从感知型摄像机看图像识别技术的具体行业应用

2015-07-07 02:31:56来源:[标签:来源] 阅读 ()

新老客户大回馈,云服务器低至5折

  1、 图像识别是重要的人工智能分支

  近一两年来,人工智能领域得到了媒体界、产业界和学术界等前所未有的关注,大家一致认为智能化时代正在到来,机器正在越来越多的取代人类特有的优势和技能,而其中最为重要的可能就是图像识别技术。

  图像识别是计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对像的技术。简单来说,就是让机器能够通过对感知信息的处理像人类一样读懂图片的内容,而不是只看到像素。目前,伴随着图片成为互联网中的主要信息载体,难题随之出现。当信息由文字记载时,我们可以通过关键词搜索轻易找到所需内容并进行任意编辑,而当信息是由图片记载时,我们却无法对图片中的内容进行检索,从而影响了我们从图片中找到关键内容的效率。图片给我们带来了快捷的信息记录和分享方式,却降低了我们的信息检索效率。在这个环境下,计算机的图像识别技术就显得尤为重要。

  计算机视觉有着广泛应用,其中包括,医疗成像分析被用来提高疾病的预测、诊断和治疗;人脸识别被Facebook用来自动识别照片里的人物;在安防及监控领域被用来指认嫌疑人;在购物方面,消费者现在可以用智能手机拍摄下产品以获得更多购买选择。

  我们在图像识别领域的研究有着众多突破性进展,Facebook人工智能负责人YannLeCun发明的卷积神经网络促使整个人工智能领域在近期出现了快速发展,而其最重要的应用就是图像识别和语音识别。2012年一支由吴恩达领导的谷歌团队展示了一个无监督学习的机器对数百万张YouTube视频图像的分析。这个机器学会了给它见过的常见物体进行分类,包括人类面孔和(供网民娱乐的)猫,包括网上随处可见的各种动作:睡着的、跳跃的、玩滑板的。人类没有在这些视频上标明包含「面孔」或「猫」的字眼。相反,机器在看了每个物体不计其数的例子后简单断定,它们表现出来的统计模式已经具备了足够的普遍性,从而可以将这些物体进行分类。斯坦福大学Andrej Karpathy和李飞飞发表的论文描述了一个计算机视觉系统可以标出一个给定图像的特殊部分。例如给它看一个早餐桌子,它可以识别出餐叉、香蕉片、一杯咖啡和桌子上的花以及桌子本身。它甚至可以在场景中用自然英语做出描述——尽管这项技术还不是特别完美。

  2、应用场景决定着图像识别技术的普及程度

  MIT宇宙学家Max Tegmark说,人工智能的运作已处于走出实验室进入社会的阶段了。我们目前确实看到甚至使用到了许多人工智能服务和产品,比如说更好的搜索引擎服务,语音助手等等。在和图像识别技术有关的细分领域,这样的服务和产品也非常多,比如说以图搜图、图像对比、人脸识别、图像自动分类,等等。但我们虽然看到了如此多的产品或功能,但却没有发现将图像识别进行通用化的应用。许多国内外的创业公司,甚至是科技巨头在图像识别领域也没有找到最具爆发性和发展前景的应用方向。这其中的原因就在于应用场景的缺失。

  人工智能的发展和成熟取决于三个要素,算法、大数据和应用场景。不论是创业公司,还是科技巨头,他们都会在算法上给予足够多的重视,会花费大量人力和财力进行算法和模型和研发。其次,得益于互联网、社交媒体、移动设备和廉价的传感器,这个世界产生的数据量急剧增加。随着对这些数据的价值的不断认识,用来管理和分析数据的新技术也得到了发展。大数据是人工智能发展的助推剂,这是因为有些人工智能技术使用统计模型来进行数据的概率推算,比如图像、文本或者语音,通过把这些模型暴露在数据的海洋中,使它们得到不断优化,或者称之为“训练”——现在这样的条件随处可得。

