2018 年 3 月 31 日，由雷鋒網(wǎng)主辦的 AI 盛會——「2018 中國人工智能安防峰會」在深圳科興科學園國際會議中心舉行。

在上午的演講環(huán)節(jié)，中科院生物識別與安全技術研究中心主任、中科奧森首席科學家李子青教授講述了 AI+安防的痛點問題和未來發(fā)展，以及他們?nèi)〉玫娜椉夹g新突破。

李子青在大會中指出，靜態(tài)人臉識別技術研究目前已接近尾聲，而動態(tài)人臉識別技術提升研究與應用正在如火如荼進行中，大數(shù)據(jù)是「AI+安防」的重要發(fā)展方向。他在演講中點出了「AI+安防」的幾個痛點：

• 深度學習需大數(shù)據(jù)進行有監(jiān)督訓練，人工標注費時費力；

• 深度學習算法性能進步速度放緩，正向天花板靠近；

• 從應用來看，動態(tài)識別的誤報率太高，且生產(chǎn)環(huán)節(jié)大數(shù)據(jù)資源未充分利用；

• 從視覺數(shù)據(jù)源頭來看，監(jiān)控相機圖像質(zhì)量仍然受到暗光、強光和逆光的影響。

李子青強調(diào)，要利用生產(chǎn)環(huán)節(jié)的大數(shù)據(jù)進行自主學習，形成數(shù)據(jù)與 AI 引擎提升閉環(huán)，將動態(tài)人臉識別引擎性能提升到一個超高水平，滿足實戰(zhàn)需求；在此基礎上，將跨時空的視頻大數(shù)據(jù)整理聚類成一人一檔 – 這也是大數(shù)據(jù)人員身份識別的一個終極核心技術，通過一人一檔可以做很多事情，例如，跨時空目標檢索、目標軌跡挖掘、關系網(wǎng)絡分析等。

以下是李子青演講實錄，雷鋒網(wǎng)做了不改變原意的編輯：

感謝主持人的介紹，剛才主持人說這是一次盛會，的確如此。這里有傳統(tǒng)安防巨頭企業(yè)、新興 AI 企業(yè)，還有深圳本地的企業(yè)家以及一線公安干警。

傳統(tǒng)企業(yè)中，像海康、大華、宇視、天地偉業(yè)等都是我的老朋友，阿里巴巴作為一個商業(yè)帝國也參與到本次大會，另外還有商湯、曠視、地平線等我的學術界同行，非常高興有這樣一次 AI+安防的盛會。

今天我要講的題目是「AI+安防：創(chuàng)新解決當下，賦能未來」，核心是創(chuàng)新。

我今天講 5 個方面：

（1）安防應用和 AI 技術；

（2）中科奧森的創(chuàng)新歷程；

（3）智能視覺安防產(chǎn)品；

（4）AI+安防：痛點問題和未來發(fā)展；

（5）中科奧森的技術新突破。

前面三部分大家可以忽略過去，可以玩手機、打瞌睡，后兩部分大家可以醒過來看看。

安防應用、 AI 技術以及相關研究工作

安防主要包括兩個大類：

• 第一是監(jiān)控類，關注黑名單，這是今天在座的主要關注點；

• 第二是授權類，關注白名單，除了金融、自助應用外，安防也很關注的，比如說出入口管理等等。昨天我參加移動設備生物識別國家標準制定會議，與互聯(lián)網(wǎng)身份認證相關，那個就屬于授權類安防。

這里和 AI 相關的研究，從基礎技術上來講，涉及機器學習、計算機視覺、芯片等；從應用產(chǎn)品上來講，包括智能安防、智能金融、智能交通、機器人等等。此外，大數(shù)據(jù)是很重要的部分，也是后面要講的關注重點。

