人工智能的发展应用

□ 文/本刊记者 何遥

人工智能的发展应用

□ 文/本刊记者 何遥

回顾2016年的安防行业，人工智能是无论如何都无法回避的话题。这一年可谓人工智能元年，阿尔法狗大战李世石，全面引爆了人们对人工智能的关注。2017年初，在阿尔法狗基础上改进的Master战胜了数十位世界级选手，已远超最强大的人类棋手的认知。这对安防行业的影响也是深远非凡。本期栏目邀请到几位业界专业人士，共同探讨人工智能技术与应用的话题。

2016：人工智能在垂直行业的商业应用

以深度学习和卷积神经网络为主要特点的人工智能汹涌而来，企业围绕人工智能推出了各自的战略。从底层技术、架构以及应用等角度看，不同的企业各有侧重。

机器视觉

柳钢：机器视觉做到识人知物，机器视觉在行业里存在的先决条件，是机器在某些特定领域里面超越了人的能力，这样才能为人所用。关于垂直领域应用，首先，我们以机器视觉为例，这个技术能够在行业中快速应用，正是说明了某些领域里面机器做得比人好。商汤在机器视觉领域，团队成员第一次将机器识别准确率超过了人眼，为技术高速发展的行业应用奠定了基础。

第二，当我们有了技术的支撑点之后，在平安社区，智慧城市，综合布控等领域的解决方案中，根据实际应用的需求进行开发，这样从技术上最高点到商业最高点差距就很小。

第三，商汤科技本身的优越性主要体现在合作伙伴的培养和发展。商汤科技专注于产业链里垂直的部分，做最擅长的部分，不是说产业链里每一个项目每一个事情都是商汤来做。在技术领域，我们所做的方案是符合行业需要的，在终端用户部署推广的时候，注重客户的培养，所以具备了快速推广的基础。

吴尧：机器视觉实际上是做图片处理的，而且是以黑白为主；它是自动化的，可以做量测、检测、识别、定位，这是机器视觉的四个标准应用；而安防是视频，这四个应用都可以做，我们在这四种应用上都有自己的产品，并配合自己的算法和软件。

柳钢

机器视觉四种应用，延伸到各个行业里会进行各种细化。海康的机器视觉产品涵盖全系列工业相机、工业智能相机、视觉控制器、镜头以及算法软件平台，通过为机器人、自动化设备装上视觉系统，使之具备感知和自主判断思考的能力，提高生产制造的柔性和自动化程度，保证产品的品质，实现制造业向信息化和智能化转型升级。机器视觉的相机其实是标准化的产品。比如双目摄像机可以做立体测量，可以有很多应用。

徐飙：在人脸识别领域，趋视只做真实环境可应用的人脸识别。基于照片的人脸识别系统很难满足基于实时视频流的人脸识别需求。传统的基于随机抽帧方式的从实时视频流中获取人脸照片存在很多问题。动态人脸抓拍系统是一种动态人脸归一化的智能技术，动态锁定运动中的每一个人，以唯一ID标识，这个人在运动过程中只会产生一张最佳人脸，系统能够识别并获取这张最佳人脸而丢弃其他的人脸图片。趋势的人脸识别技术已经应用于园区别墅、银行AMT、海关机场、公安司法等领域。

徐飙

智能辅助驾驶和安防

柳钢：安防和无人驾驶两个领域有差异，也有共性。从目前来看，安防领域的关注点更多的是人，无人驾驶广义来说更多关注的是路、环境等等。

关于二者差异点的成长，以商汤的技术来说，已经处于世界领先水平。不仅第一次机器战胜人眼是我们创造的，另外，近年来我们通过与合作伙伴合作，积累了大量成熟的案例和基础，使我们在已有精度之上，不断提高，在业界处于很高的水平。

安防和无人驾驶这两个领域共性的地方就是场景，路口有场景，街区有场景，在场景的识别里面，我们走到了行业的前列，比如视频的结构化，在安防里面，从单纯的个体识别到一群人的识别，再到整个场景的分析，以及场景的实现，可以看出，算法的领先性已经向应用层面的扩张。在无人驾驶应用领域，我们从常规的场景识别到逆光，雨天，雪天，大雾天，甚至是傍晚等等，各应用场景都可以铺开。

吴尧

总的来说，人工智能里面的深度学习是用机器模仿人脑的思考的方式。对于人来说，能力的培养需要从多方面进行，深度学习也是如此。机器在安防领域能够辅助人，应用能力的提升会促进这种能力在各个领域提高，反之也一样，相互辅佐、相互促进，也使在无人驾驶里面很好的应用基础。

徐飙：趋视科技在安防领域主要是2B应用。而在智能驾驶领域，我们的商业应用趋向于2C，因此在智能驾驶方面我们的算法技术主要围绕一个核心目的：让普通民众也能享受智能视频分析技术发展的成果。

首先，趋视的智能辅助驾驶系统是一个完全基于单个光学相机的智能系统， 因此系统不存在多传感器数据融合问题，在硬件成本及系统集成可靠性上有先天优势。

第二，趋视开发出了国际领先的基于移动平台的相机自动标定技术。不但避免了专业人员安装和调试的要求，节省了相关的成本，还能自动检测相机的意外移动，并做出实时系统调整。现有智能辅助驾驶系统一般使用特定相机，因此默认已知相机焦距等内部参数，另外还要通过专业人员通过专门的流程来测量相机的诸如高度，仰角等外部定标参数，并确保相机在使用中位置角度不会变化。这些高标准的安装要求不可避免地会大大增加使用成本。趋视的全自动定标技术通过不间断的实时比对图像中检测到的目标和他们的实际物理尺寸来反推相机的内、外参数，不但不需要使用特定相机，还能对使用中相机的位置和角度的意外变动进行自动检测，并在系统内部进行算法的自动调整。这项技术使得智能辅助驾驶系统可以作为智能手机的一个移动应用，从而得到大大推广。

