基于ARM架构，内嵌多层CNN卷积神经网络，在低功耗高并行计算性能上进行算法运算。

人脸采集和分析模组，采集人脸进行辨识、分割抽取；将人脸照片、地理信息、时间信息等，将采集的人脸信息进行属性分析，性别、年龄、人种、戴口罩戴眼镜等。

中央控制模组，实现采样流程进行管理，对其他模组的综合控制和管理。

数据存储和通知模块，将采集的人员信息进行本地存储，可根据信息等级对外部系统进行通知。

WIMI微美全息，基于边缘计算的全息人脸识别AI芯片系统，前端通过边缘计算动态全息人脸识别算法，通过视频接入完成视频全息解码，并对图片中的人脸进行检测、跟踪、抓拍、去重，并以特征值作为信息标识，构建过往人员信息，完成人员信息采集，并且是可以实现私域化管理，提高信息安全等级。另外，该系统部署方便，可以采用外挂式、机架式、移动式多种部署方式，可将此装置直接串接在现有高清网络摄像机，直接在前端就能够完成部分视频结构化工作，获取高质量人脸结构化数据，并提升后端智能识别和分析速度和计算效率，充分利用现有的存量摄像机，通过外挂的形式可以直接将现有的非结构化视频升级为智能结构化数据。

WIMI微美全息(NASDAQ:WIMI)基于边缘计算的全息人脸识别AI芯片系统，可以在复杂环境下，进行高密度动态全息人脸采集，可以用于各种重要场合，以及采用数字摄像机与智能前端进行人脸信息采集，满足安全信息采集的多种需求。