<label id="gyn4u"><option id="gyn4u"></option></label>
<strike id="gyn4u"></strike>

      <code id="gyn4u"><small id="gyn4u"></small></code>
      
      

        <object id="gyn4u"><option id="gyn4u"></option></object><th id="gyn4u"><sup id="gyn4u"><acronym id="gyn4u"></acronym></sup></th>

        <tr id="gyn4u"></tr>
        <object id="gyn4u"><option id="gyn4u"></option></object>

        中國安防行業網

        首頁 > 專家論文 > 正文

        人臉智能:從技術概念到商用落地
        2019/3/28 9:32:00   深圳力維智聯技術有限公司   呂超   關鍵字:人臉智能,商用落地,ZNV力維      瀏覽量:
        除了傳統的安防領域,人臉識別行業的應用已經在向醫療、快消和金融發展。但是傳統的安防領域依然是人臉識別相關廠商的營收支柱,通過對2018年安防行業項目分析我們發現,交通管控、平安城市和雪亮工程項目依然是主要建設項目,全年涉及的招標金額超過800億元人民幣(來自紐豪斯統計)。人臉識別相關廠商秉持的是“腳踏實地,仰望星空”的思想,積極進入政府主導的平安城市和雪亮工程的同時,探索新的可能盈利點。

           2018年冬天格外寒冷,在中美貿易戰和厄爾尼諾現象的寒流中,美國國家標準與技術研究院(NIST)公布了全球人臉識別算法測試(FRVT)結果。其中,由來自中國的企業和研究院包攬了前五名,這多少給寒冬帶來了一點熱度。

          困境與變化

          在FRVT最新的報告中顯示,全球人臉識別算法的最高水平可以做到在千萬分之一誤報率之下,漏報率低于0.4%,也就是說人臉識別算法研究機構已經在99%后面多少個小數點上面展開廝殺了。

          目前在中國,做人臉識別的公司既有阿里巴巴、騰訊和百度這三大互聯網巨頭,又有計算機視覺“獨角獸”商湯、曠視、云從、依圖以及其他科技公司。其中的人臉識別灸手可熱,然而在2017年以前,多家新興的VC一直處于燒錢狀態,并未實現真正盈利。

          造成人臉識別廠商困境的原因在于,這個技術并不是一個近幾年才出現的新技術,如果只注意技術上的創新而忽略了業務落地就容易吹大泡沫。

          現如今,如此多的企業涌入這一領域,只因從技術上而言,我們迎來了一個新時代,AI時代。在2014年前后,隨著大數據和CNN技術的發展,基于卷積神經網絡CNN的人臉識別系統在LFW上第一次得到超過人類水平的識別精度,這是人臉識別發展歷史上的一座里程碑,自此人臉識別迎來了“AI時代”。

          AI人工智能是一個較寬泛的概念,從人工智能的五大領域(機器人、語言識別、圖像識別、自然語言處理和專家系統)來講,基于AI技術(尤其是CNN)的人臉識別業務是圖像識別的一個小分支,同時也是一個對社會綜合治理和居民生活產生巨大影響的業務領域。在AI時代之前,人臉識別由于其準確度的問題,并未實現大規模(城市級)的應用落地,如今隨著準確度的提升,伴隨著大數據分析挖掘技術,人臉識別業務迅速走進了安防、社區、金融、消費電子、零域等領域,并以城市級的系統應用迅速在全國乃至全球范圍推廣。

          回顧2018年,正如上文所說,人臉識別的市場巨大,但是技術上已經到了瓶頸期,算法提供商們在精度的小數點上展開廝殺,是無法吃掉這個巨大的市場的,所以我們看到各個人臉算法廠商都在積極尋求新業務落地,尋求政企合作,行業的焦點已經從關注技術轉向了關注商業。

          比如一些VC獨角獸密集參與OPPO、VIVO、小米等手機廠商的新品發布,為手機產品提供圖像算法支撐。也有一些VC廠商與知名醫院合作,喊出了“AI的未來是醫療”的口號。同時人臉識別“獨角獸”均在尋求與傳統的安防廠商比如?低、ZNV力維等合作,實現項目落地。

          除了傳統的安防領域,人臉識別行業的應用已經在向醫療、快消和金融發展。但是傳統的安防領域依然是人臉識別相關廠商的營收支柱,通過對2018年安防行業項目分析我們發現,交通管控、平安城市和雪亮工程項目依然是主要建設項目,全年涉及的招標金額超過800億元人民幣(來自紐豪斯統計)。人臉識別相關廠商秉持的是“腳踏實地,仰望星空”的思想,積極進入政府主導的平安城市和雪亮工程的同時,探索新的可能盈利點。

