WiMi 开发全息人脸识别 AI 芯片系统

该人脸识别采集分析系统，主要通过云服务器集群、传统CPU和主芯片，计算出电力短缺和能源成本高，实时采集和识别，并立即产生反应效果，导致一些关键数据信息遗漏，或错误检测，部署成本非常高。WIMI Hologram Cloud, Inc.（纳斯达克股票代码：WIMI）开发了一种基于边缘计算的全息人脸识别人工智能芯片系统，在终端进行识别、收集和分析。一方面，它有效地提高了算法计算能力的优化；另一方面，可以建立私有域来有效保护数据安全。它可以用于控制一些关键部门、重点企业或高端工厂以及工业园区、办公楼和公寓的安全管理，部署方便、安全、高效。

基于边缘计算的全息人脸识别AI芯片系统，因为它是边缘计算，不同于传统的人脸识别和人/卡对比方法。它可以实现同步人脸跟踪采集和人脸属性分析反馈结果。它可以在前端获取被采集人的全息高密度人脸数据：人脸特征、外貌、特征、采集时间、地理位置等基本信息，并能识别和区分被采集人的特征。WiMi的全息人脸识别AI芯片系统可以在现有的安全视频系统基础上，结合边缘计算技术，人工智能计算力加速技术、深度学习算法、全息数据增益技术、卷积神经网络技术、人脸识别和采集技术，形成基于边缘计算的全息人脸识别AI芯片系统，合并原有的安全系统升级。

WiMi基于边缘计算的全息人脸识别AI芯片系统可以使用时间窗口作为采样周期，也可以根据特定的目标人员进行设置，例如关键岗位的在岗时间和地理空间。例如，在一个采样周期内进行多次采样，并选择最佳采样作为最终采样信息。如果采样帧中出现多个面孔，则必须识别所有人脸。对于完全无法识别的人脸，忽略保留策略，集中精力再次抓住后续帧或其他监控位置，直到识别出来，以确保全面识别，系统管理区域数据的完整性，维护区域安全。基于边缘计算的全息人脸识别AI芯片用于关键场所监控视频的高密度动态人员信息采集，为安全管理和生产提供结构化的主数据。该系统包括一个视频接入端口，并与现有监控视频对接。

全息图像对帧模块进行解码，解码中央控制模块指令，并提取要分析的帧。

本发明的全息图像优化处理模块根据中央控制模块的指令对提取帧中的图像采集进行分析，加速采样结构的全息图像优化，并反馈给中央控制模块。获得的新信息，例如缺失的信息，将继续由主控制模块发布。

包括核心计算单元在内的边缘计算和算法加速模块基于ARM架构、嵌入式多层CNN卷积神经网络、低功耗算法操作和高并行计算性能。

人脸采集与分析模块，收集人脸进行识别和分割，分析人脸照片、地理信息、时间信息、采集的人脸信息、性别、年龄、种族、面具、眼镜等

中央控制模块实现了对采样过程的管理以及对其他模块的全面控制和管理。

数据存储和通知模块将收集到的人员信息存储在本地，并根据信息级别通知外部系统。

WiMi的全息人脸识别AI芯片系统基于边缘计算，前端通过边缘计算的动态全息人脸识别算法，通过视频接入视频全息解码，并将人脸的图像、跟踪、捕获、重量和特征值作为信息识别，构建过去的人员信息，完成人员信息的收集，并能实现私域管理，提高信息安全水平。此外，该系统部署便利，可以对外、机架、移动等多种部署方式，可以将本设备直接连接到现有的高清网络摄像机，直接在前端可以完成部分视频结构化工作，获得高质量的人脸结构化数据，并提高后端智能识别和分析的速度和计算效率，充分利用现有的库存摄像机，通过插件的形式可以直接将当前的非结构化视频升级到智能结构化视频数据。

WiMi Hologram Cloud, Inc.（纳斯达克股票代码：WIMI）基于边缘计算的全息人脸识别AI芯片系统可以在复杂的环境中进行高密度动态全息人脸采集，可用于各种重要场合，以及数码相机和智能前端进行人脸信息采集，以满足不同的安全信息采集需求。