Month: October 2020

基于字符级CNN技术的公共政策网民支持度研究

1  引言 

作为公共政策的目标群体,人民群众的普遍需求或期望是否切实得到满足,是检验公共政策含金量的重要标准。互联网的普及和大数据技术的发展,为更全面、更客观、更及时地搜集社情民意,准确、动态地评估公共政策的实际效果提供了可能。特别是伴随社交媒体的广泛应用,以及自然语言处理等技术的日益成熟,网民自发在社交媒体平台中发布的大量零散的非结构化的文本数据,成为解析群体心理状态的重要通道。尤其在涉及经济民生等受到社会广泛关注的重要战略和政策措施上,社交媒体大数据相比传统调查数据的优势更加突显。相比结果的精确度,大数据分析更关注总体趋势和效率的特点,也更符合公共政策评价发展的需求。本文将运用立场分析方法,提出更适用公共政策评价的网民情感分类指标;并选取三个不同领域不同类型重要公共政策作为研究对象,基于新浪微博数据,引入字符级卷积神经网络(CNN)技术,来研究网民立场的自动化识别和支持度研判问题,以期为进一步优化我国政策评估相关研究工作提供有益思路。

2  文献综述

2.1  基于社交媒体文本数据的情感分类方法

近年来,基于社交媒体文本数据的互联网情感分析(Sentiment Analysis)相关研究不断深入,涉及舆情风险管控、消费者偏好调查、股市预测、政治选情预测等多个领域。总体来看,国内外学者在互联网情感分析上主要有三大分类方向:一是细粒度基本情绪识别。如,Bollen等根据心理学的情绪状态量表,将公众情绪分为紧张、抑郁、愤怒、活力、疲劳和困惑六个维度[]。董颖红、陈浩等构建了微博客基本情绪词库,在分析数百万中文用户情绪基础上,得出了快乐、悲伤、愤怒、恐惧和厌恶五种基本社会情绪[]二是粗粒度的情感极性分类。正负面情绪的“两分法”,以及积极/正面、消极/负面、中立情绪的“三分法”运用最为广泛,并在此基础上进一步衍生出“四分法”“五分法”。如,Bermingham等通过研究爱尔兰大选中Twitter网民的四类情绪表达(积极、消极、中立、混合)来预测选举结果[]。Agarwal等在构建Twitter表情符号词典时采取了特别积极、特别消极、积极、消极、中立的五个分类[]三是针对目标话题的立场检测。无论是粗粒度还是细粒度的情感分类,都是在确定网络文本的主观情绪倾向,而在更多的情况下,网民对某一特定话题或对象的态度和立场更具有实际应用价值[]。国内外自然语言处理(NLP)领域的权威会议也关注到微博立场检测这一新的分析方向。国际语义评估研讨会(SemEval-2016)发布了“Detecting Stance in Tweets”的评测任务,包括Favor(支持)、Against(反对)、None(未表明任何立场)三个分类标签。CCF国际自然语言处理与中文计算会议(NLPCC)2016年举行的最近一次中文微博情感分析方面的竞赛中,采用的也是支持(in favor of the given target),反对(against the given target)和二者皆非(neither)的“新三分法”。而其过去几届相关竞赛中,则是采用正负面情绪分类法,或是“愤怒、厌恶、恐惧、高兴、喜好、悲伤、惊讶”的基本情绪分类法。尽管立场分析在计算机领域已成为研究热点之一,但相关方法被更多地应用在对某一事件或产品的评测,在政策评价领域尚鲜有相关应用。

2.2  政策评价中的网民情感分析

目前,在公共管理的语境下,通过社交媒体数据情感分析来探析民众对于公共政策的反响主要有两类研究路径:一是从网络舆情出发构建相关评价指数。在这一类研究中,研究者从数据出发,尝试在基本情绪或情感极性分析的基础上,用指数形式来量化“感知”群体心理和社会反响,辨别舆情风险。如,Durahim等基于3500万条Twitter数据的情感分析,计算了国民幸福指数(GNH)[]。朱廷劭在抽取微博用户特征的基础上,计算了北京微博网民生活满意度、收入满意度、中央政府信任度、地方政府信任度等多个社会状况相关指标[]。魏颖等基于微博、微信和论坛网民评论等数据,形成了八大类“双创”政策的网民满意度指数排名[]二是从政策本身出发构建评估指标体系。这一类研究者更加聚焦评估的完备性以及政策本身的结构化、流程化等特征。如,王建冬等基于社交媒体在内的多源数据,从政策制定、政策执行和政策效果三个阶段,构建了公共政策大数据评估指标体系,并对应了合理性、协调性、回应度、影响力等11项评估标准[]。王亚民等针对延迟退休政策,从政策目标、政策期望、政策方案、政策对象四个维度分析了新浪微博的网民情感倾向,并采用AHP和DF权重测度方法,合成了公共政策的舆情支持度指标体系[]

2.3  中文文本分类技术

作为计算机自然语言处理领域中的一个经典问题,中文文本分类技术演进主要分为三大阶段:一是早期的文本分类相关研究大多采用专家规则库匹配方法。但由于专家规则库的构建、更新、校准往往需要耗费大量的人力和时间资源,最终覆盖范围和应用效果均十分有限。二是随着大数据技术的不断发展,“人工拟定特征+机器学习”的文本分类技术方法逐渐流行。此类技术方法虽然在准确率方面相较专家规则库提升明显,但文本信息特别是中文文本信息属于高维度、高稀疏性质的数据,一方面,人工拟定特征仍需要较高的人力成本,另一方面,人工拟定的特征其实对数据自身含义表达的能力相对较弱。三是近年来深度学习技术在图像识别和语音处理领域取得了巨大成功,也极大推动了深度学习技术在自然语言处理上的研究和应用。相较于前两个阶段,目前深度学习技术在文本分类问题上取得了十分不错的效果。

其中,卷积神经网络(CNN)技术的应用尤为引人注目,例如人脸识别[11]、图像检测[12]、声纹识别[13]、机器翻译[14]等。其中,Kim提出利用卷积神经网络进行句子级文本分类的创新性方法,主要思路是将语言模型N-Gram与卷积操作结合起来[15]。在短文本分类任务中由于文本长度有限、句子结构紧凑、能够独立表达文本含义,因此使得卷积神经网络在处理这一类问题上成为可能。Zhang等提出可以用字符作为基本输入单元的基本理念,由此引出了字符级卷积神经网络技术的深入探索[16]。后续一系列技术研究成果表明[1719],从字符级层面开展文本分类,能够有效抽象出文本高维度信息,并简化甚至不需要使用预训练好的词向量和语法句法结构模型等因素,既可以减少人力又能够达到不错的效果。当文本分类训练数据集规模足够大时,卷积网络不需要掌握文本含义和语法句法结构等信息便可以实现高准确率的文本分类效果。

2.4  文献述评

目前,相关研究存在以下局限:

第一,多数公共政策网民评价的研究和实践,从本质上来说都是针对网民情绪本身的分析。例如,满意度指标的测量主要是基于积极情绪占比的测算。而实际上,政策评价更加关注的是社交媒体用户对某一特定政策的态度或立场。例如,针对《粤港澳大湾区发展规划纲要》出台,有网民评论,“粤港澳大湾区跟世界三大湾区经济实力差太远了。”传统的情感分析很可能将其标记为消极情绪,而实际上该评论并未持有明显支持或反对该项政策的立场,简单地将网民消极情绪对应到政策评价上,可能会误判舆论反映。近年来成为自然语言处理领域新热点的立场分析方法,比起传统的情绪分析方法,更适合政策评价这一具有特定目标对象的应用场景。

第二,从政策改进的作用来看,互联网民意反馈对于决策者的时效性价值往往大于完备性价值。而且,社交媒体文本数据本身的非结构化和简短化属性,比起系统精确的结构化解析,也更适合用于趋势性的总体分析。因此,本文将选择从舆情数据出发,而非从政策标准出发,即不对政策本身做分阶段分维度地拆解,而是针对特定公共政策总体获得的网民评价来建构和优化相关指标。

第三,目前,鲜有利用字符级CNN技术来进行政策评价情感分类的研究。而实际上,从中文微博数据特征来看,文本长度基本由一至两个句子组成,单句比例较高,在句子级的文本分类任务中,CNN会有很好的表现;文本类型主要都是网民自身发布的大量口语化表达,未经类似新闻稿件专业化处理的文本,CNN也被证明能够取得比其他应用情境下更好的效果。此外,字符级CNN不需要人工拟定数据特征,也将大大提高情感分析识别效率。

3  研究设计

本研究主要包括三个部分:一是在调研相关文献的基础上形成适用于公共政策评价的网民情感分类方法,提出网民支持度指标。二是选取具有代表性的重要公共政策作为研究对象,进行数据采集、清洗和标注,形成实验数据集。三是构建基于字符级CNN的深度学习实验模型,并对比检验实验结果的准确率和模型效率。总体思路如图1所示:

图1 总体研究思路

Fig.1 Overall Research Route

3.1  基于立场分析的政策评价网民支持度指标

本文在上述文献研究的基础上,以立场分类方法为前提,通过检测网民持支持、反对、中立的情况,并赋予相关权重,构建公共政策的网民支持度指标。调研以往相关分析实践发现,在政策评价场景下,通常将中立情绪划入正面情绪计算总体情绪占比,可能导致实际评价结果的偏差较多。为使指标计算更加合理,本研究采用专家咨询法,对支持和中立情况做了不同赋权。最终,本文提出的网民支持度指标计算公式为: 

                                    (1)

其中,δ是指网民支持度指标,λ代表网民观点中支持目标政策的微博数量,β代表网民观点中保持中立的微博数量,γ代表网民观点中反对目标政策的微博数量,ξ代表网民观点中不属于上述几种立场的相关微博数量(即下文中提及的“空值”情况)。

3.2  实验数据集及预处理

(1)数据情况

为提高研究的实用价值,本文拟定了政策对象的选取标准:一是公共性,研究的政策需要受舆论关注程度较高。二是分化性,网民评论存在一定分化,需要进行判别的。三是丰富性,政策涉及领域和类型有所不同,具有代表性。依据上述标准,挑选了3个研究对象,分别是“湖北新冠肺炎疫情一线医务人员子女中考加10分”(以下简称“政策A”)、“2019年劳动节放假安排由1天调整为4天”(以下简称“政策B”),以及《粤港澳大湾区发展规划纲要》(以下简称“政策C”)。

