專家系統+深度學習
原創(chuang)自(zi)主(zhu)的(de)專家系統(tong)與深(shen)度學(xue)習(xi)融(rong)合技術，將人大(da)腦的(de)優勢與機器(qi)學(xue)習(xi)相結(jie)合，并因(yin)在原創(chuang)算法的(de)超高準確(que)性率先將人工智能技術落地于零(ling)售，安防，社區等(deng)領域(yu)。
核心技術
人工智能 感知世界 服務社會
2D圖像轉3D場景建模
2D圖像(xiang)是一個平面的(de)(de)概念，沒(mei)有距離(li)(li)和深度信(xin)息，3D場景(jing)中能(neng)夠識別人(ren)與攝像(xiang)機(ji)的(de)(de)距離(li)(li)，車-男人(ren)-女人(ren)之間(jian)的(de)(de)距離(li)(li)，由像(xiang)素(su)距離(li)(li)得出(chu)空間(jian)距離(li)(li)。
復雜場景多目標跟蹤
識別(bie)視頻流中(zhong)出(chu)現的行人、車輛的位置(zhi)和數量(liang)，識別(bie)目標(biao)行進速度與攝(she)像(xiang)頭(tou)之間的距離，并可以對視頻流中(zhong)同一人員跨攝(she)像(xiang)機進行行動軌跡(ji)追蹤與分析。
專家系統肢體模型
建立(li)萬(wan)種(zhong)全(quan)面精準的肢(zhi)體運動能(neng)量模(mo)型，人體模(mo)型檢測：面部(bu)、頭部(bu)、肩部(bu)；肢(zhi)體模(mo)型檢測：手臂、腿部(bu)、腳、手。
復雜場景抗干擾學習
實驗(yan)室環(huan)(huan)境(jing)(jing)下的AI技術并沒有實用價值。針對各種惡劣環(huan)(huan)境(jing)(jing)，建(jian)立算(suan)法學習(xi)庫進行抗干擾訓練(lian)。
有效應對(dui)：雨雪、積水、蒸汽、射燈、貓狗蚊蟲、樹葉晃動、夜間低照(zhao)度、慢速物(wu)體、超小目標、水面反光、陰影、擁擠人群等二(er)十多(duo)種惡(e)劣(lie)環境(jing)。