近日，2018中國(guó)“ai+”創(chuàng)新創(chuàng)業(yè)峰會(huì)在廣東·佛山舉辦。這場(chǎng)由人工智能學(xué)術(shù)界和產(chǎn)業(yè)界聯(lián)手打造的行業(yè)盛會(huì)，匯聚了全國(guó)人工智能領(lǐng)域的專家學(xué)者、產(chǎn)業(yè)精英以及科技企業(yè)代表。深醒科技聯(lián)合技術(shù)創(chuàng)始人史震云女士現(xiàn)場(chǎng)做了主題演講，對(duì)自己正在從事的機(jī)器視覺(jué)的行業(yè)應(yīng)用進(jìn)行了回顧，并對(duì)未來(lái)發(fā)展中遇到的關(guān)鍵問(wèn)題進(jìn)行了分析。
以下是演講主要內(nèi)容：
深醒主要是在做機(jī)器視覺(jué)，目前在人工智能領(lǐng)域落地的應(yīng)用很多，主要是從打造安全社會(huì)及智慧和諧社會(huì)出發(fā)。目前我們?cè)谌四樧R(shí)別、物體識(shí)別、圖像搜索還有智能監(jiān)控這些領(lǐng)域有比較大的進(jìn)展，在行業(yè)里面算是顛覆性的應(yīng)用及改進(jìn)。
從核心技術(shù)來(lái)說(shuō)，我們現(xiàn)在主要做的是五個(gè)主要的關(guān)鍵技術(shù)點(diǎn)，分別是目標(biāo)檢測(cè)、目標(biāo)跟蹤、目標(biāo)識(shí)別、行為識(shí)別以及目前同樣重要的圖像增強(qiáng)技術(shù)。
關(guān)鍵技術(shù)-目標(biāo)檢測(cè)
在目標(biāo)檢測(cè)中新的算法層出不窮，比如在gpu上用的mtcnn，把檢測(cè)和定位做到一起；中科院提出的cpu上實(shí)時(shí)的人臉檢測(cè)方法faceboxes，速度和精度都有一定的保證。在基于深度學(xué)習(xí)的視頻分析中，主要涉及到要把檢測(cè)對(duì)象非常準(zhǔn)確地從背景噪音數(shù)據(jù)中檢測(cè)出來(lái)，現(xiàn)在應(yīng)用多的是在安防場(chǎng)景，無(wú)論對(duì)車、對(duì)人還是對(duì)物。
在一個(gè)大場(chǎng)景中，比如這個(gè)會(huì)場(chǎng)一眼望過(guò)去數(shù)百人，在200萬(wàn)的攝像頭中，前排的人臉稍微大一些，人臉大小能達(dá)到100x130像素點(diǎn)；后排的人臉?lè)浅Ｐ?，可能?0x30像素點(diǎn)。計(jì)算機(jī)視覺(jué)首先需要通過(guò)目標(biāo)檢測(cè)確定是人、是水瓶、還是桌子……所以精度是位的。
第二是效率問(wèn)題。現(xiàn)在我們一般還是用回歸算法，一般回歸算法會(huì)用單回歸和雙回歸，現(xiàn)在實(shí)際應(yīng)用場(chǎng)景當(dāng)中為了提率，一般用單回歸的算法來(lái)實(shí)現(xiàn)快速的檢測(cè)。
在技術(shù)研發(fā)上，我們一方面要考慮效率問(wèn)題，另一方面考慮精度問(wèn)題，這兩者之間的權(quán)衡也是在產(chǎn)品中需要主要考慮的問(wèn)題。當(dāng)然現(xiàn)在隨著硬件對(duì)我們的支撐作用越來(lái)越好，這個(gè)領(lǐng)域的落地性逐步得到增強(qiáng)。
關(guān)鍵技術(shù)-目標(biāo)跟蹤
在目標(biāo)檢測(cè)之后，有些情況下要做目標(biāo)跟蹤，有些情況可以直接進(jìn)行目標(biāo)識(shí)別。目標(biāo)跟蹤是指在給定某視頻序列初始幀的目標(biāo)大小與位置的情況下，預(yù)測(cè)后續(xù)幀中該目標(biāo)的大小與位置，為了提高運(yùn)算精度，往往會(huì)對(duì)某個(gè)特定物體進(jìn)行持續(xù)的跟蹤。