其實在十多年前安防中就已經(jīng)引入了智能分析，并一直在不斷進步，現(xiàn)在是深度學習所帶來的第三次 AI 浪潮。我是這個過程的見證者和積極參與者。

我于 2000 年回國，在微軟研究院研發(fā)了世界上第一個實時人臉識別系統(tǒng)。2004 年加入中科院就一直致力于人臉識別和智能視頻的安防應用。我與深圳這邊的安防還是非常有緣的，2005 年，我設計并實施了深圳口岸的出入境自助通關系統(tǒng)、后來又做了深圳海關的水客識別系統(tǒng)；另外，我還設計并實施了 2008 北京奧運的實名制人票核驗系統(tǒng)、上海世博會的出入口安防管理。

從國家研究課題來講，我負責了十一五、十二五國家科技支撐計劃和十三五公共安全重大專項的人臉識別、視頻分析和視頻結(jié)構(gòu)化的研發(fā)工作。

目前在實施的十三五這個重大項目，繼續(xù)深化視頻結(jié)構(gòu)化技術，包括人臉結(jié)構(gòu)化、身份特征、性別、年齡、種族等等；行人結(jié)構(gòu)化描述，包括人體各個部位和攜帶物的描述；以及車輛結(jié)構(gòu)化 – 這些是現(xiàn)在視頻大數(shù)據(jù)中最關注的問題。

2009 年我提出了人臉識別物聯(lián)網(wǎng)/云服務的概念，把視頻監(jiān)控人臉識別、移動人臉識別以及瀏覽器網(wǎng)絡上傳的人臉識別統(tǒng)一到統(tǒng)一的框架下，由后臺的服務器來提供支撐。人臉識別云服務現(xiàn)在已經(jīng)非常流行，在安防、金融、社保等行業(yè)都得到了非常廣泛的應用。

2010 年我提出了智能視覺物聯(lián)網(wǎng)的概念，是人臉識別云服務的進一步拓展。最底層是數(shù)據(jù)入口，由各類視覺傳感器采集數(shù)據(jù)，通過互聯(lián)網(wǎng)、電信網(wǎng)、公安內(nèi)網(wǎng)等匯集到公安的數(shù)據(jù)平臺，進行數(shù)據(jù)的圖象匯聚和清洗，然后對視頻數(shù)據(jù)進行智能分析，其中包括各種視頻分析工具，最上層是應用業(yè)務，如人臉識別、視頻研判。

智能視覺物聯(lián)網(wǎng)在無錫公安市局實現(xiàn)了落地，這是國內(nèi)首個市級的人臉識別與智能視頻的安防應用。我們的成果由無錫市政府推薦選送到 2013 年的世界智慧城市博覽會，并獲得了大獎。

我們的創(chuàng)新對國際也產(chǎn)生了影響，美國國家標準技術研究院發(fā)布的數(shù)據(jù)庫和和國防部的應用技術項目，其中近紅外人臉識別是我的一個發(fā)明，這是世界上第一個能夠把人臉識別技術變成產(chǎn)品的技術，國內(nèi)很多廠家都在采用，特別是深圳的廠家；另外還有異質(zhì)圖像人臉識別。

2011 年，我受歐盟邀請，參加歐盟的第七框架研究計劃，這里面有 12 支團隊，我們是唯一的非歐團隊。

這個項目的研究內(nèi)容是生物特征識別中的假體攻擊以及相應的對抗防范技術。之前的人臉識別研究主要關注準確率，但在授權類應用中，如果不能抵御假冒的生物特征的攻擊，如人臉照片、視頻，即使將準確率做到百分之百，也是白搭。所以從 2009 年開始，我們就開始了人臉識別的防偽技術研發(fā)，其成果我的另一個創(chuàng)新，多光譜人臉防偽技術，現(xiàn)在大家看到的雙目人臉識別和活體防偽技術和設備，就是源自我這里。我們多光譜的雙目深度學習識別系統(tǒng)完美解決 CCTV 去年 3.15 曝出的人臉識別安全漏洞。正是由于我們在這方面的獨創(chuàng)工作，所以受邀參與歐盟的項目。

2012 年世界科學節(jié)頂級刊物《Science》對我進行了采訪，介紹了我們在人臉識別、圖象分析和視覺物聯(lián)網(wǎng)方面的成就，并以此說明中國國力和創(chuàng)新能力迅速提升，在上述領域做到國際領先，并且獲得了國際同行的好評。

