天網(wǎng)恢恢，疏而不漏。不法分子的“易容術(shù)”、3D面具、圍巾帽子加口罩等偽裝，均逃不過人工智能監(jiān)控的“透視眼”……

　　方象知產(chǎn)研究院梳理了“視覺”安防領(lǐng)域傳統(tǒng)巨頭和創(chuàng)新企業(yè)的發(fā)展情況和特點(diǎn)；本期文章將繼續(xù)篩選和解析這些企業(yè)在“計(jì)算機(jī)視覺＋安防”領(lǐng)域的高價(jià)值核心技術(shù)，一窺“大佬”和“萌新”們的獨(dú)門秘笈及發(fā)展方向，以期為相關(guān)企業(yè)和投資機(jī)構(gòu)未來布局、決策提供參考。

　　在技術(shù)迅速發(fā)展和迭代的今天，傳統(tǒng)安防巨頭既不忘初心，又與時(shí)俱進(jìn)，在不斷提升原有監(jiān)控前端產(chǎn)品性能指標(biāo)的同時(shí)，積極運(yùn)用人工智能技術(shù)革新產(chǎn)品序列，確保在穩(wěn)守“根據(jù)地”的基礎(chǔ)上，繼續(xù)開疆拓土。

　　作為傳統(tǒng)安防三巨頭，�？低�視、大華科技和宇視科技早已克服了模擬監(jiān)控、數(shù)字監(jiān)控等畫面不清晰、不易存儲(chǔ)讀取等問題，并手握相關(guān)核心技術(shù)。

　　監(jiān)控?cái)z像機(jī)拍攝圖像時(shí)，如果不經(jīng)常調(diào)節(jié)鏡頭，無法快速、準(zhǔn)確、平穩(wěn)自動(dòng)對(duì)焦。

　　針對(duì)這一問題，�？低�視研發(fā)了具有“自適應(yīng)聚焦技術(shù)” 的攝像裝置，攝像機(jī)針對(duì)同一場景，可以自動(dòng)選擇合適的聚焦模式，從而構(gòu)建了清晰度評(píng)價(jià)準(zhǔn)則。

　　這種自適應(yīng)聚焦方法（見圖 1），針對(duì)不同模糊程度的圖像及聚焦參考值，設(shè)計(jì)了相應(yīng)的“自適應(yīng)步長策略”，能夠更快速、準(zhǔn)確驅(qū)動(dòng)步進(jìn)電機(jī)對(duì)焦、減少震蕩。該項(xiàng)技術(shù)能讓視覺前端產(chǎn)品“看得更清”，因此在�？诞a(chǎn)品序列中被廣泛引用。

　　方象知產(chǎn)研究院分析發(fā)現(xiàn)，�？低�視這項(xiàng)技術(shù)的發(fā)明專利，被引用高達(dá)30多次，引用者不乏其競爭對(duì)手宇視科技、大華科技、華為等，足見該項(xiàng)技術(shù)的重要性。

　　除了�？低�視，浙江大學(xué)、宇視科技等對(duì)該技術(shù)都有深入研究。

　　圖 1：攝像裝置自適應(yīng)聚焦技術(shù)原理

　　來源：方象知產(chǎn)研究院

　　在計(jì)算機(jī)視覺發(fā)展火熱的今天，安防巨頭并沒有躺在有傳統(tǒng)優(yōu)勢的硬件產(chǎn)品上“吃老本”，而是早早布局智能安防領(lǐng)域，以期在“看得清”的基礎(chǔ)上，讓視覺監(jiān)控智能化。而這些新技術(shù)，也成為安防巨頭能為客戶提供整體安全解決方案的重要基礎(chǔ)。

　　2018年12月11日，大華科技公開的一篇專利顯示，該公司針對(duì)在海量視頻圖像中，如何判斷優(yōu)選圖像，布局了核心技術(shù)。該技術(shù)運(yùn)用預(yù)先訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型，對(duì)圖像進(jìn)行包括殘缺度、目標(biāo)物體與所在圖像的垂線角度、目標(biāo)占圖像面積比、圖像清晰度、圖像亮暗度等參數(shù)進(jìn)行評(píng)價(jià)，最終選出滿足預(yù)設(shè)條件的優(yōu)選圖像。比如在交管應(yīng)用方面，這一技術(shù)能提高低質(zhì)量車輛圖像的識(shí)別，提高圖像數(shù)據(jù)利用率。

