AI應用技術
AI影像辨識　　

技術應用領域
智慧場域管理、影像辨識、人臉、人形追蹤　　

應用名稱
AIRA人臉辨識應用於智慧場域管理　　

應用描述
在過去，當我們需要從監視系統中找尋目標人物，例如說嫌疑犯、走失人員或是Covid-19的染疫者足跡，我們需要透過人工的方式，去檢查每支攝影機的每個片段，當找到可以作為證據的片段時，也需要一段段的輸出再交給警方或是相關單位，非常的耗費時間。而現在，當我們有了airaTrack, 全場域人員追蹤解決方案，我們可以在場域的主要路徑上，採用攝影機做及時的人臉擷取，儲存臉部特徵值為Face Index, 當需要找尋目標人物時，我們透過搜尋Face Index以及位於監控系統VMS當中的錄像存檔，就可以快速找到與匯出帶有目標人物的影像片段。aira作為影像與AI的專業團隊，致力於提供整合各產業的落地方案，從演算法、軟體、應用都是由自己的團隊開發，並透過數十年的產業經驗，使用先進的AI技術、相容性高的系統架構，來解決客戶問題。　　

運用技術
airaFace Model使用airaFace_inception與airaFace CosSoftmax進行訓練 airaFace-inception: 使用inception v4進行優化，主要差異為input shape(112x112x3)與遞迴次數的變化，而最後的output size設為4K.設計的重點在於加快深度網路的訓練速度與之後於TensorFlow實作上的速度優化 airaFace CosSoftmax: 使用CosFace進行優化，強化深度多分類網路結構的訓練結果 訓練資料來源主要來自MS1M,MegaFace,WebFace以及自我蒐集的數據資料約400萬張圖，訓練資料蒐集與篩選主要注重資料需要年齡均勻分布與具有多樣性，並可以辨識我們商用的攝影機影像。此模型於LFW(Labeled Faces in the Wild)驗證的精準度為99.8% airaFace Model主要於兩個平台上進行推論，於intel OpenVINO以及Android Tablet(Linux) intel OpenVINO為使用intel CPU的推論引擎，主要使用CPU來辨識攝影機的影像。使用TensorFlow作為主要框架，並壓縮至32位元，讓CPU可以更快速的進行解碼與推論，並維持一定的準確度。另外Android Tablet上使用TensorFlow Lite架構，因為使用平板提取到的圖像是非常清晰且無變形的，因此將模型壓縮至16位元，提升終端運算的效能。除了推論模型外，airaFace也將擷取出的演算法進行優化，將人臉辨識特徵進行CTA(Confidence Transforming Algorithm)，得出的分數可以有效的辨識出人臉相似度　　

效益
airaTrack目前已經導入健身中心、智慧建築、智慧工廠、智慧住宅、智慧零售等各個不同領域，根據各戶需要針對場域做智慧追蹤的需求去規劃，提供適當的解決方案，同時也透過系統與演算法的設計，達到節能、隱私、智慧化等訴求 節能: 使用最小效能進行複雜的運算，於精準度與效能中，找到商業平衡點，並與現有系統整合作加值應用 隱私: 去標籤化的人臉辨識系統，避免侵犯隱私，不針對特定人士進行標籤，確保人員隱私，且系統運作都在本地端主機進行，避免外流 智慧化: 適用於各場域的人臉辨識追蹤應用，讓各種場域都可以做到智慧化，同時也將將現有監控系統的資料數位化，以便於進行更多應用　　

應用/研究單位
AIRA Corporation