現(xiàn)在判別式跟蹤方法用的比較多一些，終是在有限算力的情況下，實(shí)現(xiàn)一個(gè)的目標(biāo)識(shí)別。
在標(biāo)準(zhǔn)數(shù)據(jù)集中，人臉識(shí)別往往都號(hào)稱能做到識(shí)別精度在99%以上，那么在實(shí)際應(yīng)用場(chǎng)景中精度是沒(méi)有這么高的。以安防領(lǐng)域?yàn)槔?，拿人臉識(shí)別這個(gè)單項(xiàng)來(lái)說(shuō)，我們?cè)谡鎸?shí)的場(chǎng)景中由于有各種各樣的光線變化和局部的遮擋等原因，實(shí)際識(shí)別率能夠達(dá)到80%到90%就非常好了?，F(xiàn)階段人工智能在實(shí)際應(yīng)用中更多實(shí)現(xiàn)的是一個(gè)輔助決策，在實(shí)際運(yùn)用中的確需要人工進(jìn)一步的判斷。
創(chuàng)新技術(shù)-足跡分析
有經(jīng)驗(yàn)的刑偵專家，可以將每個(gè)人的足跡特征，包括磨損以及重心分布等，大概判斷出該人員的性別、年齡、身高、體態(tài)，甚至一些步態(tài)習(xí)慣?，F(xiàn)在我們用人工智能技術(shù)通過(guò)對(duì)各類特征的分解以及小批量的數(shù)據(jù)訓(xùn)練，能夠通過(guò)足跡圖像自動(dòng)識(shí)別出該人員的一些屬性特點(diǎn)。目前這個(gè)軟件能達(dá)到接近80%左右的精度，這個(gè)比例實(shí)際上已經(jīng)高于很多有經(jīng)驗(yàn)的刑偵人員的判斷精度了。但實(shí)際上使用的訓(xùn)練集非常小，大概只有不到1萬(wàn)對(duì)的數(shù)據(jù)。
行業(yè)應(yīng)用-智慧安防
目前世界范圍內(nèi)都在建設(shè)智慧城市，包含以下幾個(gè)主要的分支。是從安全的角度，泛指大的智慧安防。智慧安防核心的視頻智能應(yīng)用包含人臉、人像、車輛識(shí)別以及行為識(shí)別，以云計(jì)算為基礎(chǔ)，加上視頻監(jiān)控的整個(gè)系統(tǒng)。此外包括社交網(wǎng)絡(luò)、智能家居、虛擬現(xiàn)實(shí)和自動(dòng)駕駛等更廣闊的民用領(lǐng)域。大數(shù)據(jù)運(yùn)用往往可以把以上的系統(tǒng)模塊串聯(lián)起來(lái)。
在公共安全方面，核心的是基于監(jiān)控視頻，把人、車、物的所有行為軌跡與時(shí)間經(jīng)過(guò)擁擠分析，得到一個(gè)輔助決策的指令。一方面保障社會(huì)治安，一方面提高民眾的生活舒適度。像現(xiàn)在機(jī)場(chǎng)安檢、酒店入住、軌道交通包括網(wǎng)吧上網(wǎng)大家應(yīng)該都有一些感受。
公共安全中對(duì)黑名單的安全布控，可能普通民眾很難感受到他的存在。以我國(guó)接近14億的人口基數(shù)，為了保障公民的安全，公安隊(duì)伍普遍勞動(dòng)強(qiáng)度非常大。人工智能出來(lái)以后大的好處，就是它可以把海量的視頻數(shù)據(jù)快速進(jìn)行過(guò)濾處理?，F(xiàn)在中國(guó)有數(shù)以億計(jì)的攝像頭投放在路面上，但是這個(gè)視頻數(shù)據(jù)數(shù)量實(shí)在太巨大了，以人工有限的時(shí)間是過(guò)濾不完所有視頻信息的。現(xiàn)在人工智能很有效地把這些人車物數(shù)據(jù)提取出來(lái)，得到一個(gè)簡(jiǎn)單的分析統(tǒng)計(jì)數(shù)據(jù)。這個(gè)分析統(tǒng)計(jì)數(shù)據(jù)的正確率在人口基數(shù)當(dāng)中可能只有百分之八九十，但是可以大幅度的提高民警的工作效率，提供輔助決策指令給到民警。
