Yüz izleme

 

Yüz izleme, bilgisayarlı görme yüz görüntü veri üzerinde hesaplamalar çalışan içerir bir dalıdır. Bu tür yazılımlar AR ve VR uygulamaların gelecekte belirgin bir rol oynar ve e-ticaret, güvenlik, video oyunu ve iletişim endüstrileri geleceğin etkileyecektir.

Bu araştırmalar, kendi yüz algoritmaları izleme gelişmeler önemli başarılar gördü. RGB sensörleri gibi RGB-d olarak da bilinir, gelecekteki derinlik sensörü yapılandırmaları ile yüz özelliği izleme yazılımı destekler Sağlam 3 boyutlu rekonstrüksiyon insan yüzlerini yanı sıra tıkanıklığı sağlar gibi derinlik veri dahil yüz izleme, önemli bir gelişmedir. Tıkanıklığı içeriğin şapka, gözlük ve takı kullanıcı kendi başına döndüğünde arkasında veya yüz civarında doğru olarak işlenmesine izin verir. Bu tüketicilerin baş yıpranmış ürünleri çeşitli örnekleme için zorlayıcı ve gerçekçi bir deneyim sağlar.

İnsan yüzü için ideal augmentations değiştirmek ve kullanıcı yüz ifadesi değişimler doğrultusunda uyarlamak gerekir. Yüz izleme, oyun, film veya hatta kozmetik sektöründe ürün değerlendirmesi için kullanıldığında, bu gereklidir. BT Araştırmaları'nın teknoloji yüz özelliği izleme, şimdiki nesil mobil donanım üzerinde kullanılabilir desteği ile bu gereksinimi giderir.

3D, yüksek sadakat rekonstrüksiyonlar insan yüzleri oluşturma yeteneği daha visseral uzun mesafe iletişim, ürün ön görselleştirme iyileştirme için yeni kapılar, video oyunları, güçlendirilmiş güvenlik önlemleri yanı sıra diğer uygulama alanları için artan daldırma açılacaktır.

Gelecek nesil sensörler

 

Yapay görme evrimi duyusal donanımının ilerlemesi şartlı olduğunu. Tarihsel olarak, akıllı aygıt fotoğraf makinesi ölçü birimi kullanımı mobil bilgisayar görme önemli odak noktası olmuştur; Ancak, farklı türde algılayıcılar daha sofistike deneyimleri ve etkileşimleri etkinleştirin. Akılda bu gol ile BT araştırmalar entegre 'Termal Touch' portföyünde teknolojileri – parmaklarımız tarafından bırakmıştım sıcaklık algılama aracılığıyla dokunma nesneleri tanımlayabilirsiniz bir sistem. Kullanıcılar, ikisi arasında benzersiz bir arayüz oluşturma sahnede gerçek dünya ile fiziksel etkileşimi aracılığıyla sanal içerik işleyebilirsiniz.

Bilgisayarlı görme bir etkisi yapıyor başka bir gelişmekte olan teknoloji derinlik sensörleri veya "RGB-D" yapılandırmaları olduğunu. Derinliği algılama doğrudan mesafeler nesnesi içinde olay belirleme sorunu çözdü ve doğru oluşturmak için varolan görsel bilgi ve ölçek düzeltmek rekonstrüksiyonlar ortamlarda gerçek zamanlı olarak entegre edilebilir. Bu çok somut ürün ön görselleştirme, ekipman uygun jest ve yüz izleme ile birlikte kullanımları vardır. Ayrıca, RGB D sensörleri tıkanıklığı izleyiciye yakın olan gerçek nesnelerin arkasında sanal içeriği etkinleştirmek için hemen hemen tüm AR kılan önemli bir başarı daha gerçekçi ve entegre içine gerçek ortamlarda yaşar.

Aydınlatma tahmini

 

Gerçekçilik olan Augmented Reality deneyimleri inandırıcı düzeylerine ulaşmak için içeriğin bulunduğu ortam ışık koşullarını taklit etmek önemlidir. İnsan, doğru aydınlatma ile ilgili davranmazlar nesneleri hevesle farkındayız ve bu nesnelerin hemen gibi doğal olmayan algılanan. Sanal nesnelere gölge gölgeler olarak aynı yönde onların çevresinde içinde gerçek nesneler proje ve aynı şekilde yani yansıyan ışık için.

BT Araştırmaları'nın tutarlı aydınlatma teknolojisi gerçek zamanlı bir sahne ışık koşullarını tahmin ve sırayla bu koşullar sahne içinde sanal eşyaların üzerine çevirmek. Sonuç, sanal içerik aydınlatma koşulları çevre ile uyumlu doğal görünen Augmented Reality deneyimdir. Bu araştırmalar'ın dinamik aydınlatma teknolojisi gerçek zamanlı olarak çalışır gerçek ortamda değişen ışık koşullarını yansıtacak.

