發布時間：2020-12-10所屬分類：科技論文瀏覽：1次
摘 要： 刷臉打卡、刷臉解鎖、刷臉支付，計算機視覺的應用越來越普及。 可除了刷臉，它還能干什么? 從2009年起，眼控科技圍繞計算機視覺展開了深入研究，如今面向交通和氣象領域推出了多項產品服務，并實現了落地應用。 8月，北京交管部門隨手拍正式上線，市民可通過
刷臉打卡、刷臉解鎖、刷臉支付，計算機視覺的應用越來越普及。 可除了刷臉，它還能干什么? 從2009年起，眼控科技圍繞計算機視覺展開了深入研究，如今面向交通和氣象領域推出了多項產品服務，并實現了落地應用。
8月，北京交管部門“隨手拍”正式上線，市民可通過相關軟件或微信小程序使用該功能，舉報交通違法行為，反映交通管理問題。 不僅是北京，滄州、渭南等地也都推出了類似功能，服務市民出行。 可以說，互聯網的發展讓更多人有機會親自參與城市管理，市民的獲得感在不斷提升。
然而，面對眾多匯聚而來的信息線索，如何快速、準確地分析處理? 人工智能正從中發揮著積極作用。 成立于2009年的上海眼控科技股份有限公司(簡稱眼控科技)，在計算機視覺和深度學習技術研發方面深耕多年，面向交通和氣象領域推出了多項產品服務，積累了豐富的實踐經驗。
“眼控科技目前有智慧交通和智慧氣象兩個核心事業部在從事人工智能，尤其是計算機視覺技術的研發與應用。 ” 眼控科技人工智能研究院副院長徐麟介紹道。 “在智慧交通業務方面，我們目前主要聚焦在智能交通監管領域。 面向車管所、交警支隊等車管、交管單位，我們推出了機動車查驗監管、機動車安全檢驗、機動車非現場違法智審、特殊車輛(渣土車)路上監管、智能卡口視頻執法、執法記錄儀執法監管等一系列產品。 ”他舉例道。
計算機視覺發展四階段
放眼人工智能領域，計算機視覺技術的發展較為迅速，已在諸多場景中實現了落地應用，收獲了良好的實踐效果。 在徐麟看來，計算機視覺之所以能取得今天的成績，離不開長期的積累與沉淀。
相關知識推薦：移動機器人論文投稿期刊
“計算機視覺是一種用機器模擬生物視覺的技術。 ”徐麟說道，“我們把圖像或視頻等感知數據(Data)輸入計算機，通過優化算法(Algorithm)來訓練計算機中預先設置的模型(Model)，使得計算機可以根據應用場景需求，自動地輸出圖像或視頻中關鍵信息的分類、分割、檢測、跟蹤等識別結果。 ”
徐麟指出，學術界一般將計算機視覺的發展劃分為四個階段。 “第一階段是馬爾計算視覺。 ”他補充道，“1982年David Marr《視覺》一書的出版，在學術界興起了計算機視覺的熱潮，也標志著計算機視覺開始成為一門獨立的學科。 ”從此，計算機視覺掀開了發展的大幕。 他進一步講解說：“第二階段是主動視覺與目的視覺，在馬爾計算視覺理論上，強調計算視覺的主動性、目的性和應用性。 第三階段是多視幾何和分層三維重建，重點研究如何使用計算機視覺技術快速、魯棒地重建大場景。 第四階段，也就是我們所處的當代計算機視覺階段，是基于學習的視覺，是指以機器學習為主要技術手段的計算機視覺研究。 代表性的機器學習方法有流形學習和深度學習。 ”
“經過40余年的發展，得益于數據積累和計算能力的大幅提高，計算機視覺基本上進入了以深度神經網絡和深度學習為主流的階段。 ”徐麟強調，“從工業界的角度上看，計算機視覺作為目前人工智能技術中落地最廣泛的技術之一，技術研究與產業應用的發展勢頭依舊迅速。 ”
機動車查驗效率大幅提升
稍加留意便會發現，計算機視覺已經融入了我們日常生活的方方面面。 比如，拿出手機，屏幕解鎖、賬號登錄、消費支付，這一系列操作都可以借助人臉識別輕松完成。 再如，遇到喜歡的衣服、飾品時，拍張照片，通過商品識別可以快速搜得同款。 當然，這只是計算機視覺應用中的“冰山一角”。