　　又如宇視科技，在視頻存儲(chǔ)與播放領(lǐng)域布局了一系列技術(shù)，專利被引用數(shù)量超過20次。其中的視頻智能回放方法，可以將視頻錄像劃分為多個(gè)視頻片段，通過篩選出具有運(yùn)動(dòng)目標(biāo)的視頻段回放，以便更準(zhǔn)確、快速對(duì)錄像進(jìn)行分析。這項(xiàng)技術(shù)，解決了后端分析浪費(fèi)智能服務(wù)器、智能網(wǎng)絡(luò)硬盤錄像機(jī)（NVR）、處理結(jié)果時(shí)間長的痛點(diǎn)。

　　傳統(tǒng)安防巨頭布局智能監(jiān)控，在重要技術(shù)熱點(diǎn)上，不同公司通過不同方法解決問題。結(jié)合深度學(xué)習(xí)算法，智能視頻技術(shù)使攝像機(jī)不單純具有“眼睛”的功能，更具有“大腦”的特點(diǎn)。以此為支撐的計(jì)算機(jī)視覺安防系統(tǒng)解決方案，可廣泛用于安防布控、罪犯抓捕及大型活動(dòng)安保等領(lǐng)域。

　　作為后起之秀，眾多創(chuàng)企率先將計(jì)算機(jī)視覺技術(shù)落地到安防領(lǐng)域。在傳統(tǒng)硬件設(shè)備和市場渠道等方面，創(chuàng)業(yè)公司無法與傳統(tǒng)安防巨頭匹敵，因此，它們大多瞄準(zhǔn)了智能安防這一創(chuàng)新技術(shù)領(lǐng)域。而人臉識(shí)別，不約而同成為多家創(chuàng)業(yè)公司“夢開始的地方”。

　　人臉識(shí)別技術(shù)發(fā)展的過程中，諸多痛點(diǎn)問題顯現(xiàn)：比如對(duì)于通過化妝、“易容”等偽造生物特征的目標(biāo)，不能完全識(shí)別；比如在大規(guī)模人員移動(dòng)、人流量密集等情況，因監(jiān)控圖片質(zhì)量下降造成識(shí)別困難；還有對(duì)目標(biāo)人群識(shí)別的視頻切割處理不靈活，導(dǎo)致完整行為信息缺乏等。

　　針對(duì)這些痛點(diǎn)問題，創(chuàng)新公司依托強(qiáng)大的研發(fā)能力，接連攻克核心技術(shù)，通過技術(shù)優(yōu)勢，不僅在安防市場中搶得一席之地，業(yè)務(wù)范圍還拓展到金融、智慧城市等其他領(lǐng)域。

　　在人臉識(shí)別中，可能有不法分子通過用照片、3D人臉面具偽造生物特征避免被查。針對(duì)這類問題，深醒科技提出利用兩個(gè)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行人臉驗(yàn)證：其中一個(gè)神經(jīng)網(wǎng)絡(luò)提取臉部多個(gè)子區(qū)域的局部特征（如眼部子區(qū)域，鼻部子區(qū)域等）；另一個(gè)神經(jīng)網(wǎng)絡(luò)提取深度特征，通過深度圖譜驗(yàn)證輸入圖像是否為實(shí)體，是否匹配一致。

　　雙路神經(jīng)網(wǎng)絡(luò)，分別識(shí)別局部特征和整體深度特征，對(duì)局部特征和深度特征比較判別，實(shí)現(xiàn)真人面部識(shí)別，同時(shí)能夠有效識(shí)別照片、視頻、3D面具等反偵察欺騙手段。在圖像采集方面，紅外攝像頭和可見光攝像頭同時(shí)采集圖像，為進(jìn)一步識(shí)別判定提供基礎(chǔ)。

　　在火車站、商圈等人流密集場所，人員流動(dòng)性較強(qiáng)、情況復(fù)雜，給追查犯罪分子、重點(diǎn)人員布控造成困難。專注于機(jī)器視覺的商湯科技，針對(duì)上述問題研發(fā)了基于深度學(xué)習(xí)和大規(guī)模集群的智能人臉追逃系統(tǒng)（見圖 2）。