SLAM

 

Yapay görme uygulamada önemli bir gereksinimi gözlemlemek ve bilinmeyen ortamları anlamanız mümkün olan içerir. Bir tamamen yeni bir ortamda bilgi çoğaltmak istiyor bu özellikle önemli olur. Eş zamanlı Yerelleştirme ve eşleme (SLAM) bilinmeyen ortamında, aynı zamanda o çevrede referans Haritası oluşturma kendisi yerelleştirmeye bir cihaz sağlayan bir tekniktir.

Bu araştırmalar biz kendi sürümlere Slam geliştirdik

doğruluk – standart mobil cihazlar ile bile. Bu araştırmalar SLAM artırmada içerik veya ne "3D işaretsizdir takip" olarak bilinen bilinmeyen ortamlar içinde etkinleştirir. SLAM ile ortamları veya nesneleri bir kez, daha sonra istediğiniz gibi birçok uygulamalarda kullanılmak üzere kaydedilir yeniden olabilir. Bu ne zaman artar gerçeklik deneyimlerini kapalı ortamlarda, diğer izleme yapılandırmalarını özellik çıkarma için yeterli olmadığı zaman oluşturma ile meydan benzersiz faydası vardır.

Görsel arama

 

BT Araştırmaları'nın sürekli görsel arama teknolojisi kitlesel araştırmalar'ın güçlü bulut sunucuları, büyük etkinleştirme kullanan işlemler Augmented Gerçeklik uygulamaları ölçeklemek görüntü tanıma ölçeklendirir.

Resimleri milyonlarca veritabanları hızla bir maç için istemci tarafı gönderilen resim ile denetlenebilir. Bir büyük ölçekli çevre bizim madde artırmak sağlayan görsel arama çözümü sonucudur: sanat için teknik kılavuzlar için ürün paketinden. Bu teknoloji, Ayrıca görüntü eşleme verileri ve içeriği cihaz ve bulut içine boşaltma bir veri yönetimi çözümü olarak hizmet vermektedir. Bu daha iyi pil ömrü ve daha hafif bir iş yükünü CPU için katkıda bulunmaktadır.

3D nesne izleme

 

Bu araştırmalar 3D nesne izleme teknolojisi sanayi yol açar. İzleme özelliği, visual odometry ve uç tabanlı izleme kombinasyonu, teknolojimizi izlemek ve gerçek dünya nesneleri yerine, basit 2D marker yapılandırmaları çoğaltmak mümkün.

3D nesne izleme açılır yeni fırsatlar Augmented Reality: Makine parçaları ile dijital bilgileri açıklamalı, tüketim malları daha fazla ürün bilgisi veya promosyonlar ile artar ve dijital eğlence harmanlanmış doğal olarak gerçek dünyaya.

Bu araştırmalar en son entegre özelliği tabanlı izleme ve uç tabanlı izleme hibrid izleme olarak bilinen son derece sağlam bir sistem içine. Bu yapılandırma, her iki yaklaşımın gücünü birleştiren, daha yüksek doğruluk ve sağlamlık sunar.

Sosyal Multimedya analizi


Multimedya içerik varlık üretilen ve benzeri görülmemiş bir oranda Internet üzerinden paylaşılan. Örneğin, bir milyondan fazla görüntüler her gün paylaşılır ve her yıl 100 milyon saat video paylaşılır. Veri bu saldırı ile etkin içerik tabanlı alma, benzer madde arama, kişiselleştirilmiş içerik arama, gizlilik koruma gibi uygulamalar ve sosyal ağlar üzerinde çoklu ortam içeriği akışını modelleme yeteneği otomatik olarak görüntü ve video içeriğini anlamak için önemlidir. Bu tür yetenekler, yeni ürünler ve jeo-politik veya askeri olayları önceden adanmış istihbarat ve araştırma grupları mümkün olmamıştır dünya çapında viral içerik (örneğin, memes), Müşteri görüşleri hakkında bilgi toplamak için maliyet-etkin çözümler sağlayabilir.

Bu araştırmalar bir odak görsel içerik anlayış, içerik tabanlı arama, çevrimiçi gizlilik koruma ve modelleme ağ büyük ölçekli Multimedya Çözümleme Araç Paketi geliştirmek. Bu yazılım araçları dahil nesneleri, sahneleri, etkinlikler, sahne metin ve ses sinyalleri tespit etmek için çoklu ortam analizlerinde son state-of--art teknikleri Kısıtlamasız görüntüleri ve videoları gömülü. Bu tekniklerin müşterek analiz ve veri ilgi desenleri algılamak için kullanılır. Farkında olmadan web üzerinde ortak olmak bir-in o araştırmalar'ın devam eden projeler örneğidir potansiyel hassas malzeme görüntülerle ilgili ne zaman hangi dikkatli kullanıcı gizlilik Danışmanı geliştirilmesi. Araçlarımızı büyük ölçekli, gerçek veriler üzerinde yüksek hassasiyet gösterdiği ve farklı uygulama etki alanları için adapte edilebilir. Buna ek olarak, web tarayıcılarda sorunsuz arama deneyimi sağlar ve kullanıcıların alaka geribildirim dahil ederek arama doğruluğunu geliştirmek etkileşim ve görselleştirme gelişmiş araçları entegre BT araştırmalar.