在数据时间跨度上,根据新闻传播热度变化规律特点,对于政策B和C,通过关键词采集了政策发布后4天内的原创新浪微博数据;同时,根据重大突发公共事件4小时上报制度,以及人民网等基于当下媒体环境提出的政府部门舆情回应“黄金4小时”原则,通过关键词采集了政策A发布后3.5小时内的原创新浪微博数据。将所采集数据中的重复值和无效值去除后,共得到39414条实验数据。其中,政策A为4672条,政策B为18697条,政策C为16045条,如表1所示:

表1 三组政策实验数据基本情况

Table1 Description of the Three Policy Experimental Datasets

编号 政策名称 发布级别 政策类型 发布时间 采集时间 数据量
A 湖北新冠肺炎疫情一线医务人员子女中考加10分 地方 突发性政策 应急管理领域 2020-2-18 12时许 发布后3.5小时内 4672条
B 2019年劳动节放假安排由1天调整为4天 国家 短期政策 民生领域 2019-3-22 发布后4天内 18697条
C 粤港澳大湾区发展规划纲要 国家 中长期重大政策 经济领域 2019-2-18 发布后4天内 16045条

(2)标注结果

为提高数据标注的科学性,本研究采取同一组数据由三名研究人员同时标注的数据标注策略,数据最终标注类别由统计结果综合评定。使用的数据标签包括以下四类:支持、反对、中立、不相关。标注结果的评定包括以下两类情况:一是三人中有两人及以上标签一致,则将该标签计作标注结果;二是三人的标签均不一致,则标注结果为空值。

标注和分析结果如表2所示,政策A的网民支持度为15.85(反对71.92%、支持9.12%、中立9.5%);政策B的网民支持度为78.17(支持58.23%、中立16.24%、反对8.92%);政策C的网民支持度为81.02(中立45.39%、支持24.19%、反对0.55%)。值得注意的是,三组数据空值的情况(即三名研究人员标记结果全部不一致)均在10%以下的较低区间,甚至政策A的标注结果空值情况仅为1.73%,体现出本研究采用基于立场的分类方法的有效性。

表2 三组政策实验数据集标注分析结果

Table2 Labeling Results of the Three Policy Experimental Datasets

类别 政策A 政策B 政策C
计数 占比 计数 占比 计数 占比
support 426 9.12% 10888 58.23% 3882 24.19%
反对 3360 71.92% 1668 8.92% 88 0.55%
中立 444 9.50% 3036 16.24% 7283 45.39%
不相关 361 7.73% 1309 7.00% 3118 19.43%
空值 81 1.73% 1796 9.61% 1674 10.43%
网民支持度 15.85 78.17 81.02

3.3  基于字符级CNN的公共政策评价情感分类模型实验

(1)模型设计

本文提出的利用字符级CNN技术实现公共政策评价网民情感分类的模型设计如图2所示,主要包含数据输入表示、数据特征提取和分类结果输出三个环节。其主要思路是利用CNN技术从字符级表示的文本信息中自动化抽取特征向量,并将特征向量经过卷积和池化处理操作后由全连接层输出分类结果。

图2 基于字符级CNN的公共政策评价情感分类模型设计

Fig.2 Design of the Sentiment Classification Model for Public Policy Comments Based on the Character-level CNN Technology

此外,模型各层的具体参数设置如表3所示。在重构层中,字符表长度设置为5000,文本序列长度设置为600,重构后词向量维度设置为64;在卷积层中,卷积核数量设置为256,步长设置为1,补零位设置为1,另外,三层的卷积核长度分别设置为2、3、4;在最大池化层中,池化层过滤器长度设置为1,步长设置为all(表示文本长度);在Dropout层中,丢弃节点值概率设置为0.5;在全连接层中,神经元数量设置为128。

表3  模型各层的参数配置概览

Table3 Parameter Settings for Each Layer of the Model

层数 类型 参数名称 参数设置
第1层 重构层(映射) 字符表长度 5000
序列长度 600
词向量维度 64
第2层 卷积层 卷积核数量 256
卷积核长度 2
步长 1
补零位设置 1
第3层 最大池化层 池化层过滤器长度 1
步长 all(文本长度)
第4层 卷积层 卷积核数量 256
卷积核长度 3
步长 1
补零位设置 1
第5层 最大池化层 池化层过滤器长度 1
步长 all(文本长度)
第6层 卷积层 卷积核数量 256
卷积核长度 4
步长 1
补零位设置 1
第7层 最大池化层 池化层过滤器长度 1
步长 all(文本长度)
第8层 全连接层 神经元数量 128
第9层 Dropout层 丢失节点值的概率 0.5
第10层 全连接层 神经元数量 128
  • 输入表示

文本信息输入表示是进行文本语义特征向量表示的首要步骤,也是卷积神经网络进行特征抽取和融合的重要前提。而由于卷积神经网络的输入是二维数据格式,因此需要将文本信息转换成二维矩阵。考虑到模型的输入符合连续型字符特征,则需要先将字符转化为可处理的信息序列,构建字符表。

以政策C数据集为例,首先会提取训练数据中出现的所有不重复字符(共包含4072个字符),并对其使用独热编码(one-hot)方式进行处理。对于上述字符表中不存在的字符均采用全零向量方式进行处理,经过上述处理后最终得到4073个字符。而后会输入训练文本中的字符序列,将每个字符均转化成4073维的稀疏向量,并将字符序列变换为具有固定长度为4073的等长序列,并在重构层进行词向量映射处理,映射至64维。

  • 特征提取

卷积神经网络具有优异的特征自提取能力,相较于人工选取特征具有明显的效率优势。本文进行特征提取的主要思路是通过三个不同大小的卷积核对输入文本信息进行一维卷积,完成卷积操作后能够得到三个特征映射,其中特征映射的宽度为1,卷积核的大小为1×K(K为不同的卷积核尺寸)。通过选用不同大小的卷积核,可以检测多个相邻字符尺寸模式,例如,“好”“很好”“特别好”分别属于1、2、3级相邻字符,因此在训练模型过程中可以不需要考虑字符所在位置。

此外,模型中池化层的作用是保证无论输入数据的维度如何变化,都可以输出一个固定维度的矩阵。池化层主要分为均值池化层和最大池化层两种方式,为获得最具代表性的局部特征,本文选取了最大池化方法[20],即从一维的特征映射中提取最大值。最大池化方式可以解决可变长度句子的输入问题,不同长度句子经过池化层之后都能变成定长的表示。最终池化层的输出为特征映射中的最大值。

  • 结果输出

本文所设计的模型将池化层的一维向量进行输出,并通过全连接的方式连接Softmax层。考虑到这种方式可能会产生过拟合问题,在模型的设计过程中对于全连接部分使用了Dropout技术,尽可能减少过拟合的发生概率。此外对全连接层中的权值参数进行L2正则化的限制,此举也是为了防止隐藏层单元自适应,从而减轻过拟合的程度。

(2)实验效果

为了评估实验效果,本文同时选择了深度学习技术中比较常用的字符级循环神经网络(RNN)模型作为参照对比[21],评估指标采用F1值[22]和AUC值[23]。其中,F1值是一种常见的可以综合准确率和召回率的机器学习评价指标,AUC值是指ROC的曲线面积,该指标能较好地衡量机器学习模型的性能优劣。

                        (2)

本文首先对比了不同模型的训练迭代次数对公共政策评价情感分类效果(F1值)的影响。从图3可以发现,对于政策A和政策B,无论是应用字符级CNN模型还是应用RNN模型,迭代次数在200次之前F1值均有快速上升趋势(从0.3左右上升至0.8左右)。当迭代次数到达100次,F1值会上升至0.7左右,而当迭代次数到达200次左右,F1值接近模型最优训练效果并且趋于平稳,此后随着迭代次数的增加,F1值变化不明显。对于政策C,F1值在迭代次数到达100次左右时达到峰值效果,随后开始出现波动下滑态势(从0.7左右下滑至0.5左右),说明很有可能出现了过拟合情况。综合上述结论,本文选取了各政策数据集在训练过程中效果最好的模型状态,用于后续的测试集实验。

图3 不同训练迭代次数对公共政策评价情感分类效果影响对比

Fig.3 Contrast in Classification Effectiveness Due to Different Numbers of Iterations

在模型最终应用效果方面,本文采用训练过程中表现效果最好的模型在测试集上进行测试实验。其中,F1值实验效果如图4所示,字符级CNN模型在政策A、政策B和政策C测试集上的F1值表现分别为0.8814、0.8287、0.6368,而RNN模型在政策A、政策B和政策C测试集上的F1值表现分别为0.8632、0.8712、0.6709。可以看出,在政策A中,字符级CNN模型分类准确率和召回率的综合表现略高于RNN模型,F1值提高了0.0182‬;但对于政策B和政策C而言,RNN模型的应用效果表现则略高于CNN模型,分别下降了0.0425和0.0341,二者应用效果差距相对较小。‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬

图4 CNN和RNN在三个政策实验数据集上的最终应用效果对比(F1值)

Fig.4 Contrast in Final Application Between CNN and RNN Models (F1)

从图5展示的AUC值实验效果看,字符级CNN模型在政策A、政策B和政策C测试集上的AUC值表现分别为0.9276、0.8574、0.7283,而RNN模型在政策A、政策B和政策C测试集上的AUC值表现分别为0.8964、0.8867和0.7643,与F1值表现情况基本类似。从上述实验的F1值和AUC值均处于较高水平可以看出,字符级CNN和RNN模型在公共政策评价情感分类问题上均有较好的表现,RNN模型在政策B和政策C测试集上的应用效果略高于字符级CNN模型,但在政策A 数据集上,字符级CNN模型反而呈现出一定优势。

图5 CNN和RNN在三个政策实验数据集上的最终应用效果对比(AUC值)

Fig.5 Contrast in Final Application Between CNN and RNN Models (AUC)