　　該系統(tǒng)利用百萬級(jí)的數(shù)據(jù)集對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，大大提高誤報(bào)警率與漏檢率，能夠有效克服面部受遮擋、陽光等強(qiáng)光源照射等外界因素對(duì)圖片采集的影響。同時(shí)，該技術(shù)支持多機(jī)多路和一機(jī)多路處理數(shù)據(jù)。如果人臉數(shù)據(jù)庫較小，可將人臉識(shí)別服務(wù)器部署在同一個(gè)物理服務(wù)器上，從而實(shí)現(xiàn)一機(jī)多路。如果人臉數(shù)據(jù)庫較大，為了提高處理效率，可將人臉識(shí)別服務(wù)器部署在不同的物理服務(wù)器上，從而實(shí)現(xiàn)多機(jī)多路。

　　圖 2：智能人臉追逃系統(tǒng)技術(shù)原理

　　來源：方象知產(chǎn)研究院

　　窺一斑見全豹。各創(chuàng)業(yè)公司在安防落地場景中，通常針對(duì)不同的細(xì)分應(yīng)用領(lǐng)域深耕，以解決傳統(tǒng)方法無法克服的問題為切入點(diǎn)，以數(shù)據(jù)集大、計(jì)算速度快、非線性適應(yīng)性強(qiáng)等優(yōu)勢，為計(jì)算機(jī)視覺打造一顆“智能大腦”，利用學(xué)習(xí)的方式，“教會(huì)”前后端設(shè)備“認(rèn)得清”、“看得懂”。

　　其實(shí)在計(jì)算機(jī)視覺領(lǐng)域，除了人臉識(shí)別以外，行為識(shí)別也是廣為應(yīng)用的技術(shù)之一。眾多科技公司在該技術(shù)分支上紛紛布局，方象知產(chǎn)研究院以后會(huì)就此單獨(dú)進(jìn)行分析。

　　大數(shù)據(jù)是人工智能的基礎(chǔ)。在數(shù)據(jù)就是黃金的今天，隨著監(jiān)控網(wǎng)點(diǎn)急速擴(kuò)展，視頻和卡口產(chǎn)生海量數(shù)據(jù)。如何安全存儲(chǔ)、高效查找，成為“視覺”安防未來發(fā)展不可或缺的支柱性技術(shù)之一。“大佬”和“萌新”們也都意識(shí)到這個(gè)問題，針對(duì)視頻存儲(chǔ)、編碼解碼進(jìn)行了大量的研究工作（見表1）。

　　方象知產(chǎn)研究院列出了部分公司較為重要或具有代表性的專利。受篇幅所限，本文不做過多解讀。

　　表1：各公司與計(jì)算機(jī)視覺相關(guān)存儲(chǔ)技術(shù)專利

　　來源：方象知產(chǎn)研究院

　　上述存儲(chǔ)技術(shù)，主要針對(duì)大數(shù)據(jù)的存儲(chǔ)安全、升級(jí)安全、丟失恢復(fù)、容錯(cuò)能力及讀取能力，結(jié)合分布式存儲(chǔ)、云平臺(tái)等方法，將各類信息分門別類存儲(chǔ)。不同公司雖然有不同的算法，但殊途同歸，都要解決數(shù)字存儲(chǔ)中高效與安全的問題。

　　中國電子學(xué)會(huì)的公開數(shù)據(jù)顯示， 2017 年，中國人工智能核心產(chǎn)業(yè)規(guī)模已達(dá)到 56 億美元左右，預(yù)計(jì) 2020年將超過 220 億美元。在人工智能中，機(jī)器視覺占比最高，達(dá)到 37％。而在機(jī)器視覺市場中，安防行業(yè)占據(jù)七成份額。

　　目前，隨著安防建設(shè)升級(jí)，安防系統(tǒng)正從傳統(tǒng)的被動(dòng)防御體系升級(jí)成為主動(dòng)判斷和預(yù)警的智能防御。這種安防建設(shè)的升級(jí)，對(duì)智能安防也提出了更高要求。那么，從被動(dòng)追逃到主動(dòng)預(yù)警再到多場景應(yīng)用，視覺安防技術(shù)會(huì)如何發(fā)展呢？