智能安防產(chǎn)品以及目前痛點

下面說一說智能安防產(chǎn)品。

首先是動態(tài)人臉監(jiān)控。靜態(tài)人臉識別技術與應用研究現(xiàn)在已經(jīng)到了尾聲；動態(tài)人臉識別技術提升與應用正在如火如荼進行當中，后面會談一下其中的痛點。

其他的典型產(chǎn)品包括授權類的自助設備和閘機通道的身份驗證，現(xiàn)在已經(jīng)在應用，未來會更加廣泛。上周在河北省發(fā)布了稅務自助辦理系統(tǒng)，我們提供了其中自助機與通道閘機的身份識別技術和整體解決方案。此外還有訪客系統(tǒng)、小區(qū)門禁、雙目人臉識別與活體防偽模組和設備產(chǎn)品。

中科奧森團隊有很多 No.1 的創(chuàng)新和發(fā)明，包括國家項目、論文發(fā)表、核心技術，我們設計并實施了世界上第一個實時人臉識別系統(tǒng)，世界上第一個大規(guī)模的生物識別自助通關系統(tǒng)，世界上第一個人臉識別門票核驗系統(tǒng)，世界上第一個實用化人臉識別設備產(chǎn)品（近紅外），雙目人臉防偽設備（可見光+近紅外），這些都是中科奧森的首創(chuàng)。

我們提出了世界上第一個人臉識別物聯(lián)網(wǎng)/云服務，統(tǒng)一了 PC 端、手機端和視頻監(jiān)控的人臉識別，此外還提出并實施了智能視覺物聯(lián)網(wǎng)。

昨天（4 月 30 號）我參加了一個中國國家標準的討論，關于移動設備生物特征識別，中國的移動刷臉應用在世界上規(guī)模最大，我相信，通過我們的努力，中國國家標準一定會成為國際標準。

接下來談安防、AI、大數(shù)據(jù)的問題。

首先從應用規(guī)模來看數(shù)據(jù)規(guī)模，我以一個轄區(qū)為例，假設有 1000 路視頻，在深圳大概是一個村鎮(zhèn)的規(guī)模，用來抓拍人像，與 20 萬人的黑名單庫做比對。假設每個攝像頭每 5 秒抓拍一張人臉，該轄區(qū)每秒鐘抓拍 200 張圖像，每天產(chǎn)生 0.173 億張抓拍人臉，跟 20 萬人的庫的比對次數(shù)是 0.173 億*20 萬，約 3.456 萬億次。業(yè)務上希望正確識別率不低于 90%。

現(xiàn)在用監(jiān)控視頻作動態(tài)人臉識別的痛點問題是，誤報率太高，公安非常希望利用這一技術提升治安防控水平，但如果系統(tǒng)誤報率太高，喊了太多「狼來了」，則用戶最終不得不放棄使用。

再講講 AI。現(xiàn)在我們身處 AI 的第三次浪潮。

我 1988 年去英國留學，第一站就是愛丁堡大學的 AI 系，碰上了 AI 第二次熱潮，當時的主體思想基于符號學派，那時神經(jīng)網(wǎng)絡也存在，但它處于相對弱勢，其實二者在當時都不 work。經(jīng)過幾個月時間的研究，我拒絕了符號主義方法，擁抱了聯(lián)結(jié)主義，也就是神經(jīng)網(wǎng)絡，我從統(tǒng)計學和優(yōu)化理論入手，構(gòu)造能量函數(shù)，采用自下而上的分析方法，通過數(shù)據(jù)分析和機器學習，尋求最優(yōu)解，一直到今天。

現(xiàn)在 AI 第三次浪潮是由深度學習引發(fā)的。深度學習有三個非常重要的要素：第一是深層神經(jīng)網(wǎng)絡，神經(jīng)網(wǎng)絡并不是一個新東西，只是現(xiàn)在做得更深，能解決更復雜的問題；第二是有監(jiān)督的學習，大數(shù)據(jù)訓練；第三是高性能并行計算。