Büyük multimedia Arşiv ayıklama görsel ve işitsel özellikleri aracılığıyla arama için sistem mimarisi. Arama sonuçları rafine.
yinelemeli kullanıcı geribildirim.
 

Rafine arama sonuçları için "flash mob."
 

Arama sonuçları görsel olarak benzer dayalı.

Faaliyet tanıma ve davranış analizi


BT araştırma faaliyetleri tanımlama ve insan ve araç çevre ile etkileşimi dayalı davranışlarını anlama çözümleri geliştirme uzmanlığı vardır. Konumu, nesneler ve gerçekleştirilen faaliyetler gibi video içinde bulunan statik ve dinamik bulgusal tanımlayıcılarını temel davranış kalıpları tanımak için temel bir kavramdır. Çözümlerimiz dayalı güçlü, matematiksel gösterimler ve farklı ve zorlu gerçek dünya senaryolarında sokak gözetimi ve futbol videoları gibi gösterdi.

Gelişmeler için geçerli durum---sanat video tanıma,'ek olarak bu yetenekleri video anlamada önemli bir sorun üstesinden gelmek gerekli: herhangi bir olay ve nesne stilleri, nitelikleri ve sahneler sınırsız sayıda tanınması.

 


Video 3D imar


Geniş alan video sensörler ham video veri birkaç gigabayt ikinci ve terabayt yüzlerce verimli yöntemleri downlink ve arşiv için bu verileri sıkıştırmak için bir ihtiyaç yaratmak, bir görev üzerinde oluşturabilirsiniz. Standart sıkıştırma teknikleri mevcuttur, ancak hiçbiri bu gerçeği dünya 3D statik kullanmaktadır. Bu konsept ile BT araştırma teknikleri kullanarak 3 boyutlu modeller geniş alan video sıkıştırma önemli ölçüde artırmak için geliştiriyor.

Böyle bir şekilde video sıkıştırmak için ön plan ve arka plan ayrı ve dinamik sahne öğeleri ayırt etmek için ilk adım olduğunu. Belirlemede hangi dinamik unsurları temsil edilmesi gerekiyor, sahne etkiler kısa, uzun ve çok uzun vadeli değişiklikleri dikkate almak önemlidir. Hangi öğelerin temsil edilmesi gereken belirlenerek, odak sıkıştırmayı etkinleştirmek için 3D modeli ile arka plan yerine olabilir. Bu 3D model bakış açısı ve zamana bağımlı görünümü veri sahne tam olarak anlamak için gerekli içerir. Bu tür sıkıştırma ile önemli bir ticaret ve verimlilik kazanç, yutulur giderek daha büyük veri kümeleri için gerekli vardır.

 

İçerik tabanlı Video ve resim alma


Bu araştırmalar içerik tabanlı görüntü alma birden fazla DARPA ve AFRL programlarının önemli yetenekleri geliştirmiştir. Biz yemek, ön işlemden, gelen bir video akışı stabilize etmek ve tanımlamak ve hareketli nesneler, tut ve araç karakterize. Hareket tanımlayıcıları (kinematik, deforme ve mafsallı hareket dahil), görünümü tanımlayıcıları (renk ve şekil dahil) ve davranış tanımlayıcıları gibi daha karmaşık video tanımlayıcıları (koşu, taşıyan, araç gibi u dönüşü ve diğerleri) derin anlam içeriğin niteleyen.

Bu semantik analizi canlı özel operasyon personeli için uyaran etkinleştirir ve beklenmeyen veya şüpheli etkinlik görevi başarı için kritik olabilir bir video akışı içinde işaret. Ayrıca, Gelişmiş adli özellikleri geriye dönük faiz üzerinden büyük veri kümelerini aktiviteler alınmasını sağlamak.

Bu araştırmalar BT araştırmalar görüntü ve Video sömürü ve alma araç seti (KWIVER), bir parçası ile hükümet sınırsız haklar olarak Forge.mil kendi görüntü ve video analizi yetenekleri koymak başladı. Forge yeteneklerine. milyon şu anda dahil tam kaynak kodu için araştırmalar'ın gerçek zamanlı WAMI izleme sistemi. KWIVER yetenekler eklemek için planı ve hükümet ve ticari ortak kalıcı bir gelişme topluluk inşa umuyoruz.