          向左與向右

          人臉識別系統雖然不是一個新興事物,但是放在社會和科技的大背景下依然有新的看點,在GPU集群時代之前,人臉識別依賴的是具備抓拍和識別功能的IPC,或者模擬攝像機+盒子的模式,此時的IPC或者盒子造價高,但是新建部署簡單,具有一定的市場。

          在大數據時代,在前端完成圖像處理被稱為“邊緣計算”,這一架構再加上后端的業務應用,呈現如下組網方式:

          邊緣計算模式組網圖

          隨著網絡技術的發展,視頻實時傳輸的大面積推廣,伴隨著GPU服務器的出現,另一種系統架構出現了,那就是利舊普通視頻攝像機,采用后端接入GPU服務器進行統一人臉識別與分析的方式,由于對已有視頻網絡改動小,部署更簡單,也具有一定的市場。

          這種架構在落地時,圖像處理系統與數據分析系統就成了后端“鄰居”:

          后端集中分析模式組網圖

          現如今的人臉識別項目在落地時,是向左,采用后端集中分析的方式,還是向右,采用邊緣計算的方式,這是每一個從業者都在思考的問題。但 “條條大路通羅馬”,邊緣計算與后端集群,無論是從技術上還是從業務上,各有優劣。

          采用邊緣計算的方式,人臉識別和比對均在前端完成,后臺只負責任務調度和告警后處理,其優勢在于輕量化部署,對傳輸的要求低,甚至可以做到微波傳輸,而強大的前端也可以變得更加便攜,集成在移動巡邏車上,單兵設備上,甚至民用級無人機上,應用場景被極大的拓展。

          其不足在于,前端受體積和功率限制,以目前的科技水平仍無法做到大規模布控和多目標實時比對,FPGA的算力和擴展性畢竟無法與專業GPU計算卡相比,而把專業的GPU計算卡放在前端,數量和功率都將受到極大的限制。所以邊緣計算的人臉識別方案更適合于少目標、少接入、小場景、要求機動性的業務場景中應用。

          采用后端集群的方式,人臉識別抓拍(不帶屬性檢測)可在前端或后端進行,對人臉圖片的分析和結構化均交由后臺強大的GPU集群來完成,如此可實現大規模甚至超大規模(百億級數據)的布控和實時分析,接入視頻路數的限制只在于GPU集群的擴展能力,而一般GPU集群都具備強大的橫向擴展能力。同時,這一方式對前端攝像機的要求極低(甚至可以采用老舊的模擬攝像機)。在平安城市或智慧社區的改造項目中,采用這種方式可以更好地利舊已有前端,并且繼續使用已有視頻管理系統,對現網的改動小,易于部署。

          但是這種方式的缺點也很明顯,即對傳輸網絡要求較高,如果采用普通視頻流攝像機接入,視頻網絡的壓力非常大。同時,后端處理的方式受限于GPU集群的硬件環境,不具備機動性。因此,后端集群的人臉識別方案適合于海量目標、海量接入、海量數據、多場景、不要求機動性的業務場景中應用。

          在如今的安防市場,這兩種方案均有其適合的生存土壤和空間,且完全可以形成業務互補。

          空間與成績

          從2014年底,公安部下發的《關于做好公安“十三五”規劃編制工作的補充通知》(公裝財傳發〔2014〕192號),到2017 年人工智能首次寫入國家政府報告,作為人工智能的重要細分領域,人臉識別相關政策支持力度將不斷增強。

          2018年3月,“人工智能”再度被列入政府工作報告,進一步強調“產業級的人工智能應用”,要求“實施大數據發展行動,加強新一代人工智能研發應用,在醫療、養老、教育、文化、體育等多領域推進”互聯網+“。

          不難看出,人工智能推進越來越迫切,”產業化“、”應用化“已成為其未來幾年的兩大發展方向。其中,人臉識別技術落地應用到公共安全領域,將成為保護人民財產安全、強化社會治安、維護社會穩定的又一科技利劍,在提升公共安全應用科技含量和業務處理效率的同時,將產生巨大的經濟價值和社會價值。

          來自艾瑞咨詢的數據表明,2020年全球人工智能市場規模約1190億元,未來10年,人工智能將演變成一個2000億美金的市場,空間極大。而人工智能的細分市場--人臉識別作為當紅”明星“,其市場價值足以引人遐想。