模型训练耗时对比结果如图6所示,在政策A数据集上,由于数据量相对较小,因此整体耗时相对较少,字符级CNN模型耗时1分47秒,RNN模型耗时28分24秒。在政策B数据集上,字符级CNN模型耗时4分32秒,而RNN模型耗时高达2小时43分11秒。在政策C数据集上,字符级CNN模型训练迭代9轮停止,耗时3分38秒,而RNN模型在该训练集上耗时为1小时56分4秒。不难发现,字符级CNN模型在时间成本方面具有显著优势。这是由于RNN的序列依赖问题[24],而不存在序列依赖问题的CNN,在每个时间步骤的操作可以并行计算,因此在训练时间上会存在巨大优势。

图6  CNN和RNN在三个政策实验数据集上的模型训练时间对比

Fig.6 Contrast in Training Time Between CNN and RNN Models

综上所述,字符级CNN模型在三个政策数据集训练的准确率和召回率上均取得优秀表现。尽管三个政策中有两个使用RNN模型的准确率和召回率比字符级CNN模型更优,但差距并不明显。而与此同时,从模型的执行效率来看,三个数据集字符级CNN模型的训练时间均在5分钟以内,而RNN模型的训练时间则会超过字符级CNN模型训练时间的数十倍。因此,利用字符级CNN技术开展公共政策评价情感分类的综合实验效果优势更为明显。值得注意的是,政策A数据集仅仅使用1分47秒即完成训练,并在准确率和召回率上均取得相比RNN模型更好的表现,对于开展应急管理领域突发性政策评价工作或许能够提供有益启示。

4  Conclusion

本文基于微博数据开展公共政策评价研究,主要取得三方面创新性结果:一是在指标算法上,运用立场倾向分析,取代情绪倾向分析,提出了更适合公共政策评价场景的网民支持度指标。二是在技术模型上,将字符级CNN技术引入公共政策大数据分析评价,模型实验结果在准确率和召回率上取得优秀表现,且耗时比目前深度学习中较常用的RNN模型明显更短。三是在分析应用上,完成了三个不同领域不同类型的重要公共政策的网民支持度测算,为下一步相关政策改进和舆论引导,以及该领域新政策的推出提供网络民意参考。但同时,本文仍存在一些不足,期待未来和广大科研学者共同继续研究探索。例如,扩充数据样本量和政策覆盖类型开展更大规模试验和应用;进一步深化和完善网民支持度指标设计和测算方法;跟踪最新技术提高网民情感类别自动化识别的准确率和效率等。

 

文章来源:国家信息网

Thinmoo,专注于人工智能物联网(AIoT)的国家高新技术企业,公司在互联网音频通信、智能硬件、安防、人工智能方面有深厚的技术积累;在深圳、北京、上海、西安、厦门、长沙、潍坊、昆明、郑州、兰州、重庆、温州、内蒙等地建有服务中心,具有全国服务能力。公司拥有业界领先的基于移动互联网的智慧社区、智慧校园、智慧家庭系列产品及解决方案,主打产品人脸识别云对讲、手机蓝牙二维码云门禁、社区机器人、智能家居、社区物联网等产品及云平台;为万科、星河、建设银行、金科、长城、方圆、珠江地产、苏宁、富力、上铺、微谷、华润、宏阳集团、佳兆业集团、深圳保利物业集团、旭辉集团、中移物联网等国内多家著名品牌房地产、互联网、安防企业提供产品及服务;产品远销美国、意大利、马来西亚、新加坡、塞尔维亚、英国等海外客户。公司本着客户第一、质量至上、认真踏实、艰苦奋斗的经营理念,开放共赢,不断制造精品,以精品回报客户,为创建更美好社区服务

人工智能技术可以改善供应链的因素是什么?

【CPS中安网 cps.com.cn】 供应链是生产的各个环节的源泉。从原材料到制造再到分销,每个步骤都需要最安全的过渡。但是,有时供应链可能会带来各种风险,而这些风险会影响这些步骤。这些漏洞会引发安全问题,有些人可能会损坏或偷窃商品,从而导致更多的麻烦事和耗时的过程。但是,人工智能(AI)正在努力提高安全性。

  技术影着响社会的方方面面,供应链也不例外。人工智能提供了一种高度创新的技术形态,而这种形态使供应链的管理人员和工作场所发生了巨变。

  人工智能涵盖了计算机所展现的知识,这种知识与人类的智能是不同的,但其过程却十分相似。由于人工智能市场增长迅速,专家们认为它是一种颠覆性创新,因为它改变了社会的运作方式。它打破了传统的做法并带来了更好的运营方法。

  供应链中亟需这种集成。由于工作场所和运输过程越来越缺乏可见性,全球供应链为人工智能找到了各种用途。但我们要应对的这些问题到底是什么呢?

  供应链中的安全问题

  贯穿整个供应链的首要主题是可见性。此问题意味着管理人员往往无法完全控制或了解整个供应链中发生的每个操作。例如,生产主管可能不知道供应商从何处获取原材料。在某些情况下,企业可能无法在供应商那里获得所有信息。令人惊讶的是,有84%的信息安全人员说,缺乏可见性是整个供应链中存在的最大问题。

  随着沟通和可见性出现问题,其他问题也渐渐出现。随着传统商业和电子商务的持续增长,供需每天都在增长。随后,制造商需要更多的供应商,而供应商需要更多的原材料。而这使沟通变得更为复杂。

  缺乏沟通会在各个层面产生各种安全问题。如果管理人员不知道进出仓库的是什么,那么这可能会导致库存盘错,甚至发生盗窃。往小里说,员工可能会遇到钓鱼邮件或其他欺诈。这些情况包含骗子和黑客冒充主管人员索取各种凭据和业务信息。

  假冒产品是供应链中存在的另一个安全问题。这类产品可能会招来投诉或调查。但是,除此之外,这类产品对那些最需要它们的人会产生危险的影响。例如,如果武装部队或医务人员收到有问题的产品,后果则可能十分严重。

  这些问题触及到本质问题,即供应链中缺乏安全性可能产生的各种后果。这些后果会不断产生更大的影响。但是,人工智能可以通过多种方式改善这些问题。

  人工智能如何提供帮助

  人工智能领域是一个强大的概念,这个概念就是使用大数据来进行运营。使用人工智能的系统可以迅速完成曾给工人带来各种麻烦的任务并将其自动化。人工智能中的机器学习(ML)功能使供应链管理平台可以独立运行并随时学习。由于实施了这些自动化任务,安全风险将会减低。

  安全问题中最重要的一些领域涉及到监控、信息共享、库存和通信。这些领域很容易发生事故或盗窃。但是,只要更好地沟通并了解每个阶段的运作方式,整个供应链就可以步调一致。

  人工智能利用其可用资源提供这样的帮助。预测性数据和数据分析,模式识别,实时跟踪和库存管理是人工智能的强项。实时监控有助于了解产品所在的位置,而这可以防止盗窃或假冒产品的出现。数据分析可以更好地洞察供应链的物流状况。安全人员可以跟踪供应商的装运数量并改善供应商与公司之间的沟通渠道。

  这带来了另一个好处,那就是人工智能的自动化特性。过去要几小时甚至数天才能完成的任务现在几乎不需要花什么时间。例如,人工智能可以对盘货进行优化。管理者可以随时查看商品进店和离店的日期和时间。同样,企业可以使用数据分析来改善公司决策并了解供应链。

  当供应链中的日常运营没有得到管理或检查时,系统就会极度脆弱。客户必须相信系统的每个部分都能顺利运行。人工智能技术可以使供应链中的各个参与者实现这一目标。通过自动化来监视过程中的每个部分,这将提高安全性。

  供应链中使用人工智能的最重要因素

  人工智能可以改善供应链中的三个因素:

  •顾客满意度

  •员工待遇

  •公司的收入

  企业,制造商和供应商的目标是使客户满意。如果客户不满意,那么整个供应链将停止运作。其次,员工待遇至关重要。员工是推动供应链发展的骨干,因此他们的健康和资源状况必须处于最佳状态。最后,收入是推动所有公司发展的因素。这个因素影响企业决策和使用人工智能的方式。

  人工智能对这三个因素都具有影响力,从根本上讲,人工智能对于其所能减轻的安全风险也同样有影响力。人工智能可以超越并预测消费者趋势和行为。它可以实时编译数据以进行业务决策。人工智能安全是确保客户满意度,员工待遇和利润的主要工具之一。

  有了安全的供应链,员工就可以充分利用人工智能,从而改善工作环境。他们可以专注于必要的任务,而不是处理人工智能可以处理的安全职责(如监控或库存)。

  客户满意度和公司收入是齐头并进的。其中一个增加则另一个也增加。如果有更多的公司使用大数据,那么客户满意度将会提高,其收入也会随之提高。幸运的是,人工智能是实现这一目标的最佳方法。

  通过人工智能优化供应链

  企业将继续加强人工智能的当前功能,而供应链中的人工智能技术将继续得到改善。自动化将继续承担更大的责任并为整个供应链及供应链以外的部分进行安全措施方面的优化。

文章来源:CPS中安网

Thinmoo,专注于人工智能物联网(AIoT)的国家高新技术企业,公司在互联网音频通信、智能硬件、安防、人工智能方面有深厚的技术积累;在深圳、北京、上海、西安、厦门、长沙、潍坊、昆明、郑州、兰州、重庆、温州、内蒙等地建有服务中心,具有全国服务能力。公司拥有业界领先的基于移动互联网的智慧社区、智慧校园、智慧家庭系列产品及解决方案,主打产品人脸识别云对讲、手机蓝牙二维码云门禁、社区机器人、智能家居、社区物联网等产品及云平台;为万科、星河、建设银行、金科、长城、方圆、珠江地产、苏宁、富力、上铺、微谷、华润、宏阳集团、佳兆业集团、深圳保利物业集团、旭辉集团、中移物联网等国内多家著名品牌房地产、互联网、安防企业提供产品及服务;产品远销美国、意大利、马来西亚、新加坡、塞尔维亚、英国等海外客户。公司本着客户第一、质量至上、认真踏实、艰苦奋斗的经营理念,开放共赢,不断制造精品,以精品回报客户,为创建更美好社区服务

