加载中...

多模态知感智能体引领者

让机器具备更精准的人体感知与理解能力

人脸算法

先进的人脸检测、跟踪、识别与情绪分析技术

车辆安全算法

融合DMS、ADAS、BSD与AVM的全方位安全防护

rPPG生理监测算法

非接触式生命体征实时监测与健康评估

99.8% 算法准确率
50+ 核心专利
200+ 合作伙伴

人脸算法

人脸算法利用先进的人工智能和计算机视觉技术,能够准确地检测、跟踪和分析人脸特征和表情。这些技术支持多种应用,包括身份验证、人脸识别、表情分析以及实时行为监控。

人脸跟踪、眼部与口部、面部角度

人脸检测与跟踪算法采用先进的深度学习技术,能够在不同光照和视角下准确识别并持续跟踪视频中的人脸。最先进的算法目前检测准确率超过99%,确保了实时应用中的强大性能。




人脸识别、脸部比对、身份验证

红外与可见光融合算法通过将热成像与传统彩色图像相结合,提高了人脸识别的准确性,有效克服了低能见度和光照变化等挑战。目前最先进的融合技术识别准确率超过98%,显著提升了在多变和复杂环境下的性能。




愤怒、厌恶、恐惧、快乐、悲伤、惊讶、中性

面部表情识别的红外-彩色融合技术结合了热成像数据与可见光图像,即使在复杂的光照或环境条件下也能实现稳定的情感检测。目前先进的融合算法的面部表情识别准确率约为90-95%,大大提高了在多种实际场景中的可靠性。




车辆安全算法

DSM、ADAS、BSD和AVM是先进的汽车安全技术,通过监控驾驶行为(DSM)、检测行人和车辆(ADAS)、识别盲区(BSD)以及提供全方位360度视野(AVM)来提高驾驶员的警觉性并预防事故。依托人工智能驱动的感知算法,这些解决方案显著提升了车辆安全性,降低碰撞风险并提高驾驶效率。

驾驶员安全监控(DSM)算法利用人工智能视觉技术检测驾驶员的不安全行为,如疲劳、分心、打哈欠、使用手机及吸烟,从而提升道路安全性。

高级驾驶辅助系统(ADAS)算法借助人工智能和传感器技术检测行人、车辆、路况以及潜在碰撞,大幅提升车辆安全性和驾驶舒适性。

盲区检测(BSD)算法利用先进的传感器和人工智能处理技术识别驾驶员盲区中的隐蔽障碍物或车辆,有效提高变道和操作时的车辆安全性。

全景监控(AVM)算法提供车辆周围全方位的实时360度可视化,提升驾驶员警觉性并降低碰撞风险。

rPPG 算法

远程光体积描记法(rPPG)算法通过分析面部皮肤细微的颜色变化来测量心率、血氧、血压和呼吸等生命体征,实现非接触式生理监测。借助先进的计算机视觉技术,rPPG 能提供无缝、实时的健康评估,适用于从驾驶安全到远程医疗的各种应用。

远程光体积描记法(rPPG)算法通过分析视频图像中捕捉到的面部皮肤细微颜色变化来进行心率的非接触式测量,实现生理监测。在最佳条件下,最先进的rPPG算法测量心率的精度可接近医疗级标准,通常误差在±3次/分钟以内。

远程光体积描记法(rPPG)算法通过分析视频图像中捕捉到的面部皮肤细微颜色变化来远程测量血氧饱和度,提供便捷的非接触式健康监测。在最佳条件下,目前先进的rPPG算法血氧测量的精度通常在±2–3%以内,接近传统指尖脉搏血氧仪的标准。

远程光体积描记法(rPPG)算法通过分析视频图像中捕捉到的面部血流细微变化来估算血压,提供无创且便捷的心血管监测。在最佳条件下,目前先进的rPPG技术血压测量的精度通常在±5–8 mmHg以内,与传统袖带法相比相当。

远程光体积描记法(rPPG)算法通过分析视频图像中捕捉到的面部血流和皮肤运动中的细微节律变化来远程检测呼吸频率,实现非接触式呼吸监测。在最佳条件下,目前先进的rPPG技术呼吸频率测量的精度通常在±1–2次/分钟以内,与传统接触式监测设备相当。

技术团队核心成员

从视觉算法到机器人自动化,从软件到硬件,我们拥有深厚的技术积淀.

刘教授

自动化领域首席科学家

余教授

视觉领域首席科学家

Michael Gao

总经理

张先生

技术总监