          2018-2020年三年,整個人臉識別應用系統市場規模(不含配套其他硬件及應用平臺,下同)預計累計104.92億(單位:人民幣元,下同),安防人臉識別應用系統市場規模在75.55億,公共安全行業人臉識別應用系統市場規模在26.44億(占整個安防市場的35%)。

          人臉識別應用系統市場規模預測(億人民幣元)

          在實際落地的項目中,人臉識別與公安業務結合最為深入,與城市治理的業務發展最為迅速。

          在ZNV力維參與建設的”智慧銀川“項目中,所打造的人臉識別大數據系統已具備了千萬級目標同時布控能力,為公安民警提供了實時布控告警、人員身份核驗、目標身份檢索、人臉屬性檢索等基礎功能,同時與公安技戰法相結合,做出了路人軌跡分析、路人同行人分析、目標歷史軌跡重現、目標未來路徑推演、異常時間/地點出沒人員分析、同伙分析等業務功能,極大地方便了公安干警的工作,并在實戰中取得了很多戰果。

          在CCTV報道的上!敝腔酃病绊椖恐,力維構建的社會智理平臺以公安現有數據為基礎,結合實時的各類感知數據進行研判,建立了多組多維研判模型,讓辦案流程從之前的人力尋找線索,轉為現在的線索自動感知、自動告警,大大提高了打擊犯罪的精準度和辦案效率。

          而在習總書記參觀過的上海另一個社區項目”浦東智理“中,ZNV力維參與構建的浦東”城市大腦“,通過智能化管理手段進行了一些新探索,比如對城市動態數據的管理、對社區構建的神經元系統等。該項目綜合運用大數據、云計算、人工智能等技術,與物聯網、視聯網、數聯網等感知平臺對接,建設了完善的”神經元系統“,支撐著”實時感知、智能推送,閉環管理“的基礎架構,并建設了智慧社區、住宅消防等多個專項管理模塊。

          通過智能視頻識別系統增強工地建設安全性,通過APP提升市民與職能部門的溝通質量,通過物聯網的神經元感知系統對大客流進行提前研判和處理。在城市與社區業務中,人臉識別不再是一個單一的數據源和處理目標,而是與多維數據結合,增強了對城市管理問題的感知能力,也增強了對城市運行趨勢和問題演化的研判能力,以及對城市各類事件和疑難問題的處置能力。

          ZNV力維參與構建的浦東城市大腦

          同時,我們也看到了在北京、深圳、廣州、重慶等城市,智慧警務與平安城市的項目已呈現爆發之勢。

          理想與現實

          隨著機器視覺技術及其相關技術的不斷提升,無論是圖像結構化的算法還是算力均在進步,雖然算法的進步已有限。而人工智能技術的螺旋上升極有可能會將技術熱點從圖像識別帶入到機器人、語言識別、自然語言處理和專家系統這四個大領域中,因此筆者認為,未來人臉大數據系統的發展將主要呈現以下三大趨勢:

          首先,人臉大數據系統將進一步凸顯”大數據“的能力,一線廠商與二三級廠商在”人臉“領域的差距將進一步縮小,而對結構化數據的實時、高并發的處理,將成為下一個技術增長點。同時,作為2018年的延續,技術與實戰的結合將進一步深化,更多的業務場景,更靈活的業務開發,更迅速的業務定制,更便攜直觀的業務呈現將會受到客戶的歡迎。

          其次,邊緣計算設備與后端集群分析這兩種業務模式的競爭會更加激烈,合作也會更加緊密。在谷歌、臉書等公司的推動下,以及國內廠商華為、?档染揞^的加入,嵌入式視覺系統的發展會顯著提速,未來追蹤嫌疑目標只需出動真正的”無人“機不是夢,具備自動識別自動鎖定報警功能的無人飛行器完全可以在安防領域大展身手。同時,更強大的后端視覺處理集群將實現全城全域全員的布控,讓案事件回顧變成一鍵直達,并推動公共安全業務從事后處理到事前介入。

          第三,單一人臉數據業務的熱度會有所降低,人臉識別技術與其他傳感技術相融合將成為熱點。與單傳感器相比,多傳感器技術在探測、跟蹤和目標識別方面能夠提高系統的可靠性和健壯性,增強數據的可信度,提高精度,增加系統的實時性。機器視覺系統易于向多傳感器信息融合技術拓展,解決單一視覺系統的局限性。

          未來,通過人工智能方面利好的政策,安防、交通、金融、消費電子等都是機器視覺領域重點關注的應用行業方向。

        相關專題:

        加載中...
        加載中...
        头彩彩票