去年 12 月份財新網(wǎng)有一個短視頻，李開復談 AI 和大數(shù)據(jù)（http://cj.sina.com.cn/articles/view/1898901183/v712eeebf019001w53）。財新得出的結(jié)論是：具有一定規(guī)模和質(zhì)量的數(shù)據(jù)集成為人工智能行業(yè)發(fā)展的一大制約。

搜狗 CTO 楊洪濤說，還沒有足夠的數(shù)據(jù)去解決問題。我覺得他應該是說還沒有足夠的標注數(shù)據(jù)去解決問題。生產(chǎn)環(huán)節(jié)的數(shù)據(jù)太多了。

開復認為，人工標注是不能從根本上解決問題的，現(xiàn)在我們做深度引擎開發(fā)都遇到了這樣的問題。必須在真實運用場景里得到閉環(huán)回饋的標注，才能真正解決大數(shù)據(jù)的標注問題，從而推動 AI 向更高層次發(fā)展。

這就引出了我們技術和應用的痛點。

有監(jiān)督的深度學習需要大數(shù)據(jù)訓練。但是人工標注費時費力，能用于標注的人力、財力和時間資源都有限。雖然有監(jiān)督的深度學習還有一定的發(fā)展空間，通過提升算法、改進網(wǎng)絡架構(gòu)、增大標注數(shù)據(jù)等手段，但它的提升空間不會巨大，我認為，與 2014 年前后的迅猛發(fā)展相比，它的發(fā)展已經(jīng)放緩，在向天花板靠近。

從應用來講，剛才我說到動態(tài)識別的誤報率太高，沒有將大數(shù)據(jù)資源充分利用起來；核心引擎的提升需要標注數(shù)據(jù)，而數(shù)據(jù)的標注、加工需要靠人工進行。這是 AI 技術和應用的一個發(fā)展瓶頸。

所以，我們必須實現(xiàn)開復所說的，形成應用場景的數(shù)據(jù)閉環(huán)，能夠利用生產(chǎn)環(huán)節(jié)的大數(shù)據(jù)進行自主學習。

另一方面，從數(shù)據(jù)源頭來看，視覺傳感器輸出的圖像質(zhì)量，仍然受到暗光、強光和逆光的影響，導致人臉識別性能的進一步下降，特別是在室外、動態(tài)場景下。雖然現(xiàn)在有寬動態(tài)、星光級攝像機，但這仍然是一個很嚴重的問題。

與視覺相關的一個趨勢就是 3D 傳感器的發(fā)展，從 Kinect 到 iPhone X 到 Lida。三維傳感器能提供深度信息，是對二維信息的補充，能夠提升 AI 應用的能力和水平。

技術新突破與總結(jié)

最后簡單介紹中科奧森的三個最新技術突破：

（1）大數(shù)據(jù)閉環(huán)自主學習；

（2）從大數(shù)據(jù)到一人一檔；

（3）新一代智能相機。

這是三個非常原創(chuàng)、非常獨特、門檻非常高、并且有巨大價值的技術突破。

首先看大數(shù)據(jù)閉環(huán)自主學習。我們有前端數(shù)據(jù)獲取，抓取數(shù)據(jù)之后送到后臺大數(shù)據(jù)存儲中心，在后臺我們還有核心引擎，當然這個核心引擎可能也在前端，另外訓練一定是在后臺的。

大家聽過 AlphaGo，早期他們用大量的標注數(shù)據(jù)，用各種各樣的棋局進行訓練，打敗了李世石、柯潔。2017 下半年，他們推出了 Alpha(Go) Zero 采用零標注數(shù)據(jù)，僅利用走棋和勝負判斷規(guī)則，進行自主強化學習。AlphaZero 在訓練第 3 天打敗李世石，第 21 天打敗柯潔，第 40 天打敗所有人類。后來他們不僅用這一技術下圍棋，還下其它的棋以及玩游戲，也取得了很大成功。

