随着人口老龄化趋势日益严峻,社会对“空巢老人”和“独居老人”的关注度不断增加。受我国人口结构和城镇化趋势的影响,如今许多年轻人都外出打工,留下老人独自在家。老年人因身体机能下降导致不慎跌倒、或是突发疾病等日常居家安全问题,牵动着外出子女的心。其中,跌倒已成为威胁老年人生命健康的首要因素,特别是在卧室、洗手间和浴室等私密场所。且随着年龄增长,因跌倒导致伤亡的风险越来越高。
近年来,以智能摄像头、智能门锁、智能可穿戴设备为代表的各种智能家居产品迎来了适老化发展的新趋势。其中,智能摄像头成为越来越多家庭的安全“新宠”。通过智能摄像头,子女可在手机APP上随时随地监护老人的动态,如发生跌倒事故,可立刻寻医救助。与当前市面其他一些可穿戴的防跌倒装置相比,配备先进传感器和AI功能的智能摄像头是目前检测准确率较高的设备。
但目前在家安装智能摄像头仍存在几个较大的挑战。一方面,摄像头的监控范围有限,难以做到全屋覆盖,特别是在洗手间和浴室等危险高发的场所,安装摄像头实属不妥。其次,在家安装摄像头涉及个人隐私和数据安全问题。尽管目前市面已有配备红外线或毫米波雷达的人体感应器,可以在一定程度上保护隐私,但此类装置通常价格更高,且受家居环境布置的影响较大,也导致了误报率相对较高。
提升老年人居家“安全感”,EVS为智能家居开辟全新可能性
为了应对以上挑战,蕴域科技(YUNX)携手Prophesee开发了一款革命性的智能监控摄像头。这款智能摄像头利用Prophesee第五代事件视觉传感器GenX320的卓越性能,可以在不侵犯隐私的前提下,准确检测和识别老人跌倒,并及时发出警报,为提升老年人居家“安全感”和生活质量开辟了新的可能性。
和传统基于帧的图像传感器不同,事件视觉传感器(EVS)的像素仅对场景中的动态变化作出响应,因而在人体检测和物体跟踪方面表现出色。此外,事件视觉传感器还具备节能、低延迟等天然优势,并且能够很好地适应各种照明条件,使其成为安防监控和人机交互等各种应用的理想选择。
其中,一个典型的应用场景是老人夜间起身去洗手间,昏暗的走廊灯对传统摄像头来说是个极大的挑战,但搭载事件视觉传感器的摄像头可以在光照低至0.05 lx的环境下也能稳定监测。此外,由于事件视觉传感器仅检测动态的变化,而不会捕捉人脸特征和静态的场景信息,从而能够在传感器层面保护隐私安全。并且即使在洗手间和浴室等湿度较大的环境中,事件视觉传感器也能保证超高准确度和极低的误报率。
“事件视觉传感器具备卓越的性能及能效,非常适合低功耗边缘人工智能市场各式各样的应用”,Prophesee联合创始人兼首席执行官Luca Verre表示。基于Prophesee在事件视觉传感领域的多年技术积淀,新一代事件视觉传感器GenX320在紧凑性、低功耗和边缘AI能力方面都实现了前所未有的提升,并且在成本和算法创新方面也更具优势。结合蕴域科技先进的AI算法,这款智能摄像头可以快速捕捉运动变化并进行分析,识别各种跌倒事件的准确率不低于95%。
一般而言只要救援及时,老人不慎跌倒的问题不算太大,但最怕的就是跌倒后无人知晓,痛失黄金救援时间,这种情况对独居老人而言尤其明显。通过与其他智能物联设备集成,搭载事件视觉传感器的智能摄像头能够在检测到老人发生跌倒时立即发送警报,让老人得到及时救援和治疗。
进入AIoT时代,智能摄像头已成为智能物联生态系统的重要组成部分。通过增强智能摄像头的功能,事件视觉技术有望为实现更加智能互联的生态系统铺平道路。从远程监控到紧急救援,从健康管理到生活娱乐,配备先进AI功能的智能摄像头正逐步渗透到我们日常生活的每一个角落,让科技与关爱同行,从“芯“到心,为老年人打造一个更加安全、健康、舒适、幸福的晚年生活。
好文章,需要你的鼓励
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
麻省理工学院研究团队发现大语言模型"幻觉"现象的新根源:注意力机制存在固有缺陷。研究通过理论分析和实验证明,即使在理想条件下,注意力机制在处理多步推理任务时也会出现系统性错误。这一发现挑战了仅通过扩大模型规模就能解决所有问题的观点,为未来AI架构发展指明新方向,提醒用户在复杂推理任务中谨慎使用AI工具。
Meta为Facebook和Instagram推出全新AI翻译工具,可实时将用户生成内容转换为其他语言。该功能在2024年Meta Connect大会上宣布,旨在打破语言壁垒,让视频和短视频内容触达更广泛的国际受众。目前支持英语和西班牙语互译,后续将增加更多语言。创作者还可使用AI唇形同步功能,创造无缝的口型匹配效果,并可通过创作者控制面板随时关闭该功能。
中科院自动化所等机构联合发布MM-RLHF研究,构建了史上最大的多模态AI对齐数据集,包含12万个精细人工标注样本。研究提出批评式奖励模型和动态奖励缩放算法,显著提升多模态AI的安全性和对话能力,为构建真正符合人类价值观的AI系统提供了突破性解决方案。