　　在“計(jì)算機(jī)視覺＋安防”領(lǐng)域，無論是智能視頻監(jiān)控，還是人臉識(shí)別或行為識(shí)別，歸根結(jié)底，本質(zhì)上都是對(duì)圖像進(jìn)行處理。自2012年以來，在圖像處理問題上，卷積神經(jīng)網(wǎng)絡(luò)因其在學(xué)習(xí)過程中無需手工選取特征，只需進(jìn)行大量圖像數(shù)據(jù)訓(xùn)練即可，在圖像分割、圖像檢測等方面取得巨大成果。目前，卷積神經(jīng)網(wǎng)絡(luò)已經(jīng)成為圖像識(shí)別領(lǐng)域的核心算法之一。

　　根據(jù)人類視覺系統(tǒng)［1］對(duì)信息分級(jí)處理的方式，人工構(gòu)建的深度卷積神經(jīng)網(wǎng)絡(luò)模型，可以仿照人類大腦，由低層到高層逐層迭代、抽象處理視覺信息。卷積網(wǎng)絡(luò)每層代表可視皮層的區(qū)域，每層上的節(jié)點(diǎn)代表可視皮層區(qū)域上的神經(jīng)元，信息由左向右，逐層迭代傳播。通過對(duì)歷史數(shù)據(jù)逐步進(jìn)行學(xué)習(xí)，將歷史數(shù)據(jù)的經(jīng)驗(yàn)存儲(chǔ)在網(wǎng)絡(luò)中，且伴隨著學(xué)習(xí)次數(shù)及經(jīng)驗(yàn)不斷提高，可指數(shù)型跨越式地提升計(jì)算機(jī)對(duì)圖像和視頻的認(rèn)知能力。

　�。�1］1981年諾貝爾醫(yī)學(xué)獎(jiǎng)獲獎(jiǎng)?wù)逥avid Hubel、Torsten Wiesel發(fā)現(xiàn)

　　深度依托于圖像處理的“安防”，最先得到了技術(shù)發(fā)展的紅利，傳統(tǒng)安防巨頭和創(chuàng)企紛紛致力于打造具有“智能大腦”的算法、設(shè)備和系統(tǒng)。

　　雖然深度卷積網(wǎng)絡(luò)的多重非線性使其具有很大的可塑性，但想要將這把利器恰到好處地用到安防場景，還需更多研究和實(shí)踐。

　　在深度網(wǎng)絡(luò)框架下，如何選擇內(nèi)部結(jié)構(gòu)，引入多少節(jié)點(diǎn)，選取哪些區(qū)域進(jìn)行池化，往往需要大量經(jīng)驗(yàn)，還要反復(fù)進(jìn)行調(diào)整。深度網(wǎng)絡(luò)“學(xué)習(xí)”的過程中，特寫場景中的目標(biāo)特征識(shí)別尤為重要。這需要對(duì)系統(tǒng)有針對(duì)性地喂以訓(xùn)練數(shù)據(jù)，比如遮擋人臉、行為識(shí)別中各種組合姿態(tài)等，通過深度學(xué)習(xí)，讓其能針對(duì)特寫場景中的目標(biāo)進(jìn)行識(shí)別。

　　方象知產(chǎn)研究院認(rèn)為，在視覺安防領(lǐng)域，以卷積神經(jīng)網(wǎng)絡(luò)突破細(xì)分場景應(yīng)用，仍然是未來的發(fā)展方向：一方面能讓這種“類視覺人工智能系統(tǒng)”針對(duì)特定場景的目標(biāo)進(jìn)行識(shí)別，不僅知道什么時(shí)候“該看”，還要能“看得清”、“看得透”、“看得懂”，在安防領(lǐng)域發(fā)揮作用；另一方面，還要完善深度網(wǎng)絡(luò)的學(xué)習(xí)能力，突破算法局限，能針對(duì)不同特點(diǎn)的數(shù)據(jù)庫及需求，建立對(duì)應(yīng)的識(shí)別能力，建立系統(tǒng)性的整體設(shè)計(jì)方案，以最低成本拓展應(yīng)用場景。