使用安装无线监控 可以带来哪些优势

 【CPS中安网 cps.com.cn】 通常,监控视频传输方式分两种,一种是基于同轴线缆或网线的有线传输,另一种是基于4G,5G和wifi的无线传输。但目前针对家庭监控,无线传输优势更为明显。今天我们就来了解一下无线监控的都有哪些优势吧。

  1、综合成本低,性能更稳定。

  只需一次性投资,无须挖沟埋管,特别适合室外距离较远及已装修好的场合;在许多情况下,用户往往由于受到地理环境和工作内容的限制,例如山地、港口和开阔地等特殊地理环境,对有线网络、有线传输的布线工程带来极大的不便,采用有线的施工周期将很长,甚至根本无法实现。这时,采用无线监控可以摆脱线缆的束缚,安装周期短、维护方便、扩容能力强,迅速收回成本的优点。

  2、组网灵活,可扩展性好,即插即用。

  管理人员可以迅速将新的无线监控点加入到现有网络中,不需要为新建传输铺设网络、增加设备,轻而易举地实现远程无线监控。

  3、维护费用低。

  无线监控维护由网络提供商维护,前端设备是即插即用、免维护系统。

  4、无线监控系统是监控和无线传输技术的结合,它可以将不同地点的现场信息实时通过无线通讯手段传送到无线监控中心,并且自动形成视频数据库便于日后的检索。

  5、在无线监控系统中,无线监控中心实时得到被监控点的视频信息,并且该视频信息是连续、清晰的。在无线监控点,通常使用摄像头对现场情况进行实时采集,摄像头通过无线视频传输设备相连,并通过由无线电波将数据信号发送到监控中心。

文章来源:CPS中安网

 【CPS中安网 cps.com.cn】 通常,监控视频传输方式分两种,一种是基于同轴线缆或网线的有线传输,另一种是基于4G,5G和wifi的无线传输。但目前针对家庭监控,无线传输优势更为明显。今天我们就来了解一下无线监控的都有哪些优势吧。

  1、综合成本低,性能更稳定。

  只需一次性投资,无须挖沟埋管,特别适合室外距离较远及已装修好的场合;在许多情况下,用户往往由于受到地理环境和工作内容的限制,例如山地、港口和开阔地等特殊地理环境,对有线网络、有线传输的布线工程带来极大的不便,采用有线的施工周期将很长,甚至根本无法实现。这时,采用无线监控可以摆脱线缆的束缚,安装周期短、维护方便、扩容能力强,迅速收回成本的优点。

  2、组网灵活,可扩展性好,即插即用。

  管理人员可以迅速将新的无线监控点加入到现有网络中,不需要为新建传输铺设网络、增加设备,轻而易举地实现远程无线监控。

  3、维护费用低。

  无线监控维护由网络提供商维护,前端设备是即插即用、免维护系统。

  4、无线监控系统是监控和无线传输技术的结合,它可以将不同地点的现场信息实时通过无线通讯手段传送到无线监控中心,并且自动形成视频数据库便于日后的检索。

  5、在无线监控系统中,无线监控中心实时得到被监控点的视频信息,并且该视频信息是连续、清晰的。在无线监控点,通常使用摄像头对现场情况进行实时采集,摄像头通过无线视频传输设备相连,并通过由无线电波将数据信号发送到监控中心。

文章来源:CPS中安网

Thinmoo,专注于人工智能物联网(AIoT)的国家高新技术企业,公司在互联网音频通信、智能硬件、安防、人工智能方面有深厚的技术积累;在深圳、北京、上海、西安、厦门、长沙、潍坊、昆明、郑州、兰州、重庆、温州、内蒙等地建有服务中心,具有全国服务能力。公司拥有业界领先的基于移动互联网的智慧社区、智慧校园、智慧家庭系列产品及解决方案,主打产品人脸识别云对讲、手机蓝牙二维码云门禁、社区机器人、智能家居、社区物联网等产品及云平台;为万科、星河、建设银行、金科、长城、方圆、珠江地产、苏宁、富力、上铺、微谷、华润、宏阳集团、佳兆业集团、深圳保利物业集团、旭辉集团、中移物联网等国内多家著名品牌房地产、互联网、安防企业提供产品及服务;产品远销美国、意大利、马来西亚、新加坡、塞尔维亚、英国等海外客户。公司本着客户第一、质量至上、认真踏实、艰苦奋斗的经营理念,开放共赢,不断制造精品,以精品回报客户,为创建更美好社区服务!​

人脸识别进小区 业主有“不赏脸”的权利

【CPS中安网 cps.com.cn】 这是一个“看脸的时代”,这也是一个“刷脸的时代”。显然,后者已建立了广泛的群众基础:小区Access control system新增人脸识别,孩子们每次都争着抢着刷刷刷,踮脚,昂头,挺胸,匹配成功,有如游戏里闯过一关。最有喜感的是,大宝刷脸开门,童车里的二宝倍感冷落,表示不服,哭着嚷着要家长抱起来刷他的小脸……

  与孩子们的兴奋、好奇形成对比的是:法学专家的惶恐不安。据澎湃新闻报道,清华大学法学院教授劳东燕在她居住的小区贴出安装人脸识别门禁系统公告,要求业主提供房产证、身份证、人脸识别等信息时,她“想做一点‘挣扎’”,当即将有关人脸识别风险的报道和法律依据,发到两个各有数百名业主的微信群,但没有得到预期回应。劳东燕又将一封法律函分别寄给居委会和物业,其后有了她作为业主和街道、业委会与物业的四方“谈判”。街道最终同意业主出入小区可以自愿选择门禁卡、手机或人脸识别的方式。

  与法学家的忐忑不安形成鲜明对比的是,社区业主“普遍情绪稳定”:蛮方便的,不再担心忘带门禁卡;公共地界也没什么隐私可言,这样小区反倒更安全;不装就有隐私了?你逃得了小区,逃得了车站、旅馆?现在到处都有摄像头;反对有用吗?大势所趋!

  这是我在微信群随机采集到的各地反馈信息,从50后到90后,从记者、律师到教育工作者、自由职业者,基本都持认可态度。不过,业主的认可,更多是一种妥协让步。劳东燕观察发现,“人脸识别技术大规模地推广,一定程度上是利用了沉默的大多数的心理”。

  大多数业主的“沉默”,我认为不是“无声”,而是“无奈”:小区之外,个人信息到处被采集,被交换,被利用,有谁管吗?死守一个小区门禁,意义不大。业主不是“无声”,更是“无知”:被收集的那些信息怎么保管?是否被滥用?法学教授特别提醒,“如果别人用你的人脸数据,开通相关账户用于违法犯罪,比如洗钱、涉黑、恐怖主义,你可能会因此而卷入刑事诉讼之中。像利用换脸技术,将你的人脸信息用于淫秽等视频中,由此造成的恶劣影响,根本不是抓到相关的违法犯罪分子就可以消除的。”这些或是很多业主的认知盲点。

  因为无奈、无知,所以无声。从这个角度来说,法学教授劳东燕在小区的“挣扎”更有现实意义。

  Netflix(网飞)新出一部纪录片《监视资本主义:智能陷阱》。影片由大众互联网、社交媒体的技术人员、高管出镜,解密或者揭密网络科技公司如何监视和追踪用户在网上的轨迹,以及如何利用用户心理实施操控,最终创造利润。剧作家索福克勒斯在片首郑重提醒:进入凡人生活的一切强大之物,无不具有弊端。

  所有的方便背后,都可能隐藏着不方便:漏洞或风险。不过,我们似乎已经习惯等到极端、恶性案例在身边真实发生,才去应对,才去补课,才提升防范意识。当下,“人脸识别”已经长驱直入,社区每天直接面对万千业主,不能不作为,更不能乱作为。老百姓有选择“不赏脸”的权利,社区要进行充分、有效的信息告知,并提供多种门禁方式,尊重业主的选择权。

  人脸识别的门禁系统,方便快捷,可以视为一种“偷懒的设计”,但是社区不能配套“偷懒的管理”。保障知情权、尊重选择权,只有“两权其美”,个人信息保护才不至于再走“先污染后治理”的老路。

文章来源:CPS中安网

Thinmoo,专注于人工智能物联网(AIoT)的国家高新技术企业,公司在互联网音频通信、智能硬件、安防、人工智能方面有深厚的技术积累;在深圳、北京、上海、西安、厦门、长沙、潍坊、昆明、郑州、兰州、重庆、温州、内蒙等地建有服务中心,具有全国服务能力。公司拥有业界领先的基于移动互联网的智慧社区、智慧校园、智慧家庭系列产品及解决方案,主打产品Face recognition云对讲、手机蓝牙二维码云门禁、社区机器人、智能家居、社区物联网等产品及云平台;为万科、星河、建设银行、金科、长城、方圆、珠江地产、苏宁、富力、上铺、微谷、华润、宏阳集团、佳兆业集团、深圳保利物业集团、旭辉集团、中移物联网等国内多家著名品牌房地产、互联网、安防企业提供产品及服务;产品远销美国、意大利、马来西亚、新加坡、塞尔维亚、英国等海外客户。公司本着客户第一、质量至上、认真踏实、艰苦奋斗的经营理念,开放共赢,不断制造精品,以精品回报客户,为创建更美好社区服务

图解 |山东省政府办公厅印发《关于加快推进新型智慧城市建设的指导意见》

来源:信产部

近日,山东省为加快推进全省新型智慧城市建设,省政府办公厅发布了《关于加快推进新型智慧城市建设的指导意见》。国家信息中心智慧城市发展研究中心受山东省大数据局委托,协助承担了该指导意见的相关研究编制工作。

文章来源:国家信息网

Thinmoo,专注于人工智能物联网(AIoT)的国家高新技术企业,公司在互联网音频通信、智能硬件、安防、人工智能方面有深厚的技术积累;在深圳、北京、上海、西安、厦门、长沙、潍坊、昆明、郑州、兰州、重庆、温州、内蒙等地建有服务中心,具有全国服务能力。公司拥有业界领先的基于移动互联网的智慧社区、智慧校园、智慧家庭系列产品及解决方案,主打产品人脸识别云对讲、手机蓝牙二维码云门禁、社区机器人、智能家居、社区物联网等产品及云平台;为万科、星河、建设银行、金科、长城、方圆、珠江地产、苏宁、富力、上铺、微谷、华润、宏阳集团、佳兆业集团、深圳保利物业集团、旭辉集团、中移物联网等国内多家著名品牌房地产、互联网、安防企业提供产品及服务;产品远销美国、意大利、马来西亚、新加坡、塞尔维亚、英国等海外客户。公司本着客户第一、质量至上、认真踏实、艰苦奋斗的经营理念,开放共赢,不断制造精品,以精品回报客户,为创建更美好社区服务

