人工智能的發展應用

□ 文/本刊記者 何遙

人工智能的發展應用

□ 文/本刊記者 何遙

回顧2016年的安防行業，人工智能是無論如何都無法回避的話題。這一年可謂人工智能元年，阿爾法狗大戰李世石，全面引爆了人們對人工智能的關注。2017年初，在阿爾法狗基礎上改進的Master戰勝了數十位世界級選手，已遠超最強大的人類棋手的認知。這對安防行業的影響也是深遠非凡。本期欄目邀請到幾位業界專業人士，共同探討人工智能技術與應用的話題。

2016：人工智能在垂直行業的商業應用

以深度學習和卷積神經網絡為主要特點的人工智能洶涌而來，企業圍繞人工智能推出了各自的戰略。從底層技術、架構以及應用等角度看，不同的企業各有側重。

機器視覺

柳鋼：機器視覺做到識人知物，機器視覺在行業里存在的先決條件，是機器在某些特定領域里面超越了人的能力，這樣才能為人所用。關于垂直領域應用，首先，我們以機器視覺為例，這個技術能夠在行業中快速應用，正是說明了某些領域里面機器做得比人好。商湯在機器視覺領域，團隊成員第一次將機器識別準確率超過了人眼，為技術高速發展的行業應用奠定了基礎。

第二，當我們有了技術的支撐點之后，在平安社區，智慧城市，綜合布控等領域的解決方案中，根據實際應用的需求進行開發，這樣從技術上最高點到商業最高點差距就很小。

第三，商湯科技本身的優越性主要體現在合作伙伴的培養和發展。商湯科技專注于產業鏈里垂直的部分，做最擅長的部分，不是說產業鏈里每一個項目每一個事情都是商湯來做。在技術領域，我們所做的方案是符合行業需要的，在終端用戶部署推廣的時候，注重客戶的培養，所以具備了快速推廣的基礎。

吳堯：機器視覺實際上是做圖片處理的，而且是以黑白為主；它是自動化的，可以做量測、檢測、識別、定位，這是機器視覺的四個標準應用；而安防是視頻，這四個應用都可以做，我們在這四種應用上都有自己的產品，并配合自己的算法和軟件。

柳鋼

機器視覺四種應用，延伸到各個行業里會進行各種細化。?？档臋C器視覺產品涵蓋全系列工業相機、工業智能相機、視覺控制器、鏡頭以及算法軟件平臺，通過為機器人、自動化設備裝上視覺系統，使之具備感知和自主判斷思考的能力，提高生產制造的柔性和自動化程度，保證產品的品質，實現制造業向信息化和智能化轉型升級。機器視覺的相機其實是標準化的產品。比如雙目攝像機可以做立體測量，可以有很多應用。

徐飆：在人臉識別領域，趨視只做真實環境可應用的人臉識別?；谡掌娜四樧R別系統很難滿足基于實時視頻流的人臉識別需求。傳統的基于隨機抽幀方式的從實時視頻流中獲取人臉照片存在很多問題。動態人臉抓拍系統是一種動態人臉歸一化的智能技術，動態鎖定運動中的每一個人，以唯一ID標識，這個人在運動過程中只會產生一張最佳人臉，系統能夠識別并獲取這張最佳人臉而丟棄其他的人臉圖片。趨勢的人臉識別技術已經應用于園區別墅、銀行AMT、海關機場、公安司法等領域。

徐飆

智能輔助駕駛和安防

柳鋼：安防和無人駕駛兩個領域有差異，也有共性。從目前來看，安防領域的關注點更多的是人，無人駕駛廣義來說更多關注的是路、環境等等。

關于二者差異點的成長，以商湯的技術來說，已經處于世界領先水平。不僅第一次機器戰勝人眼是我們創造的，另外，近年來我們通過與合作伙伴合作，積累了大量成熟的案例和基礎，使我們在已有精度之上，不斷提高，在業界處于很高的水平。

安防和無人駕駛這兩個領域共性的地方就是場景，路口有場景，街區有場景，在場景的識別里面，我們走到了行業的前列，比如視頻的結構化，在安防里面，從單純的個體識別到一群人的識別，再到整個場景的分析，以及場景的實現，可以看出，算法的領先性已經向應用層面的擴張。在無人駕駛應用領域，我們從常規的場景識別到逆光，雨天，雪天，大霧天，甚至是傍晚等等，各應用場景都可以鋪開。

吳堯

總的來說，人工智能里面的深度學習是用機器模仿人腦的思考的方式。對于人來說，能力的培養需要從多方面進行，深度學習也是如此。機器在安防領域能夠輔助人，應用能力的提升會促進這種能力在各個領域提高，反之也一樣，相互輔佐、相互促進，也使在無人駕駛里面很好的應用基礎。

徐飆：趨視科技在安防領域主要是2B應用。而在智能駕駛領域，我們的商業應用趨向于2C，因此在智能駕駛方面我們的算法技術主要圍繞一個核心目的：讓普通民眾也能享受智能視頻分析技術發展的成果。

首先，趨視的智能輔助駕駛系統是一個完全基于單個光學相機的智能系統， 因此系統不存在多傳感器數據融合問題，在硬件成本及系統集成可靠性上有先天優勢。

第二，趨視開發出了國際領先的基于移動平臺的相機自動標定技術。不但避免了專業人員安裝和調試的要求，節省了相關的成本，還能自動檢測相機的意外移動，并做出實時系統調整?，F有智能輔助駕駛系統一般使用特定相機，因此默認已知相機焦距等內部參數，另外還要通過專業人員通過專門的流程來測量相機的諸如高度，仰角等外部定標參數，并確保相機在使用中位置角度不會變化。這些高標準的安裝要求不可避免地會大大增加使用成本。趨視的全自動定標技術通過不間斷的實時比對圖像中檢測到的目標和他們的實際物理尺寸來反推相機的內、外參數，不但不需要使用特定相機，還能對使用中相機的位置和角度的意外變動進行自動檢測，并在系統內部進行算法的自動調整。這項技術使得智能輔助駕駛系統可以作為智能手機的一個移動應用，從而得到大大推廣。