  百度科学家吴恩达曾把算法和数据比作火箭的发动机和燃料,只有这两者实现良好互补,人工智能这架火箭才能升空。这也是目前所有人工智能领域内公司所重点关注的两大方面,但是,大家容易忽略对人工智能起决定性作用的第三个因素——应用场景。主要的原因在于,我们对于人工智能终极目标是创造出一个在综合智力水平方面能够媲美人类的机器,但这样一个略带科幻色彩的目标很难用来指导我们的具体工作,甚至可能会影响该领域的健康发展。当回归到人工智能的具体应用时,我们应该忘掉那个终极目标,尊重一种循序渐进的发展过程,注重人工智能技术的阶段性进步和各个行业的细分化应用。而目前的科技巨头在互联网时代都是以面向大众的通用型产品为主,比如说搜索引擎,或者操作系统,等等。因此,他们在一定程度上缺乏某些具体行业的积累和经验,很难发掘出特定行业的潜在需求和人工智能技术在此领域的具体应用。同时,相较于隐藏在背后的行业解决方案,将人工智能技术应用在普遍的民用产品能够起到更好的推广效果和教育意义。

  3、图像识别技术的引爆点在于具体行业的解决方案

  上文提到,大多数公司对应用场景的忽视影响了人工智能技术在各个领域的普及,而对于图像识别技术来说更是如此,该技术作为一种认知计算技术,需要特定的应用环境作为支撑,我们希望机器像人类一样看懂外部世界,来代替我们做出决策,这和机器所处的具体环境密切相关,因此,在特定行业积累了丰富经验,深入了解该行业的需求,然后再利用图像识别技术来解决这些需求,将先进的技术作为整体解决方案的一部分,这样才能真正拓展图像识别技术的应用范围,真正解决我们的具体问题,而不是仅作为一个转瞬即逝的噱头。

  不管是在人工智能领域,还是在细分化的图像识别领域,在从技术向实际应用的转化过程中有两个路径,第一是走通用化路线,即这项技术能够满足各个行业个各种用户的需求,比如说,IBM推出的Watson开放计划,目前已经将这台智能计算机应用在了金融、医疗和客户管理等方面。许多图像识别领域的科技巨头和创业公司也旨在将图像识别技术落地到通用型应用中。这是人工智能一种自上而下的应用路径。这样的趋势不可更改,未来任何机器和智能设备都需要「视觉」,但问题在于,目前的图像识别技术可能还没有达到这样一个「奇点」。这也就是目前大多数图像识别技术公司没有找到最佳的应用方向的原因之一。这就引出来第二条路径,即根据现有的图像识别技术水平,结合具体行业的应用场景,从解决行业的需求出发,来实现需求和技术良好结合的最佳状态。比如说,自动驾驶汽车、机器人厨房、刷脸支付、远程人脸认证办理银行和证券业务,等等。

  从这方面来说,某些在特定行业有着深厚积累的公司反而具备了一定优势。比如说位于苏州的科达公司,该公司自十几年前进入了安防监控领域,与面向大众的互联网科技公司相比,其可能不为人熟知,看起来也没有那么酷。但该公司自2006年就开始了对图像识别技术的布局和研发。而他们切入图像识别技术领域的原因是在于他们在安防领域的客户提出的越发智能化的需求。正是这种行业积累和公司基因决定了他们能够站在特定行业的最前沿,然后将图像识别技术应用在用户的具体需求上。

  2014年底,科达推出了一种全新摄像机品类——感知型摄像机,通过他们的产品案例,我们可以大体了解到图像识别技术和具体行业需求相结合的重要性。

  影像技术的出现帮我们极大提到了采集信息和存储信息的效率,但同时却严重影响了我们分析信息的效率,当无法从海量数据中提取出有价值的东西时,就失去了我们当初采集数据的意义。而图像识别技术的出现就是要解决这个矛盾。对于安防监控领域来说同样如此,我们布置了越来越多的摄像头才采集信息,但最终却发现,虽然我们看似获得了海量数据,但是数据处理能力,我们从海量数据中发掘出有价值的信息的能力,却依然取决于监控屏后面的人类视觉,而这种矛盾催生了视频分析和智能监控的出现。而由于成本的原因,对视频的智能分析技术也逐渐从服务器迁移到了摄像头端,这被称为智能摄像头。目前市场上的智能摄像头主要定位于警戒线、区域看防等报警类应用不同,而科达感知型摄像机(Intelligent IPC)能够基于视频的智能分析,识别出监控画面中的内容,并对其进行语义描述和最佳图片抓拍,同时基于后端的大数据平台进行更加深入的数据挖掘。