AI赋能政府公共服务新模式–基于NLP的人工智能在市民服务热线中的探索与应用

一、引言

市民服务热线是在人民群众对国家和社会事务参与和监督意识不断增强,政府治理能力不断提升,构建服务型政府加大探索的大背景下出现的,旨在促进政府和市民之间沟通,为市民提供更好公共服务,提升政府满意度。基于市民政务服务热线过多,为方便市民记忆,所以在全国各省市均采取了将服务热线合并统一接入12345,再通过12345热线中心根据具体情况需要进行转接而形成的热线。12345市民服务热线是一条非紧急类政务服务热线,用来帮助诉求人解决生活、生产中所遇困难和问题,是政府关注民生、倾听民意的平台。

12345市民服务热线实行“一号对外、集中受理、分类处置、统一协调、各方联动、限时办理”的工作机制。12345热线开通以来,赢得了市民、社会各界广泛赞誉和认可,产生了良好社会效应。但是,随着时代的发展,国家对纠风治理工作日益重视,市民对于公共服务的满意度要求不断提升,市民的咨询、建议、投诉和举报的数量飞速增加,传统12345人工电话坐席模式已难以完成新时期城市社会管理所赋予的艰巨任务,单纯的依靠人工处理,正逐渐凸显出力不从心的问题。

时至今日,大数据、云计算、人工智能技术飞速发展,互联网+思维渗透到各个行业,互联网+政务惠民服务开展的如火如荼,各个政务服务领域正在经历着信息化带来的变革,百姓也享受到了前所未有的巨大便利。

作为城市为民服务的窗口,12345市民服务热线面对新的百姓期盼,新的技术发展,如何利用这些信息化成果,代替低效的人工劳动,更加快速响应市民服务热线反应的社会问题,有效分类进行处置,提高服务效能,更好的发挥市民服务热线桥梁纽带作用,是12345市民服务热线作为构建社会现代治理体系和服务型政府的一项新课题。

本文正是基于这样的一种背景,初步探讨了AI技术在服务热线中的应用思路,以及在实际中的应用场景。

二、与市民服务热线相关的AI人工智能技术

人工智能已成为新一轮产业变革的核心驱动力,对世界经济、社会进步和人类生活产生极其深刻的影响。在人工智能领域,包含了自然语言处理、深度学习、深度挖掘、语音识别、知识图谱等关键技术,下面简单介绍与12345市民服务热线应用相关的部分AI技术。

(一)自然语言处理

自然语言处理(NLP)和文本挖掘是以半结构或非结构的自然语言文本为对象,从大规模文本数据集中发现隐藏的、潜在的、新颖的、重要的规律的过程。其基本思想是从文本中提取适当的特征,将文本标识成计算机能够理解的形式,采用各种语义分析和文本挖掘的方法发现隐藏的知识模式,以用户可以理解和接收的形式输出,成为指导现实活动的有用的知识。

(二)深度学习

深度学习(DL)是机器学习中一种基于对数据进行表征学习的方法,是一种能够模拟出人脑的神经结构的机器学习方法。作为机器学习研究中的一个新领域,其动机在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,比如图像、声音和文本等。深度学习的实质,通过构建具有很多隐层的机器学习模型和海量的训练数据,来学习更有用的特征,从而最终提升分类或预测的准确性。

(三)数据挖掘

数据挖掘是指在大量的数据中挖掘出信息,通过分析来揭示数据之间有意义的联系、趋势和模式。它是数据库技术、机器学习、统计学、人工智能、可视化分析、模式识别等多门学科的融合。利用预测模型发现、聚类分析、分类与回归、关联分析、异常和趋势发现等数据挖掘技术,提供超大数据量的数据分析和结果展示,实现灵活查询数据集市、下钻挖掘、BI报表服务。

(四)语音识别

语音识别技术是让机器通过识别和理解把语音信号转变为相应的文本或命令的技术,主要包括特征提取技术、模式匹配准则及模型训练技术三个方面。语音识别的原理是模式识别,过程包括:预处理、特征提取、基于语音模型库下的模式匹配、基于语言模型库下的语言处理以及完成识别。

(五)知识图谱

充分应用领域知识图谱技术,通过本体定义、实例构造、特征提取、实体对齐、实体消歧、知识库构造、知识组织以及图谱应用等技术将多种数据源中数据在采集后,提取特征,进行深度关联,将不同来源的数据实体组成强关联的知识图谱。

三、基于自然语言处理NLP在城市管理中的实践

某市12345市民服务热线,包含83条热线,涵盖91个一体式联动重点单位。12345热线开通以来,赢得了市民、社会各界广泛赞誉和认可,产生了良好社会效应。但是,面对日益复杂的社会问题,以及由于社会管理问题知识体系庞杂、并发量大所带来的办件分类难、案件派单不准确、解决问题效率低、无法24小时值守等问题日益突显,加上市民对政府公共服务质量、服务效率的更高要求,传统12345人工电话坐席模式已难以完成新时期城市社会管理所赋予的艰巨任务。

某市AI+“12345”服务热线解决方案,运用了大数据、语音识别、NLP、深度学习等技术,基于东方金信海盒大数据平台的人工智能组件开发建设,将人脑无法快速定位的问题通过分词解意的方式进行大数据文本挖掘处理,深度分析文本信息,解决了办件分类不准确、办件派单不准确、结构化数据准确率低且数据真实性差、数据分析响应周期长等老大难问题,显著提高了热线办件准确率、处置效率和市民满意度,为社会管理决策分析提供了支撑。

AI智能化升级改造后的AI+ “12345”服务热线,提供了“智答”(智能问答机器人)”“智办”(智能语音辅助登记)、“智推”(智能案件分配)、“智库”(智能城市知识库)、“智判”(智能分析研判)五大智能化服务。如下图:

图1:AI+ “12345”五大智能化服务

(一)机器人智能问答

对12345热线常见投诉问题的智能问答,通过一问一答的形式,实现系统与市民之间的问题交互,一方面为市民提供个性化的服务,改善服务体验;另一方面可以约束和规范市民诉求的提出形式和内容,为案件工单的要素提取和后续的自动登记打好基础。

(二)案件智能办理及智库构建

文本分类是文本挖掘的基础与核心,项目创新运用文本挖掘、语义分析技术,以东方金信海盒人工智能组件为载体,成功替代某地市12345服务热线办件的人工分类方式,这一举措大幅提高了热线接线员的办件分类准确度和及时性。借助于东方金信海盒语音识别系统,为热线接线员提供办件适配分类和应答提示,同步构建和完善行业知识图谱,构建城市管理智库。

图2:案件智能办理

方案应用TF/IDF、Map/Reduce、贝叶斯、聚类等统计方法完成文本挖掘应用。对办件集历史数据进行高效训练,得到热线办件内容中词与词之间的相似性,构建本地近义词库,优化案件办理流程,对大规模办件内容进行总结,大幅提高大量办件内容的分析效率。

(三)案件工单智能推送

基于历史相似案件进行案件分类及案件派发处理,提高分类准确率以及加派件成功率。

图3:案件工单智能推送

(四)办件效能提升分析

某市AI+“12345”服务热线总体目标是分析办件的基本概况、发生规律(时间、空间、类型)及发生原因,找出与管理机制的落实情况、办件处理效率、办件处理力度、责任单位的素质与信用评级以及外部环境等因素的关系,为办件治理政策与措施的制定提供决策依据。

图4:办件效能提升分析

(五)政务服务决策参考

通过人工智能分类,在海量信息中,找出系统内发布频次高的事件、重大紧急事件等,从而提醒相关部门重视,形成合理的紧急应答,为政务公开提供决策参考,为第二年同期舆情预测提供研判依据。

四、创新应用效果

项目在某市将文本挖掘和语义分析技术应用于12345热线,属国内首创,取得了良好的社会效应,显著提高了市民对政务服务的满意度,实现政府服务体系的升级和重塑是“互联网+政务服务”的典型应用,起到了应用示范效果。

2017年,中央电视台《新闻联播》点赞某市将80多个部门热线统一归入“12345”,30分钟响应处置,让公职人员成为“跑腿的”办事员,将小问题化解在基层。最新数据显示,该市12345热线日均接话量从2017年初的700多个增加至4300多个,最高峰值达1.04万个,增长约6.1倍,办件满意率从48%提高至95%;热线前台接通率从73.7%提高至98.5%。2017年,热线通过多渠道受理办件,总量达103.0577万件,已办结102.9162件,办结率为99.86%。

图5:AI+“12345”创新效果央视报道

作者简介:北京东方金信科技有限公司,公司主要负责提供跨行业领域企业级一体化大数据解决方案,实现产品+实施+咨询一站式服务,与众多国际主流软硬件厂商建立了大数据战略合作。

本文发表于由国家信息中心数字中国研究院编辑出版的《数字中国建设通讯》2019年第3期

 

Thinmoo,专注于人工智能物联网(AIoT)的国家高新技术企业,公司在互联网音频通信、智能硬件、安防、人工智能方面有深厚的技术积累;在深圳、北京、上海、西安、厦门、长沙、潍坊、昆明、郑州、兰州、重庆、温州、内蒙等地建有服务中心,具有全国服务能力。公司拥有业界领先的基于移动互联网的智慧社区、智慧校园、智慧家庭系列产品及解决方案,主打产品人脸识别云对讲、手机蓝牙二维码云门禁、社区机器人、智能家居、社区物联网等产品及云平台;为万科、星河、建设银行、金科、长城、方圆、珠江地产、苏宁、富力、上铺、微谷、华润、宏阳集团、佳兆业集团、深圳保利物业集团、旭辉集团、中移物联网等国内多家著名品牌房地产、互联网、安防企业提供产品及服务;产品远销美国、意大利、马来西亚、新加坡、塞尔维亚、英国等海外客户。公司本着客户第一、质量至上、认真踏实、艰苦奋斗的经营理念,开放共赢,不断制造精品,以精品回报客户,为创建更美好社区服务