第三，基于视频的智能辅助驾驶系统运算量往往非常巨大，现在国际主流厂商都需要采用专用芯片进行相关数据处理。趋视科技致力于开发高效算法来解决问题，而不是依赖于硬件性能的提高。从这点出发，趋视在智能分析模块中大量使用树结构专家系统和深度学习相结合，利用专家系统来增加深度学习的针对性，利用图像特征来降低深度学习的维数，从而在得到深度学习的统计鲁棒性同时保持系统的逻辑性和高效性。趋视已在通用X86芯片平台上实现了基于1080P视频的实时智能辅助驾驶系统，现在正在进一步移植到通用Android和IOS移动平台上。

最后，智能辅助驾驶系统最根本的一点还是系统可靠性。我们在智能辅助驾驶重现阶段主要专注于防疲劳驾驶，以保护驾驶员和乘客。

2017年人工智能的应用前景

人工智能还处于一个相对初级的阶段，比如在开发工具、技术体系、解决方案以及硬件架构等领域都存在巨大的短板。机器学习和深度学习作为人工智能的本质特征，已经与高性能计算结合得越来越紧密。2017年，随着人工智能技术的优化以及在各领域商业应用的发展，人工智能产品将和我们有更多的直接联系。

徐飙：人工智能技术目前主要在三个方向出现了商业应用的前景：人脸识别技术，行为分析技术，汽车辅助驾驶/无人驾驶技术。

目前国内外人工智能的企业都在这几个方向上不断投入研究及市场开拓，包括这两年资本市场对人工智能技术也特别青睐，时不时报出人工智能厂商的高估值和高融资额，把行业的热度进一步推高。

但是，面对当前的技术及市场，我们必须要保持清醒的认识，人工智能技术还远没有达到人们想象的那种高度，也就是我们当前还无法造出一个类似人的机器人。单从人工智能里面的智能视频分析来看，人工智能的智能化水平远远落后于人。目前为止，我们并没有看到哪项人工智能技术已经广泛应用了，比如人脸识别，不管是人脸支付还是公安行业的在逃人脸识别，我们并没有看到人脸识别产品的广泛应用。现阶段更多的是人工智能产品在大量的行业应用的试点，而非广泛应用。

整体来看，人工智能行业还处于商业尝试阶段，但是一些子行业已经出现了商业落地的景象了。上海趋视信息科技有限公司2013年推出的新一代算法的行为分析技术已经在准确率方向大幅提高了系统性能，经历两年多的商业尝试，在2016年进入到了商业落地的阶段。趋视科技独创的2D场景转3D场景技术，将普通摄像机的2D场景首先还原成3D场景，使智能视频更符合人的场景认知，从而进一步靠近人的思考模式，大幅提高了系统的准确性。标志着新一代算法的行为分析技术能够实现商业落地。

在汽车辅助驾驶方面，以色列的MOBILEYE公司成功将基于视觉的汽车辅助驾驶技术应用在宝马、沃尔沃等高端车型中，得到了这些车厂的认同。MOBILEYE的智能辅助驾驶系统也进入了商业落地的阶段，也标志着基于视觉的辅助驾驶技术能够实现商业落地。

至于其他的人工智能视觉技术及方向，仍然在努力尝试中，广泛意义的人脸识别技术目前可能很难进入商业落地，但是，小范围，局域化的人脸识别技术是有可能实现商业落地的，当然，这还需要有核心技术实力的厂商不断的努力和尝试。

展望2017年，趋视科技美国研发中心会加大ADAS辅助汽车驾驶方面的投入，在美国邀请更多的算法专家加入，尽快完成各种道路状况的路测评估和算法优化演进。同时，趋视科技仍然会对行为分析算法进行一轮大幅度升级，大幅提高识别准确率，满足更多行业的应用。人脸识别方面，趋视将抛弃传统的静态人脸照片比对模式，开创全动态人脸识别新思路和新算法，大幅提升动态人脸识别的准确率。

吴尧：一年来，海康秉承“以视频图像处理为核心、以产品安全为基石、以智能应用为导向、以满足行业需求为目标”的理念，由原来的单一产品逐步形成成熟的产品系列，产品的人性化设计、环境适应性以及安全性等方面全面提升，智能化应用更深入，行业应用和解决方案更全面。

我们在人工智能领域的产品和应用是从视频延伸过来的，比如我们做机器人，但没有做机械手，因为那是控制领域的。我们根据自己的定位，以相机，或者以视频扫码为核心的机器人，这些都由我们擅长的核心技术延伸而来。凭借海康多年来在成像采集、图像处理和模式识别等领域的技术积淀与超前布局，2017年我们会继续坚持围绕核心技术及硬件优势，推进人工智能在不同领域的应用。

柳钢：在人工智能、大数据、硬件计算单元的强大驱动下，就像之前IP化带来的革命一样，未来5——10年安防行业可能将迎接新一轮更具颠覆性的革命。