以黑名單人員的有效發(fā)現(xiàn)率為例，我們之前做過(guò)一個(gè)測(cè)試，在一個(gè)地級(jí)市放了不到20路的系統(tǒng)，把幾個(gè)常規(guī)出入口的攝像頭接入后臺(tái)的服務(wù)器進(jìn)行實(shí)時(shí)檢索，看看路面上到底走了多少全國(guó)在逃犯。就這么一個(gè)系統(tǒng)，我們只運(yùn)行了不到一個(gè)月的時(shí)間，抓獲的全國(guó)在逃犯比過(guò)去一年還要多。
行業(yè)應(yīng)用-學(xué)校
現(xiàn)在社會(huì)面都比較關(guān)注平安校園，這幾年出的事也挺多，主要關(guān)注校園內(nèi)是否有外來(lái)人員的入侵、內(nèi)部人員管理是否合理，包括現(xiàn)在可能有些中學(xué)、大學(xué)也關(guān)注教學(xué)質(zhì)量的評(píng)估等等。一般現(xiàn)在平安校園會(huì)把包括視頻在內(nèi)的多類型數(shù)據(jù)全部接進(jìn)來(lái)，對(duì)多類型的數(shù)據(jù)進(jìn)行檢索，比如出入口管理、宿舍管理、家長(zhǎng)和學(xué)校之間的聯(lián)動(dòng)、課堂點(diǎn)名、外圍監(jiān)控，這里面常用到的技術(shù)包括人臉人像識(shí)別、區(qū)域管理以外，還有一些動(dòng)作行為識(shí)別，比如是否有人在打架斗毆等等，這些都是可以通過(guò)數(shù)據(jù)監(jiān)控，后通過(guò)人工智能來(lái)實(shí)現(xiàn)的。
這些在學(xué)校的應(yīng)用部分比較成熟，但是一些較新的技術(shù)還處于相對(duì)早期。比如剛剛說(shuō)到的一些行為分析，比如是否進(jìn)行踢打、勒脖子等等行為，這個(gè)還處于相對(duì)早期的階段，容易產(chǎn)生很多誤識(shí)別，這個(gè)實(shí)際是由于人類動(dòng)作和意圖間的差異導(dǎo)致的，有些朋友間的打鬧和打架從動(dòng)作上看可能差異不大。這就涉及到一方面需要通過(guò)技術(shù)優(yōu)化，一方面考慮是否需要和其它類型的數(shù)據(jù)進(jìn)行交互，終在實(shí)際應(yīng)用中將它的誤識(shí)率降下去。
行業(yè)應(yīng)用-住宅小區(qū)
現(xiàn)在國(guó)內(nèi)的小區(qū)開(kāi)始逐步推進(jìn)網(wǎng)格化管理，現(xiàn)在有一個(gè)職位叫網(wǎng)格員，其實(shí)他們大的作用不僅僅是保障民眾的安全，同時(shí)也是提高民眾的生活質(zhì)量。在這類智慧小區(qū)的系統(tǒng)中，系統(tǒng)可以通過(guò)對(duì)人的行為軌跡和行為規(guī)律進(jìn)行分析。比如說(shuō)有一個(gè)孤寡老太太，網(wǎng)格員登記了她住在哪，什么生活軌跡，基于這個(gè)模型分析，在發(fā)現(xiàn)老太太出現(xiàn)*偏差于模型的情況下，判斷她是不是出事了。模型會(huì)自動(dòng)觸發(fā)，然后把結(jié)論數(shù)據(jù)給到網(wǎng)格員，網(wǎng)格員就可以上門(mén)去查看是什么情況。
創(chuàng)新研究-情緒感知
此外，更多類型的動(dòng)作行為分析、人臉情緒感知等等的技術(shù)大家也都在研究。以情緒識(shí)別這個(gè)需求為例，目前主要用的還是神經(jīng)網(wǎng)絡(luò)，這里面又涉及到技術(shù)和應(yīng)用之間的gap，很多情況，比如一個(gè)人大哭和大笑的時(shí)候，表情可能非常相似，這時(shí)候?qū)Ρ砬榈淖R(shí)別就會(huì)出現(xiàn)很大問(wèn)題?，F(xiàn)在來(lái)說(shuō)表情識(shí)別還處于比較前期的推廣階段，精度不會(huì)特別高。