4G促进智慧城市总体发展

智慧城市建设是一项生态系统工程。作为众多信息通信应用的集合体,智慧城市的关键任务是通过系统整合、数据集中和流程再造,打破信息孤岛、连通不同的信息化系统。这对信息通信能力提出了更高的要求,需要城市光网及4G移动通信等新一代宽带通信网络的鼎力支撑。

与3G相比,4G在覆盖范围、通信质量、高速传输、高分辨率、多媒体服务等领域均有明显优势。随着4G的普及,4G移动监控应用将在交通、医疗、安防等领域大显身手。4G移动监控支持高清画质,除了能利用4G高带宽性实现高清视频监控外,还可实现实时传输、语音双向对讲、GPS定位、网络存储、报警上传等功能,实现功能高度集中化。用户可以从手机或电脑终端获取清晰、逼真、实时监控图像和各种报警信号,实现远程随时随地观看和管理,为智慧城市的各项安全监控保驾护航,并大大降低沟通成本,提高管理效率。虽然与有线网络相比,4G本身在稳定度、安全性等方面还存在一定的局限性,难以承担全部的视频承载需求,但在应急现场指挥等某些特定场景,4G有不可替代的作用。

将4G的高速率、大带宽与数字集群技术中的资源共享、快速呼叫建立、指挥调度等特点融合,可构建一个集语音、数据、视频于一体的新一代宽带多媒体数字集群系统,用于指挥调度、应急通信、移动办公、移动执法、移动视频监控、城市物联网应用、防爆及危险品监控等方面,满足政务、公安、电力、民航等指挥调度专网的需求,为城市管理提供坚实可靠的无线信息高速公路。

4G技术使任何物体都能成为数据采集的载体,大大促进了物联网感知层问题的解决。物联网的数据采集将更加快捷、方便且可以覆盖到任何范围。随着大数据方法的延伸和物联网技术的普及,4G将在城市管理、物流运输、旅游、医疗、电子商务等领域发挥更突出的作用。

4G网络的运行让云计算、物联网、大数据、移动互联网的结合有了巨大的想象空间。4G技术的应用与突破,强有力地推动了云计算、物联网应用模式的革新和内容的丰富及各行各业的智能化转型,让人们享受更多的智慧新生活,从而促进智慧城市的总体发展。

 

Article Source:

weixin_34026276

Thinmoo,专注于人工智能物联网(AIoT)的国家高新技术企业,公司在互联网音频通信、智能硬件、安防、人工智能方面有深厚的技术积累;在深圳、北京、上海、西安、厦门、长沙、潍坊、昆明、郑州、兰州、重庆、温州、内蒙等地建有服务中心,具有全国服务能力。公司拥有业界领先的基于移动互联网的智慧社区、智慧校园、智慧家庭系列产品及解决方案,主打产品人脸识别云对讲、手机蓝牙二维码云门禁、社区机器人、智能家居、社区物联网等产品及云平台;为万科、星河、建设银行、金科、长城、方圆、珠江地产、苏宁、富力、上铺、微谷、华润、宏阳集团、佳兆业集团、深圳保利物业集团、旭辉集团、中移物联网等国内多家著名品牌房地产、互联网、安防企业提供产品及服务;产品远销美国、意大利、马来西亚、新加坡、塞尔维亚、英国等海外客户。公司本着客户第一、质量至上、认真踏实、艰苦奋斗的经营理念,开放共赢,不断制造精品,以精品回报客户,为创建更美好社区服务

智能物联网将重塑城市治理的全新生态,迎来新的发展机遇

【CPS中安网 cps.com.cn】  从互联网走向物联网是信息时代发展的重大趋势。万物互联的智能物联网给城市治理现代化既带来前所未有的机遇,也带来巨大挑战。

新形势新要求下,加快与智能物联网发展需求相适应的立法工作,提高城市治理的法治化水平;加大政府治理体制改革创新,构筑数据集成共享、业务跨界联动的平台型治理新模式;全方位推动智慧城市建设,深度构筑“城市大脑”系统,提高城市治理的智慧化程度,是城市完善治理体系、提高治理能力的现实选择。

  伴随着世界城市化进程的不断发展,大规模人口、超经济体量、高密度要素分布等,给城市公共服务供给、交通、环境、社会等领域的治理带来巨大压力,对城市治理体系和治理能力提出巨大挑战。近年来,国家大数据战略的实施,云计算、互联网、人工智能等现代科技的快速发展和广泛应用,为全面增强城市治理能力和现代化水平既带来了前所未有的机遇,同时也使其面临诸多新挑战。因此,基于智能物联网最新科技发展趋势,全面探讨数字化背景下城市治理现代化的新策略、新路径,是一个非常重要的研究议题。

  智能物联网将重塑城市治理的全新生态

  2018年国际电信联盟(ITU)发布的《物联网网络服务能力暴露的参考架构》报告指出,物联网是信息社会的全球基础设施,依靠现有的和不断发展的可互操作的信息和通信技术,能通过物理的或虚拟的事物间互连来实现高级服务;其通过身份识别、数据捕获、信息处理和通信功能,可充分利用全部事物为各种应用提供服务。与5G技术和人工智能技术深度结合的物联网,可以实现“万物智能互联”,这不但会让工业、农业、交通、物流、医疗等众多领域产生质的变化,提升整个产业互联网的发展水平,也将会带来整个经济政治文化社会的新发展。

  从城市治理的角度来看,智能物联网的深度发展,将对传统的治理理念、治理手段、治理机制、政府流程等带来革命性变革,重塑全新的治理应用场景和治理生态,主要表现在三个方面:首先,推动治理主客体的全面数据化。城市政府、社会组织、市场企业、城市部件甚至社会个体等都将被数字化、数据化,生物识别、数据身份将成为重新识别治理对象的重要标识和依据。其次,数据库和平台化成为治理的基本依托。将产生各行业各部门的各类数据库,其中,政府数据、企业数据、民众数据会成为城市运行的核心资源;数据互通共享的各类平台,将成为维护城市安全运行与治理的主要支撑。最后,治理场景发生革命性变化。在金融、物流、交通、安防、能源、地下空间、建筑、消费、环保、医疗、文旅等领域将会出现全新的物联网应用场景,“无人化自动感知”成为常态,城市“生命有机体”特征更加凸显,城市将变得更聪明、更智能。

  智能物联网给城市治理带来新的发展机遇

  城市作为一个复杂、不确定性的社会经济开放系统,在当今物联网新时代,如何全方位借助科技力量,构筑适应性治理新制度,做到对城市要素的全面感知、提前预警、及时决策,防患于未然,确保城市经济社会的安全有序运行,是城市治理现代化的重要课题。

  随着国家“新基建”战略部署步伐的加快和数字化经济发展高潮的到来,必将带来全国物联网、数字化技术的蓬勃发展和深度应用。在此过程中,北京、上海、广州、深圳、杭州等城市在物联网基础设施、产业规模、技术创新、人才集聚、应用场景、商业开发等方面已经集聚了更大的发展优势,引领作用不断增强。例如上海、杭州是国家新一代人工智能创新发展试验区,上海全方位构建城市政府“一网通办”和城市管理“一网统管”,实现“高效处置一件事”;杭州利用大数据、区块链等技术打造的“城市大脑”“政务服务链”等,旨在努力建设“全国数字治理第一城”“AI无限想象之城”。

  智能物联网给城市治理现代化带来了前所未有的新机遇。主要体现在五个方面:一是,城市治理更加科学化、精细化。智能物联网构筑的全部城市部件要素的数据化,能够更加精准地记录主体的常态性、捕捉主体的差异性,这将彻底改变传统的经验型治理模式,全数据、全信息成为城市决策、管理和服务的新型依据,无疑将给城市决策的科学化、服务的精准化、治理的精细化提供了新的可能。二是,有助于提升城市治理效率。基于移动互联网的万物智能互联最大的好处是能够实现所有领域数据的动态化、及时化、互联化、共享化,这为城市政府第一时间掌握一手资料和舆情信息、快速处置各类城市问题,尤其是在面临自然灾害、重大公共卫生事件等突发事件时,快速实现部门协同、物资调配、高效应对等创造了条件,可以大大降低城市治理成本。三是,各类大数据和人工智能、物联网的深度应用,为全面改善民生水平,提升公共服务质量,为市民创造高品质生活带来了绝佳机遇,有助于打造人民满意的政府和加快建成人民城市。四是,智能物联网有助于促进不同领域的无缝衔接、有效对接以及共享社会的发展,全面提升资源优化配置效率,增强资源整合与供给能力。五是,为城市治理体制机制、工具手段的全方位、系统性改革创新提供工具手段,推动跨部门数据共享、流程再造和业务联动,构建跨地域、跨系统、跨部门、跨业务的整体性治理新格局,推动治理形式和服务方式由“碎片化”转变为“整体化”,提高城市治理能力和水平。

  智能物联网环境下城市治理面临诸多新挑战

  任何事情都有两面性,智能物联网也是一把“双刃剑”,在给城市治理现代化带来发展机遇的同时,也带来了诸多因技术发展和应用而出现的新问题,对治理体制、机制、制度、政策的改革创新提出新挑战。主要有三个方面:

  一是政府部门对各类物联网数据的综合集成、开放共享能力存在显著滞后。城市治理的关键不是拥有多大的数据,而是对万物互联数据的整合、共享、开发、分析应用,达到“用数据来决策、用数据来管理”的目的。但现实表明,无论是纵向还是横向,城市政府在数据的规范标准、共享兼容方面都还存在一定的滞后性。其中,在纵向上,越往基层越呈现条线数据难以共享和数据割据的现象,这在此次新冠肺炎疫情防控中表现较为突出,如多个部门同时给一个居民发送多条登记或报送信息要求,甚至出现一些信息跟踪中途中断等现象;在横向上,跨部门核心数据的瞬时交换共享联动还难以实现。