第三，基于視頻的智能輔助駕駛系統運算量往往非常巨大，現在國際主流廠商都需要采用專用芯片進行相關數據處理。趨視科技致力于開發高效算法來解決問題，而不是依賴于硬件性能的提高。從這點出發，趨視在智能分析模塊中大量使用樹結構專家系統和深度學習相結合，利用專家系統來增加深度學習的針對性，利用圖像特征來降低深度學習的維數，從而在得到深度學習的統計魯棒性同時保持系統的邏輯性和高效性。趨視已在通用X86芯片平臺上實現了基于1080P視頻的實時智能輔助駕駛系統，現在正在進一步移植到通用Android和IOS移動平臺上。

最后，智能輔助駕駛系統最根本的一點還是系統可靠性。我們在智能輔助駕駛重現階段主要專注于防疲勞駕駛，以保護駕駛員和乘客。

2017年人工智能的應用前景

人工智能還處于一個相對初級的階段，比如在開發工具、技術體系、解決方案以及硬件架構等領域都存在巨大的短板。機器學習和深度學習作為人工智能的本質特征，已經與高性能計算結合得越來越緊密。2017年，隨著人工智能技術的優化以及在各領域商業應用的發展，人工智能產品將和我們有更多的直接聯系。

徐飆：人工智能技術目前主要在三個方向出現了商業應用的前景：人臉識別技術，行為分析技術，汽車輔助駕駛/無人駕駛技術。

目前國內外人工智能的企業都在這幾個方向上不斷投入研究及市場開拓，包括這兩年資本市場對人工智能技術也特別青睞，時不時報出人工智能廠商的高估值和高融資額，把行業的熱度進一步推高。

但是，面對當前的技術及市場，我們必須要保持清醒的認識，人工智能技術還遠沒有達到人們想象的那種高度，也就是我們當前還無法造出一個類似人的機器人。單從人工智能里面的智能視頻分析來看，人工智能的智能化水平遠遠落后于人。目前為止，我們并沒有看到哪項人工智能技術已經廣泛應用了，比如人臉識別，不管是人臉支付還是公安行業的在逃人臉識別，我們并沒有看到人臉識別產品的廣泛應用?，F階段更多的是人工智能產品在大量的行業應用的試點，而非廣泛應用。

整體來看，人工智能行業還處于商業嘗試階段，但是一些子行業已經出現了商業落地的景象了。上海趨視信息科技有限公司2013年推出的新一代算法的行為分析技術已經在準確率方向大幅提高了系統性能，經歷兩年多的商業嘗試，在2016年進入到了商業落地的階段。趨視科技獨創的2D場景轉3D場景技術，將普通攝像機的2D場景首先還原成3D場景，使智能視頻更符合人的場景認知，從而進一步靠近人的思考模式，大幅提高了系統的準確性。標志著新一代算法的行為分析技術能夠實現商業落地。

在汽車輔助駕駛方面，以色列的MOBILEYE公司成功將基于視覺的汽車輔助駕駛技術應用在寶馬、沃爾沃等高端車型中，得到了這些車廠的認同。MOBILEYE的智能輔助駕駛系統也進入了商業落地的階段，也標志著基于視覺的輔助駕駛技術能夠實現商業落地。

至于其他的人工智能視覺技術及方向，仍然在努力嘗試中，廣泛意義的人臉識別技術目前可能很難進入商業落地，但是，小范圍，局域化的人臉識別技術是有可能實現商業落地的，當然，這還需要有核心技術實力的廠商不斷的努力和嘗試。

展望2017年，趨視科技美國研發中心會加大ADAS輔助汽車駕駛方面的投入，在美國邀請更多的算法專家加入，盡快完成各種道路狀況的路測評估和算法優化演進。同時，趨視科技仍然會對行為分析算法進行一輪大幅度升級，大幅提高識別準確率，滿足更多行業的應用。人臉識別方面，趨視將拋棄傳統的靜態人臉照片比對模式，開創全動態人臉識別新思路和新算法，大幅提升動態人臉識別的準確率。

吳堯：一年來，?？当小耙砸曨l圖像處理為核心、以產品安全為基石、以智能應用為導向、以滿足行業需求為目標”的理念，由原來的單一產品逐步形成成熟的產品系列，產品的人性化設計、環境適應性以及安全性等方面全面提升，智能化應用更深入，行業應用和解決方案更全面。

我們在人工智能領域的產品和應用是從視頻延伸過來的，比如我們做機器人，但沒有做機械手，因為那是控制領域的。我們根據自己的定位，以相機，或者以視頻掃碼為核心的機器人，這些都由我們擅長的核心技術延伸而來。憑借海康多年來在成像采集、圖像處理和模式識別等領域的技術積淀與超前布局，2017年我們會繼續堅持圍繞核心技術及硬件優勢，推進人工智能在不同領域的應用。

柳鋼：在人工智能、大數據、硬件計算單元的強大驅動下，就像之前IP化帶來的革命一樣，未來5——10年安防行業可能將迎接新一輪更具顛覆性的革命。