出入口控制的安全管理一般分為人和物兩方面管理人工智能技術在這兩方面的應用中也發揮著積極的推動作用。

 

一、人工智能技術在出入口控制系統人的管理中的應用優勢

 

對于人員管理來說，一般的做法是在出入口配備訪客實名登記系統，所有訪客進入需要進行證件登記，而訪客機會利用認證對比、人臉識別等人工智能進行身份驗證，充分保證了出入口的安全。

 

在人工智能技術快速發展的今天，人臉識別是如今最領先的驗證方式。人臉識別智慧出入口閘機最初常用的驗證方式是IC/ID刷卡，然后發展到二維碼、指紋和身份證驗證，再到現今的人臉識別驗證。根據應用的實際需求，人臉識別智慧出入口閘機還可以結合多種驗證方式，形成人證合一、多生物識別等閘機系統，提高管理的安全級別。

 

現在很多領域使用人臉識別閘機替代人工進行實名制驗證，可以實現對出入口的高效、便捷、精準的管理以及降低人工管理成本。利用人臉識別閘機，可以從前端攝像頭開始部署，將采集的數據與公安系統對接，有助于開展偵查工作，防止與打擊犯罪行為，加強公共場合的安全和提高公安人員的辦案效率。機場、火車站、海關等高公共交通場合，將人臉識別與身份證實名制驗證結合，旅客自助安檢或驗票通關，替代人工檢驗，而且識別速度非常快，提升了旅客出行的便利性。寫字樓安裝人臉識別閘機，能實現智慧辦公，用戶可以告別傳統刷卡的方式，僅需要通過識別人臉即可進出。這既強化了寫字樓的管理與服務，也提升了用戶體驗，同時，企業與物業還能利用通過閘機采集的數據優化管理方案。人臉識別閘機應用在小區，令小區的安保手段更加科技化，它替代保安的角色，識別比保安更精準和無遺漏，更好地為小區居民創造便捷的通行與阻止外來人員非法進入，當居民拎著大包小包不方便找卡、忘帶和丟失門卡時 ，也不用擔心，露個臉就可以進門了，非常方便，又可以增強了居民對社區的安全感。

 

二、人工智能技術在出入口控制系統物的管理中的應用優勢

 

對于物的管理最主要的應用為車牌識別系統，車牌識別的技術在安防行業的應用由來已久，技術相對成熟，人工智能的應用提高了車牌識別的準確率。

 

在傳統的圖像處理和機器學習算法研發中，很多特征都是人為制定的，比如hog、sift特征，在目標檢測和特征匹配中占有重要的地位，安防領域中的很多具體算法所使用的特征大多是這兩種特征的變種。人為設計特征和機器學習算法，從以往的經驗來看，由于理論分析的難度大，訓練方法又需要很多經驗和技巧，一般需要5到10年的時間才會有一次突破性的發展，而且對算法工程師的知識要求也一直在提高。深度學習則不然，在進行圖像檢測和識別時，無需人為設定具體的特征，只需要準備好足夠多的圖進行訓練即可，通過逐層的迭代就可以獲得較好的結果。從目前的應用情況來看，只要加入新數據，并且有充足的時間和計算資源，隨著深度學習網絡層次的增加，識別率就會相應提升，比傳統方法表現更好。

 

另外在車輛顏色、車輛廠商標志識別、無牌車檢測、非機動車檢測與分類、車頭車尾判斷、車輛檢索、人臉識別等相關的技術方面也比較成熟。

 

1、車牌顏色識別

 

在車輛顏色識別方面，基本上克服了由于光照條件變化、相機硬件誤差所帶來的顏色不穩定、過曝光等一系列問題，因此解決了圖像顏色變化導致的識別錯誤問題，卡口車輛顏色識別率從80%提升到85%，電警車輛主顏色識別率到從75%提升到80%以上。

 

2、車輛廠商標志識別

 

在車輛廠商標志識別方面，使用傳統的HOG、LBP、SIFT、SURF等特征，采用SVM機器學習技術訓練一個多級聯的分類器來識別廠商標志很容易出現誤判，采用大數據加深度學習技術后，車輛車標的過曝光或者車標被人為去掉等引起的局部特征會隨之消失，其識別率可以從89%提升到93%以上。

 

3、車輛檢索

 

在車輛檢索方面，車輛的圖片在不同場景下會出現曝光過度或者曝光不足，或者車輛的尺度發生很大變化，導致傳統方法提取的特征會發生變化，因此檢索率很不穩定。深度學習能夠很好地獲取較為較穩定的特征，搜索的相似目標更精確，Top5的搜索率在95%以上。在人臉識別項目中，由于光線、姿態和表情等因素引起人臉變化，目前很多應用都是固定場景、固定姿態，采用深度學習算法后，不僅固定場景的人臉識別率從89%提升到99%，而且對姿態和光線也有了一定的放松。

 

4、交通信號系統

 

傳統的交通燈使用默認時間轉換燈色，雖然轉換燈色的時間會根據數據每幾年更新一次，但是隨著交通模式發展，傳統系統很快就會過時。而人工智能驅動的智能交通信號系統則以雷達傳感器和攝像頭監控交通狀況，然后利用先進的人工智能算法決定燈色轉換時間，通過人工智能和交通控制理論融合應用，優化了城市道路網絡中的交通流量。

 

5、警用機器人

 

人工智能的警用機器人將取代交通警察，實現公路交通安全的全方位監控、全天候巡邏、立體化監管。

 

6、大數據分析

 

人工智能算法可以根據城市民眾的出行偏好、生活、消費習慣等方式，分析出城市人流、車流的遷移與城市建設及公眾資源的數據。基于這些大數據的分析結果，為政府決策部門進行城市規劃，特別是為公共交通設施的基礎建設提供指導和借鑒。

 

7、無人駕駛和汽車輔助駕駛

 

非常重要的一個技術點就是圖象識別，通過圖像識別前方車輛、行人、障礙物、道路以及交通信號燈和交通標識，這項技術的落地應用將給人類帶來前所未有的出行體驗，重塑交通體系，并構建真正的智能交通時代。