“目前，計算機視覺技術在安防影像、廣告營銷、泛金融身份認證、互聯網娛樂、智能手機等領域的應用趨于成熟，并向新零售、智能制造、無人駕駛、智能醫療、智能交通、智能氣象等領域拓展。 ”徐麟說道。
在眾多應用領域中，交通和氣象是眼控科技關注的重點。 “在智能交通業務上，眼控科技推出了車身外觀識別比對、車架號拓印膜比對、購車發票識別比對、保單電子接口比對、外觀照片比對、行駛證證芯編號比對等一系列AI應用，逐步形成了一整套機動車查驗/檢驗解決方案。 ”徐麟介紹說，上述應用已在汽車銷售服務4S店和車管所得到廣泛部署，用于新車上牌查驗、車輛年檢、二手車交易等場景，提高審核效率，降低人工成本。 “在智能氣象業務上，眼控科技把研發的AI臨近(2 小時內)天氣預報系統，雷暴監測預警、能見度態勢感知等技術賦能于一些物流、外賣企業，為這些企業提供出行指導。 ”
計算機視覺在實際場景中應用效果如何? 徐麟以車輛檢驗業務為例，做了詳細解讀。 他表示，眼控科技推出的機動車查驗監管智能審核系統在全國100多個車管所和汽車銷售服務4S店點部署并運行，在不需要人工參與的情況下，整車檢驗通過率達到71.1%，照片通過率達到95.3%。 他補充道：“以湖北省某市車管所為例，平均每天需要檢驗的車輛約為4000輛，傳統的人工方式審核每輛車需要7-9分鐘，每天需要30多名人員工作近12小時。 在系統升級后，智能審核每輛車僅需7-10秒鐘，大幅提升工作效率，保障工作質量，減少了審核壓力。 ”
以合作方式釋放AI價值
當前，“AI賦能”受到越來越多的關注，對于其中的含義，眼控科技有自己的理解。 “我們認為現階段的AI賦能，是指針對各種實際的業務場景，利用人工智能技術減少或取代重復性的人工勞動，以達到提高效率、提升精度、降低成本的目的。 ”徐麟如是說。 他進一步解釋道：“現階段的AI技術還不能達到通用人工智能的級別，無法完全替代人的作用，在未來很長一段時間里，‘AI為主+人工為輔’的模式將成為主流的解決方案，尤其在復雜場景的AI解決方案中，人機協同可以彌補AI技術無法處理突發情況的缺點，在提高解決方案可行性的同時節約成本，提升運營效能。 ”
如今，計算機視覺正與現實應用場景快速融合。 徐麟說道：“計算機視覺在經歷了技術潮、資本潮之后，商業落地已成為當前階段鮮明的主題詞。 ”過去計算機視覺的發展著重于AI算法模型的比拼，如今更側重技術方案與商業場景的契合度，計算機視覺與行業需求的結合日益緊密。 與此同時，市場需求也逐漸從功能實現轉變為追求性價比。
“將AI技術落地到某個具體場景中時，需要對相應的AI技術和應用場景都有深刻的了解。 ”徐麟強調，“為了讓AI技術能在具體場景中充分釋放價值，一部分企業選擇在內部設立AI相關部門，自行建設人才隊伍并獨立完成相關技術的落地。 然而，考慮到人才培養難度、周期，以及相應的資金壓力，我們認為對于中小企業而言，更合適的方案可能是選擇與AI科技企業(解決方案提供商等)進行深度合作，通過深度溝通各個環節的痛點、需求，進行技術方案的取舍，以充分釋放AI技術的價值。 ”
徐麟表示，眼控科技未來將繼續聚焦智慧交通和智慧氣象兩大業務板塊。 對于前者而言，眼控科技會緊跟國家政策，從智慧監管、便民服務及安全出行等多個維度，將技術和產品縱向垂直應用在ToG、ToB、ToC領域。 對于后者而言，眼控科技將會在不少于100個城市部署智能感知節點，形成全局氣象數據獲取網絡，支持智慧氣象解決方案的研發及落地，對航空及其他行業進行賦能。——論文作者：劉京運
SCISSCIAHCI