  二是当下政府跨界协同治理机制和手段难以适应智能物联网跨界融合发展的现实治理需求。智能物联网的快速发展和深度应用,彻底打破了产业和行业之间的清晰界限,多领域、多行业的“跨界融合发展”成为大趋势,公共服务共建共治共享与社会发展场景互联互通成为常态,对很多基于物联网而发生的城市事件的处置,仅靠一个部门来处置的传统治理模式逐渐走到尽头,如网约车谋杀案件的处置,已经不是由公安部门一家就能有效解决和科学防范的治理议题,而且这样的融合性治理议题将会越来越多。此外,城市治理过程中,管理信息不共享、技术标准不统一、处理结果有差异,尚未形成制度化、激励化的跨部门协同治理机制,各自为政现象依然较为突出。

  三是数据安全、隐私保护等方面的立法建设相对滞后。物联网是指通过传感网络,实时采集所需信息,将所采集的信息汇聚至网关终端,然后通过无线网络运程将其顺利地传输至指定的应用系统中,以实现人类对物品的远程控制。不管是在感知层、网络层,还是应用层,都存在数据被非法采集、信息盗取和篡改、侵犯他人隐私等法律、伦理道德风险。只有加强相关立法建设,依法保护所有行动主体的数据安全和个人隐私,才能有效发挥物联网带给治理现代化的正面效应。但当前,在国家层面和城市层面,均缺乏专门针对信息安全、隐私保护、智能应用场景等问题的法律法规,没有明确各方的权利义务,立法进程跟不上物联网时代的发展,监管能力明显滞后于技术发展水平。

  以智能物联网助推城市治理现代化的基本策略

  大数据、移动互联网、人工智能、物联网等的广泛应用已经成为人类社会发展的主流趋势,也为城市实现治理体系和治理能力现代化、预防和化解高度复杂性社会问题提供了有效治理工具。顺应时代发展趋势和要求,紧抓科技发展机遇,主动出击,补上治理瓶颈和短板,是城市完善治理体系、提高治理能力的现实选择。物联网时代的城市治理现代化,重在实施如下改革策略:

  一是加快与物联网发展需求相适应的立法工作,提高城市治理的法治化水平。针对人工智能、物联网等的发展和深度应用带来的不确定性,完善法律法规成为一项亟待加强的治理议题。城市政府要在国家立法的总体指导下,更要从自身物联网发展和应用的实际需要出发,积极开展立法调研,做好顶层设计,特别是针对物联网信息安全、个人隐私保护、无人驾驶等领域,制定出台和完善相关法律法规,依法明确相关物联网平台主体的权利、责任和义务,加大信息侵权行为、信息泄露的违法成本,对不良行为加强监管,依法消除人工智能、物联网时代数据安全、信息泄露、公共安全、算法歧视、社会不公等方面的困扰,为未来可能出现的社会人机共治新格局打下坚实的法律基础。

  二是加大政府治理体制改革创新,构筑数据集成共享、业务跨界联动的平台型治理新模式。智能物联网使得社会公共事务的跨界性、跨域性、融合性趋势更加明显,这就要求政府主动搭建数据联通共享、业务联动的跨部门协同治理架构,除了着力推动政府数据开放共享、构建大数据交换共享中心、实施“一网通办”打造“政务超市”提高服务效率之外,努力推动跨部门协同联动的法律机制和政绩考核制度,增强政府部门间关系的约束性,促进政府部门间协同工作,提高综合服务水平,加强政府监管能力。

  三是全方位推动智慧城市建设,深度构筑“城市大脑”系统,提高城市治理的智慧化程度。智慧城市的理念是把传感器嵌入到城市生活的各种物体中形成“物联网”,并通过超级计算机和云计算实现物联网的整合,从而实现数字城市与城市系统整合。“城市大脑”是智慧城市的“指挥中心”和“神经网络”,能提供系统、平台、数据交互融合的载体和枢纽,能激活沉睡的数据,能利用实时全量的城市数据资源对城市公共资源进行全局优化,不断提升城市治理水平和公共服务水平。因此,只有持续不断地规划建设“智慧城市”,构筑强有力的“城市大脑”,才会真正发挥出智能物联网本身的数据互联优势,为城市治理提供源源不断的驱动力和创新力,才会提升城市治理现代化水平。

 

文章来源:CPS中安网

Thinmoo现推出自主研发的“BL860”系列物联网智能锁是我们基于物联网技术、金融安全的智能物联网锁,标配支持蓝牙、刷卡、密码功能,可选配支持NBIoT/Lora/Zigbee等多种通讯方式,支持手机APP、微信小程序等多种管理及开门方式,支持二代身份证刷卡,是出租屋、网约房、公租房、保障房管理的首选设备,配套出租屋、保障房、公租房管理系统,已在多个大型项目使用。

应用场景

功能特性

*支持蓝牙、刷卡、临时密码、远程开门等多种开门方式

*可选支持NBIoT/Lora/Zigbee等多种通讯方式

*支持APP/小程序开门

*支持配套的管理系统对接

*低功耗、高性能

*可选支持eID/ID两种二代身份证验证方式

Thinmoo,专注于人工智能物联网(AIoT)的国家高新技术企业,公司在互联网音频通信、智能硬件、安防、人工智能方面有深厚的技术积累;在深圳、北京、上海、西安、长沙、潍坊、昆明、郑州、兰州、重庆、温州、内蒙等地建有服务中心,具有全国服务能力。公司拥有业界领先的基于移动互联网的智慧社区、智慧校园、智慧家庭系列产品及解决方案,主打产品人脸识别云对讲、手机蓝牙二维码云门禁、社区机器人、智能家居、社区物联网等产品及云平台;为万科、星河、建设银行、金科、长城、方圆、珠江地产、苏宁、富力、上铺、微谷、华润、宏阳集团、佳兆业集团、深圳保利物业集团、旭辉集团、中移物联网等国内多家著名品牌房地产、互联网、安防企业提供产品及服务;产品远销美国、意大利、马来西亚、新加坡、塞尔维亚、英国等海外客户。公司本着客户第一、质量至上、认真踏实、艰苦奋斗的经营理念,开放共赢,不断制造精品,以精品回报客户,为创建更美好社区服务

人脸识别布控系统方案,让视频监控变得更加智能

【CPS中安网 cps.com.cn】  随着经济全球化的影响日益深入,改革开放的进一步推进和城市化建设的步伐日益加快,导致城市人口密集、流动人口增加,引发了城市建设中的交通、社会治安、重点区域防范等城市管理问题。当前治安形势多样性、复杂性、犯罪作案手段隐蔽性以及刑事案件高发,尤其是近年来年对城市反恐的新要求,为公安管理工作特别是预防犯罪和执法工作提出了新的挑战。但是由于目前公安警力增加远不能满足实际需求的发展速度,于是随着人工智能技术和监控摄像技术的发展,能将科技手段转化为直接战斗力的城市治安图像监控成为了解决该问题的重要手段,为直接为破获案件提供了便利。

传统安防识别方法缺陷及解决

  传统监控识别方法带来的问题,首先无法避免人类自身不可靠的弱点,不能始终保持警惕,察觉安全威胁,注意力难以持久,容易错过重要画面信息。其次摄像机数量大于监视器数量,并非采用1:1方式,轮巡显示、多画面小图像的方式,很可能错过异常现象,听任事态发展。另外监视与录像分开,不能留住瞬间画面或者快速抽调录像,辅助分析。最后,目前录像内容,仅供事后参考,对于异常情况或者突发事故如果发生,损失和影响将无法挽回,属于被动监控。

  微模式动态人脸识别布控系统,智能视频监控在原有的视频监控基础上增加智能视频分析功能,系统能够根据设置的布控方案自动判断每一路监控场景是否存在异常情况,当产生异常情况后系统将自动产生告警。

  1、人脸检测

  “人脸检测(Face Detection)”是检测出图像中人脸所在位置的一项技术。

  人脸检测算法的输入是一张图片,输出是人脸框坐标序列(0个人脸框或1个人脸框或多个人脸框)。一般情况下,输出的人脸坐标框为一个正朝上的正方形,但也有一些人脸检测技术输出的是正朝上的矩形,或者是带旋转方向的矩形。

  常见的人脸检测算法基本是一个“扫描”加“判别”的过程,即算法在图像范围内扫描,再逐个判定候选区域是否是人脸的过程。因此人脸检测算法的计算速度会跟图像尺寸、图像内容相关。开发过程中,我们可以通过设置“输入图像尺寸”、或“最小脸尺寸限制”、或“人脸数量上限”的方式来加速算法。

  一、人脸识别技术

  2、人脸配准

  “人脸配准(Face Alignment)”是定位出人脸上五官关键点坐标的一项技术。

  人脸配准算法的输入是“一张人脸图片”加“人脸坐标框”,输出五官关键点的坐标序列。五官关键点的数量是预先设定好的一个固定数值,可以根据不同的语义来定义(常见的有5点、68点、90点等等)。

  当前效果的较好的一些人脸配准技术,基本通过深度学习框架实现,这些方法都是基于人脸检测的坐标框,按某种事先设定规则将人脸区域扣取出来,缩放的固定尺寸,然后进行关键点位置的计算。因此,若不计入图像缩放过程的耗时,人脸配准算法是可以计算量固定的过程。另外,相对于人脸检测,或者是后面将提到的人脸提特征过程,人脸配准算法的计算耗时都要少很多。

  3、人脸属性识别

  “人脸属性识别(Face Attribute)”是识别出人脸的性别、年龄、姿态、表情等属性值的一项技术。

  一般的人脸属性识别算法的输入是“一张人脸图”和“人脸五官关键点坐标”,输出是人脸相应的属性值。人脸属性识别算法一般会根据人脸五官关键点坐标将人脸对齐(旋转、缩放、扣取等操作后,将人脸调整到预定的大小和形态),然后进行属性分析。

  常规的人脸属性识别算法识别每一个人脸属性时都是一个独立的过程,即人脸属性识别只是对一类算法的统称,性别识别、年龄估计、姿态估计、表情识别都是相互独立的算法。但的一些基于深度学习的人脸属性识别也具有一个算法同时输入性别、年龄、姿态等属性值的能力。

  4、以在基本保证算法效果的前提下,将模型大小和运算速度优化到移动端可用的状态。

  5、人脸比对(人脸验证、人脸识别、人脸检索、人脸聚类)