"Bütün insanlar kim are infaz göster." sorgu için örnek arama sonuçları

Geniş alan Video analizi


Bu araştırmalar geniş alan hareketli görüntü (WAMI) karmaşık, banliyö ve kırsal kentsel ortamlarda actionable istihbarat otomatik olarak ve etkileşimli olarak keşfetmek yetenekli bir yazılım sistemi geliştiriyor. WAMI içinde yollar, binalar ve diğer sahne özellikleri bağlamında varlıklar birincil bilgi öğeleri hareket ediyor. Bu varlıklar sömürülebilir iken, sık sık occlusions, durur ve diğer etkenler nedeniyle karmaşık kentsel ortamlarda parçalanmış parçaları verim. Bu araştırmalar'ın yazılım sistem parça ilişkilendirmek ve tanımlamak ve potansiyel tehditleri tespit ve adli analiz gerçekleştirmek için yerel etkinlikler entegre algoritmik çözüm kullanır.

Bu yazılım sistemi roman istihbarat faaliyetleri, normallik ve içerik modelleri kullanarak keşfetmek için son-kullanıcı yeteneği önemli ölçüde artırmaktadır. Olaylar büyük çoğunluğu normal ve hiçbir tehdit beri modelleri çapraz-ilişkileri ve şüpheli davranış gösterge vardır veya daha önce eşleşen anomaliler öğrendim - veya tanımlanan - etkinlik tehdit keşfetmek için tekil olaylar ile tümleştirmeniz gerekir.

Gelişmiş sistem analist'ın gelişen WAMI veri işleme yeteneği geliştirir ve adli analiz için verileri kullanmak ve analiz yeteneği önemli ölçüde artırılması, birçok mevcut sömürü görevleri gerçekleştirmek için gereken süreyi azaltır.

 


 

Sahne anlama


Sahne video görsel gözetimi için ortaya çıkan bir sorun ve video anlayış sorunu anlaşılmasıdır. Bu araştırmalar fonksiyonel nesne tanıma dahil olmak üzere bu alanda çözümler oluşturmak için çalışıyor. İşlevsel nesneleri nesneleriyle daha kendi eylem ve davranışlar daha tarafından görünüm tarafından tanımlanan bir postacı ve teslimat kamyonu gibi belirli amaçlar tanımlama yeteneği bilinmesidir. İçerik tabanlı öğrenme ve video kaynaklı parça verilen nesneleri taşıma fonksiyonu tanınması için bir yaklaşım geliştirmektedir. Özellikle, onları kendi ilişkileri ve eylemleri ile ilgili yerel sahne bölgeleri kapı ve hareketli nesneleri genellikle etkileşim Park Spotlar gibi farklı işlevlerle sahne bağlamlarda kodlamak özellikleri ile ilişkilendirmeye movers anlamsal davranışları konum bağımsız bir şekilde yakalanabilir belirlediler. Bu beyanlar dayanarak, işlevsel modelleri örnekleri öğrenilen ve roman örnekleri görünmeyen verilerin sonradan tanımlanır.

 

Hareket algılama ve izleme


BT araştırma odaklanmak algılama hareket eden nesneleri ve onları arşivlenmiş ve streaming video izleme araçları geliştirmek. Birincil bilgi öğeleri bu tür video veri varlıkları, yollar, binalar ve diğer sahne özellikleri kapsamında harekete geçti. Bu varlıkların çoğu parçalanmış parçaları karmaşık kentsel ortamlarda occlusions, durur ve diğer etkenler nedeniyle verim. Bu araştırmalar parça ilişkilendirmek ve tanımlamak ve potansiyel tehditleri tespit ve adli analiz gerçekleştirmek için yerel etkinlikler entegre algoritmik çözüm geliştiriyor.

Gelişmiş algoritmalar roman istihbarat faaliyetleri, normallik ve içerik modelleri kullanarak keşfetmek için son-kullanıcı yeteneği önemli ölçüde artırmaktadır bir yazılım sistemi için katkıda bulunur. Olayları büyük çoğunluğu normal ve hiçbir tehdit gibi modeller arası entegre ilişkileri ve şüpheli davranış işaret etmektedir anomaliler keşfetmek için tekil olaylar veya maç daha önce öğrenmiş veya tehdit etkinlik tanımlanır.

 

 

İş ortaklarımız

itresearches Discover our Technology Demonstrations : http://t.co/Bm1s6kIFub http://t.co/9JcATBDbUc

Bizimle temasa alın!

Haber bülteni

Address

Address:
34 New House, 67-68 Hatton Garden, London, England, EC1N 8JY, City of London
Toll(UK):
+448000786364
Fax(UK) :
+448458520997

About Us

IT Researches ltd is an information technology company & International computer research centre offering a wide variety of 'AI Powered™' IT services for companies and researchers worldwide .

Connet With Us