注意到 AlphaZero 的自主強化學習是在有限狀態(tài)空間進行：19×19 的棋盤，有黑白兩子，可能的棋局數(shù)量巨大，但卻是有限的，走棋的規(guī)則、最終勝負判斷都是明確規(guī)定的。所以，雖然它沒有用任何標注的棋局，但不能說是非監(jiān)督學習，可以說它是弱監(jiān)督學習。我們可以借鑒，但不能直接拿來用，因為我們做視覺感知，其中的引擎學習是在無限狀態(tài)空間中的過程。

我們的做法是用 AlphaOne 技術，把后臺大數(shù)據(jù)與核心引擎的再學習打通，實現(xiàn)開復老師說的閉環(huán)。之所以稱為 AlphaOne，是指我們有一個深度網(wǎng)絡基礎引擎，通過可用的標注數(shù)據(jù)，采用深度學習算法，訓練而成。AlphaOne 自主學習在此基礎上進行。

對比有監(jiān)督深度學習和半監(jiān)督自主學習，兩者對標注數(shù)據(jù)要求是一樣的。從模型的訓練方式看，前者是離線訓練，后者是利用生產(chǎn)數(shù)據(jù)在線主動學習。引擎性能方面，如果通過有監(jiān)督深度學習訓練的模型性能為 X，通過半監(jiān)督自主學習的模型在性能上可超過 X 100 倍。

下面講講第二個突破，一人一檔。安防視頻大數(shù)據(jù)系統(tǒng)中，有路人庫（抓拍）和名單庫。路人庫是增量存儲的，前面分析了數(shù)據(jù)規(guī)模，一個月累積可能百億級甚至千億級規(guī)模，名單庫中可能有 20 萬人或更多（比如包括常住人口）。

假設轄區(qū)常來常往 100 萬人，所謂的一人一檔就是要把路人庫（包括該轄區(qū)內(nèi) 100 萬人、從外地過來的人、以及被抓拍的名單庫人員）根據(jù)人員 ID 進行聚類，梳理成一人一檔。一人一檔建立在識別引擎之上，我認為它是人臉監(jiān)控識別的一個終極核心技術，它是識別引擎、大數(shù)據(jù)和自主學習共同產(chǎn)生的結(jié)果。

第三個突破是一個發(fā)明專利技術，新一代智能視覺相機，單目全光照全輸出，解決目前智能相機的缺陷，提供更豐富、更可靠的圖像視頻數(shù)據(jù)。它是個單目攝像機，能輸出 RGB、NIR、3D（深度），或這三種的任意組合 RGB+NIR、RGB+3D 和 RGB+NIR +3D，所以叫全輸出。并且它能適應全光照，從暗光到強光再到強逆光都可以拍得很清楚。

如果說我 10 多年前創(chuàng)新近紅外人臉識別以及最近創(chuàng)新的雙目防偽攝像頭能夠被友商仿制，這個單目全光照全輸出相機是很難仿制的。

最后再總結(jié)一下我的主題，我要重點強調(diào)的是中科奧森能力，以及最新的三個創(chuàng)新，即：新一代智能視覺傳感器，單目全光照全輸出，大數(shù)據(jù)自主學習突破深度學習瓶頸，一人一檔安防大數(shù)據(jù)終極核心技術。

在座的安防企業(yè)和 AI 新銳有不少交叉，現(xiàn)在如果不做 AI，人都不好意思說自己是安防的。安防跟 AI，特別是深度學習，是深度融合的。新銳企業(yè)算法技術做的很好，但如果做純算法肯定沒有出路，所以像商湯、曠視這些企業(yè)都在做落地應用，與安防企業(yè)競爭，做業(yè)績。我覺得大家各有各的優(yōu)勢。傳統(tǒng)安防，像海康、大華這種巨頭在行業(yè)深耕多年，有強大的市場優(yōu)勢，銷售渠道健全，落地應用做得非常好。他們既有競爭，也有勾搭合作。希望傳統(tǒng)安防企業(yè)和新銳 AI 企業(yè)能有很好的互動。

（完）

雷鋒網(wǎng)編輯整理。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。