  下面将通过具体的三种智能摄像机来说明一下应用场景:

  1)特征分析摄像机

  主要是针对视野范围较大场景中人、车、物混行场景的运动目标识别与抓拍。中国国情下的城市道路与路口,是人、机动车、非机动混行的复杂环境,同时又是公共安全的防治重点。特征分析摄像机正是为这一场景所设计,它能综合性识别人车分类、颜色、方向等基本特征信息,再开展图像识别的专业应用,最典型的就是将这些信息提供给大数据库平台进行车或人的以图搜图与分析判断,以进一步锁定相似的犯罪嫌疑人与车辆。

  2)人员卡口摄像机

  识别人员及细节信息,包括人脸及全身(正面与背面)、性别、年龄、服装、行走方向、颜色。应用场景为:嫌疑犯已被锁定,并确定藏匿在某小区。公安传统的侦查手段是派若干警力在该小区人工蹲守,对每一个进出人员进行辨认与判断是否嫌疑人。现在,人员卡口摄像机就可以完全代替警方人工蹲守——它自动识别每个人的脸部与全身信息并抓拍最佳照片提交给平台,平台实时即可自动进行比对分析,然后按相似度百分比将嫌疑人排名并发出警告,嫌疑人信息均实时传送至现场待命警察,现场进一步明确后即实施抓捕。

  3)车辆卡口摄像机

  识别车辆细节信息,包括车牌、车型、车标、车身颜色、行驶方向、速度。典型应用是:30起连环盗窃案,作案车辆在不同地点使用不同假车牌。车辆卡口摄像机记录下每个案发地所有车辆细节信息并抓拍最佳照片,再向大数据平台分别提供文字描述类的结构化数据和视频、照片类非结构化数据。平台会对这几百万甚至上千万条结构化数据进行比对分析,并将碰撞出30个案发地外形相似的所有车辆,提供这些车辆的详细信息并关联相应的照片与视频。

  上文提到,人工智能的发展需要算法、大数据和应用场景的共同支撑,科达除了具有图像识别技术的感知摄像头之外,还拥有后端的大数据分析平台。拿和安防监控密切相关的智慧城市来说,在公共安全和智能交通领域,海量的视频数据是最主要的行业特征,于是,大数据,成为这两大行业视频应用中最急需引入的技术。通过与智慧城市大数据平台的结合,科达感知型摄像机(Intelligent IPC)已经在智慧城市中取得了众多的应用,主要包括实时布控、基于语义的智能搜索、高危人员比对、人脸照片搜索、全身像搜索、人像多点碰撞、车辆以图搜图、车辆多点碰撞,等等。

  拥有感知能力的Intelligent IPC,相当于物联网中的一个一个视觉传感器,大量摄像机感知的海量信息,进入大数据和云计算平台,使我们不仅能从单个摄像机中识别内容作出判断,还能从海量的监控数据中,作出深度分析和挖掘,从而对社会管理产生深远的影响。科达感知型摄像机正是配合后端大数据平台开展实际应用:感知型摄像机在前端采集、分析、识别、提交有效数据至后端,大数据平台以云的方式对这些数据进行存储、二次深度分析、预测判断结果。至此,形成一个视频数据采集、识别、感知、思考、行动的完整闭环。

  就像科达总经理陈卫东所说,感知型摄像机是智慧城市大数据应用的关键,大数据时代,感知型摄像机才是视频监控的未来。

  科达的感知摄像机可能离我们普通用户比较远,看起来也没有那些科技巨头和创业公司所做的和图像识别等人工智能技术有关的产品和功能那么炫酷,但这才是图像识别技术的最佳应用。而科达公司深耕某个行业,再从行业的具体需求出发,将图像识别技术应用于该行业,并解决该行业的具体问题的人工智能技术实施路径也为其他人工智能公司提供了一条有价值的参考路径。

  ( 来源:机器之心 作者:赵云峰 )

标签:

版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有

上一篇:Apple Watch上的这则单词,令苹果被诉侵权

下一篇:易通贷平台累计成交额破20亿 慢发展换取持续繁荣