>

AI book

人工智能引领未来


了解更多

关于AI Book

AI Book团队正在设计一款能够帮助人类了解自身情绪的工具。通过收集测试对象的人脸以及语音等数据,结合AI Book云平台和前沿的人工智能技术,能够准确的识别出该测试对象的情绪状态。测试结果可应用于不同场景,激发无限的创意。例如,应用于安全评估、物联网、车联网以及心理辅导等。

数据输入

收集测试对象面部特征以及语音流数据。

数据处理

通过面部细微变化,语音及语调,结合云、AI等技术,识别测试对象情绪状态。

结果输出

结合当前应用场景,输出有效的解决方案。

应用场景

通过实时接收输出结果为测试对象提供情绪管理方案、防止并治疗心理疾病。

心理辅导

由输出结果判断测试对象当日是否能够安全、有效完成某些特定工作,如公共交通驾驶员、高空作业者等。

安全评估

如智能家居可通过实时判断“主人”情绪状态,联动音乐、灯光等展示不同的氛围场景。

物联网

搭载智能系统的车辆通过识别驾驶者的情绪状态来判断行车安全指数,并在安全指数低时启动限速、紧急避让等保护功能。

车联网

AI Book的未来

未来,AI Book团队将进入脑机接口领域,探索人类的思维奥秘。顾名思义,脑机接口在人或动物的脑部与外部计算机之间创建一条连接通道,进行双向信息交换。用于脑机接口系统的输入信号可以分为非侵入式、半侵入式和侵入式三种。AI Book将专注于非侵入式脑机接口的研究。非侵入式脑机接口多为穿戴式的,无需手术植入,所以不存在手术风险,但是其信号接收质量也会比其他两种脑机接口稍弱。AI Book旨在利用脑机接口技术,结合人工智能,帮助人类保持心理健康以及提高认知能力。

最新进展 2020年12月21日

AI Book采用了人脸、情绪、年龄及性别等识别技术和模型,能够准确的识别出视频中动态人物的相关属性。
人脸检测模型: YOLOv5
  • 数据集: WIDER FACE
  • 平均精度均值(mean Average Precision, mAP): 0.7675
情绪识别模型: VGG
  • 数据集: FER2013
  • 正确率(Accuracy): 73%
年龄性别识别模型: EfficientNetB3
  • 数据集: dataset: APPA-REAL
  • 平均误差(MAE Apparent, 也就是平均年龄误差): 5.73
根据位置追踪:
  • 卡尔曼滤波(Kalman filter)
  • IoU匹配(Intersection over Union): threshold = 0.3
根据面部特征追踪:
  • 面部特征提取: Face-Recognition Library
  • 余弦距离(Cosine Distance): threshold = 0.6

© Copyrights AIBookLab. All Rights Reserved