  “人脸比对(Face Compare)”是衡量两个人脸之间相似度的算法

  人脸比对算法的输入是两个人脸特征(注:人脸特征由前面的人脸提特征算法获得),输出是两个特征之间的相似度。人脸验证、人脸识别、人脸检索都是在人脸比对的基础上加一些策略来实现。相对人脸提特征过程,单次的人脸比对耗时极短,几乎可以忽略。

  基于人脸比对可衍生出人脸验证(Face Verification)、人脸识别(Face Recognition)、人脸检索(Face Retrieval)、人脸聚类(Face Cluster)等算法。

  6、人脸验证

  “人脸验证(Face Verification)”是判定两个人脸图是否为同一人的算法。

  它的输入是两个人脸特征,通过人脸比对获得两个人脸特征的相似度,通过与预设的阈值比较来验证这两个人脸特征是否属于同一人(即相似度大于阈值,为同一人;小于阈值为不同)。

  7、 人脸识别

  “人脸识别(Face Recognition)”是识别出输入人脸图对应身份的算法。

  它的输入一个人脸特征,通过和注册在库中N个身份对应的特征进行逐个比对,找出“一个”与输入特征相似度较高的特征。将这个较高相似度值和预设的阈值相比较,如果大于阈值,则返回该特征对应的身份,否则返回“不在库中”。

  8、人脸检索

  “人脸检索”是查找和输入人脸相似的人脸序列的算法。

  人脸检索通过将输入的人脸和一个集合中的说有人脸进行比对,根据比对后的相似度对集合中的人脸进行排序。根据相似度从高到低排序的人脸序列即使人脸检索的结果。

  9、人脸聚类

  “人脸聚类(Face Cluster)”是将一个集合内的人脸根据身份进行分组的算法。

  人脸聚类也通过将集合内所有的人脸两两之间做人脸比对,再根据这些相似度值进行分析,将属于同一个身份的人划分到一个组里。

  在没有进行人工身份标注前,只知道分到一个组的人脸是属于同一个身份,但不知道确切身份。另外假设集合中有N个人脸,那么人脸聚类的算法复杂度为O(N2)

  10、人脸活体

  “人脸活体(FaceLiveness)”是判断人脸图像是来自真人还是来自攻击假体(照片、视频等)的方法。

  和前面所提到的人脸技术相比,人脸活体不是一个单纯算法,而是一个问题的解法。这个解法将用户交互和算法紧密结合,不同的交互方式对应于完全不同的算法。鉴于方法的种类过于繁多,这里只介绍“人脸活体”的概念,不再展开。

  二、设备系统组成

  微模式动态人脸布控系统是基于人脸识别核心算法的智能系统,通过在人员密集及重点人员管控等场所的进口通道,布置人脸图像采集摄像头,系统将搜索采集到的人脸图像与人脸图像库进行比对,比对成功后迅速锁定嫌疑人员,并辅以人工研判,并将预警信息发送至管控责任单位或责任人终端,由相关人员开展处置工作。该系统能快速准确无误识别重点管控人员,是安防的重要手段,应用广泛。

系统设备:

  人脸图像采集终端:

  1. 人脸抓拍摄像机

  通过摄像头进行人脸捕捉抓拍后,摄像头自动将所抓拍到的人脸图像进行人脸去重、人脸质量评判等流程作业,最后将合格的人脸照片图像传到后台与重点人员人脸库再进行识别比对、核验。

  2. 普通网络摄像机

  通过网络摄像头监控区域,摄像头自动获取视频流送至人脸检测服务器,由人脸检测服务器对视频流进行人脸检测、人脸去重、人脸质量评判等流程作业,最后将合格的人脸照片图像传到后台与重点人员人脸库进行识别比对、核验。

  产品功能简介:

  1. 市局权限分级:市局授予权限,给分局分配不同账户,实现多账户信息共享;2. 预警发送:短信、微信等多方式传送到管控终端,实时掌握重点人员信息;

  3.研判工具:根据案件侦查情况,可依据时间、地域等对重点人员进行布控追查;4.平安城市视频对接:与平安城市视频监控进行对接,进行重点人员布控;

  5.公安局平台对接:对接公安系统平台,预警信息实时发送。

  应用领域:火车站、汽车站、地铁站、公交车站、机场等,人员密集场所、大型会议安保、重点人员临时布控。

  三、部分应用场景

  1.教育行业:

  应用在幼儿园、中小学中,提高校园安全率。快速识别本校学生、老师、家长,杜绝陌生人进入,杜绝小朋友被冒领现象。在各种重大考试中,可利用人脸识别技术确认考生身份,防止假证考试、替考等不良现象。在考场中,可以全程监考,避免作弊现在发生,既保证考试的公平公正性,又大降低了学校的人工成本。

  2.公安行业:

  在一些公众场合安装摄像头,利用动态人脸识别布控让民警可以从重复、繁杂的视频观察中解放出来。通过高清摄像头抓取人脸、再进行大库比对,警方可以轻易找出重点人员流动路径。可以广泛应用于机场、车站、港口、地铁重点场所和大型商超等人群密集公共场所,以达到对一些重点人员的排查,抓捕逃犯等目的。

文章来源:CPS中安网

Thinmoo,专注于人工智能物联网(AIoT)的国家高新技术企业,公司在互联网音频通信、智能硬件、安防、人工智能方面有深厚的技术积累;在深圳、北京、上海、西安、厦门、长沙、潍坊、昆明、郑州、兰州、重庆、温州、内蒙等地建有服务中心,具有全国服务能力。公司拥有业界领先的基于移动互联网的智慧社区、智慧校园、智慧家庭系列产品及解决方案,主打产品人脸识别云对讲、手机蓝牙二维码云门禁、社区机器人、智能家居、社区物联网等产品及云平台;为万科、星河、建设银行、金科、长城、方圆、珠江地产、苏宁、富力、上铺、微谷、华润、宏阳集团、佳兆业集团、深圳保利物业集团、旭辉集团、中移物联网等国内多家著名品牌房地产、互联网、安防企业提供产品及服务;产品远销美国、意大利、马来西亚、新加坡、塞尔维亚、英国等海外客户。公司本着客户第一、质量至上、认真踏实、艰苦奋斗的经营理念,开放共赢,不断制造精品,以精品回报客户,为创建更美好社区服务

人脸识别应用在智能安防社区,应该考虑什么因素?

【CPS中安网 cps.com.cn】 近日,“人脸识别”又成为人们热议的话题。很多人认为人脸识别应用在智能安防领域上不够安全,容易侵犯隐私。但事实是否真的是这样呢?

  安防领域集成了许多技术,从早期的刷卡出入门禁、身份证识别,到现在的指纹识别、扫码识别和人脸识别等身份核验方式,可以看到身份核验也逐渐从接触式、有介质的身份核验方式走向无接触、无介质的身份核验。

  在疫情期间,这种无接触的身份核验方式深受欢迎,有部分智能硬件厂商更结合人脸识别和红外测温,集成制造了可以无接触远距离自动测温和识别身份的人脸识别测温终端。因此,目前我们在打造社区智能安防时,应该将测温这一功能考虑进去。

  在疫情期间,安装在智能安防社区的人脸识别一体机,除了能自动测温,还能通过人脸识别或扫码识别了解人员出去情况,确保社区安全。

  但人脸识别用于智能安防领域是否安全呢?如果有人使用业主的照片,是否能轻易打开人脸识别门禁?针对这个安全隐患,许多智能安防社区适用的人脸识别门禁终端都会采用3D人脸识别摄像头,通过判断人脸的立体特征,如鼻子高低、眼廓高低等信息来识别活体,而不是平面的照片、视频或3D面具等,进一步提高安全性。

  也有人提出质疑,人脸识别作为门禁终端一体机,如果在夜晚使用会不会无法识别?毕竟人脸识别需要能看清人脸才能识别。天波小编曾试过一次到某自助柜员机办理业务,由于天黑了,无法识别人脸进行身份验证。

  这也是人脸识别制造厂商和用户需要考虑的场景。我们在选择人脸识别一体机时,需要考虑这类人脸识别一体机是应用在什么环境和场景。如果是在户内,基本的人脸识别配置就能满足需求,但如果需要在户外使用,就要考虑户光线对人脸识别一体机的影响。一些人脸识别一体机就嵌入红外识别和可见光传感器等器件来抵挡户外光线对人脸识别的影响。

文章来源:CPS中安网

Thinmoo,专注于人工智能物联网(AIoT)的国家高新技术企业,公司在互联网音频通信、智能硬件、安防、人工智能方面有深厚的技术积累;在深圳、北京、上海、西安、厦门、长沙、潍坊、昆明、郑州、兰州、重庆、温州、内蒙等地建有服务中心,具有全国服务能力。公司拥有业界领先的基于移动互联网的智慧社区、智慧校园、智慧家庭系列产品及解决方案,主打产品人脸识别云对讲、手机蓝牙二维码云门禁、社区机器人、智能家居、社区物联网等产品及云平台;为万科、星河、建设银行、金科、长城、方圆、珠江地产、苏宁、富力、上铺、微谷、华润、宏阳集团、佳兆业集团、深圳保利物业集团、旭辉集团、中移物联网等国内多家著名品牌房地产、互联网、安防企业提供产品及服务;产品远销美国、意大利、马来西亚、新加坡、塞尔维亚、英国等海外客。公司本着客户第一、质量至上、认真踏实、艰苦奋斗的经营理念,开放共赢,不断制造精品,以精品回报客户,为创建更美好社区服务

切换注册

登录

忘记密码 ?

切换登录

注册

Product Series:

Intelligent face recognition cloud intercom series

AI monitoring series

Cloud access control IoT lock series

Smart Home Series

Internet of things series

Intelligent channel smart parking series

Solution:

Intelligent waste sorting system

Smart community solutions

出租屋解决方案

Smart Building Solutions

contact us:

客服:4001883169‬

商务:4001883169‬

mailbox:sales@thinmoo.com

Address:Block East 3rd floor,Bantian High-Tech Park,Longgang District,Shenzhen,China

 

 

Official WeChat:

 

Scan code attention to the public number

ICP 15107074
en_USEnglish
zh_CN简体中文 en_USEnglish
Skip to toolbar