3月23日，由雷鋒網(wǎng) & AI掘金志主辦的「第二屆中國人工智能安防峰會」在杭州召開。

峰會現(xiàn)場，王金橋教授以《AI中臺引擎:連接、計算與賦能》為主題，闡述了目前視頻系統(tǒng)存在的問題，以及AI中臺引擎如何助力AI場景化多元化落地。

王金橋是國內(nèi)知名計算機視覺與視頻分析專家、中國科學院自動化研究所模式識別國家重點實驗室研究員、同時作為中科視語董事長，對產(chǎn)學研的融合頗有心得。

王金橋指出，盡管智慧城市和智能安防的發(fā)展速度驚人，但其中仍然存在幾大問題：第一、當前的視頻系統(tǒng)組網(wǎng)復雜，難以維護，平臺不兼容的問題仍然明顯；第二、協(xié)議標準、數(shù)據(jù)標準不統(tǒng)一，設備的數(shù)據(jù)和編碼分散，兼容性非常差；第三、存在大量的信息孤島，無法統(tǒng)一管理；第四、AI芯片整體產(chǎn)能不足，分析效率有待提升。

“我們現(xiàn)有的數(shù)據(jù)，以及我們未來對焦的數(shù)據(jù)平臺如何關聯(lián)、如何引用，是現(xiàn)在能力發(fā)展所遇到的困難。所以未來就更需要這種開放式的AI平臺。”基于此，王金橋教授提出了AI中臺的概念。

“AI中臺引擎，有一個重要組成部分“AI智能盒”，也就是一個“AI中間件”，可以一鍵安裝實現(xiàn)多樣化的設備連接，無縫兼容多樣化的終端，簡單來說就是能夠連接一切視覺設備，同時通過AI中臺引擎的連接，中間件將各種數(shù)據(jù)傳到AI中臺，便可實現(xiàn)AI與各種云端相結合，形成連接智能的作用”，王教授說。他希望無論是什么類型的視覺數(shù)據(jù)，中間件都能發(fā)揮“連接智能”的作用，在各種云端和AI相結合。其次，是希望中間件能夠兼容硬件設備，并且對視頻進行有效傳輸，打破信息孤島，成為一個統(tǒng)一的協(xié)議出口。

王教授認為，2018年是AI落地元年，2019年將是場景化AI場景化規(guī)模化落地的開始。只有形成定制化的應用，滿足用戶的需求，才能把算法和數(shù)據(jù)有效結合，去解決細分領域、細分場景的問題，這才能夠真正實現(xiàn)AI落地，實現(xiàn)百花齊放。

以下為王金橋的現(xiàn)場演講內(nèi)容，雷鋒網(wǎng)作了不改變原意的編輯及整理：

感謝雷鋒網(wǎng)的邀請。

前面很多嘉賓講了一人一檔、開放式平臺，我想給大家分享的主題是《AI中臺引擎》。我認為，在智慧城市等各個領域，AI起到的其實是中臺引擎的作用，包含幾個方面：連接、計算與賦能。

視頻大數(shù)據(jù)現(xiàn)狀

我們知道，視頻數(shù)據(jù)正在呈爆發(fā)式增長。同時，5G和AI芯片的到來給視頻數(shù)據(jù)的傳輸和計算增添了新的增長點，給未來城市級的安防和監(jiān)控創(chuàng)造了許多新的產(chǎn)業(yè)機會。其中，AI起到的最重要的作用就是語義計算。

前面很多嘉賓講到智慧城市的發(fā)展。其實，早在古代我們就開始了對城市的觀察、監(jiān)控和管理，并利用烽火臺進行通訊。只不過，今天我們使用的技術已經(jīng)發(fā)展到了第四代視覺計算。第四代視覺計算的目標是將過去的“被動式防御”變成“主動式預警”。

從“被動式防御”變成“主動式預警”就涉及到?jīng)Q策，而決策又涉及多種多樣的任務和需求。

今天，我們視頻系統(tǒng)的能力還存在許多不足：

第一、當前的視頻系統(tǒng)組網(wǎng)復雜，難以維護，平臺不兼容的問題仍然明顯；第二、協(xié)議標準、數(shù)據(jù)標準不統(tǒng)一，設備的數(shù)據(jù)和編碼分散，兼容性非常差；第三、存在大量的信息孤島，無法統(tǒng)一管理；第四、AI芯片整體產(chǎn)能不足，分析效率有待提升。

這給我們做一個開放式的、AI賦能的平臺帶來了許多障礙。未來，如何將現(xiàn)有的數(shù)據(jù)和新增的數(shù)據(jù)進行關聯(lián)和引用是我們需要解決的問題。

我們知道，2014年AI就在人臉識別上超過了人類，但直到2018年這項技術才大規(guī)模落地，而且當時主要用到的是1:1人臉比對。人臉識別技術的場景化經(jīng)歷了四五年，過程非常之艱難。但我認為，2019年將是AI場景化、規(guī)?；蛘哒f百花齊放的一年。AI將在社區(qū)、考勤、門店、終端等各個場景實現(xiàn)定制化。只有定制化的應用，才能把算法和數(shù)據(jù)有效結合，從而解決實際問題。

我們的“AI智能中臺”中有個硬件，叫做中間件。我們希望來自不同設備的、不同類型的視覺數(shù)據(jù)，通過網(wǎng)口連接到這個中間件后，就能夠在業(yè)務層和云端的AI相結合。它起到的是連接智能的作用。

中間件主要可以解決幾個問題：一是開發(fā)的問題，不需要再針對現(xiàn)有的設備重新開發(fā)一套平臺；二是能夠兼容各種各樣的設備，插入之后在云端打開一個網(wǎng)址就能看到所有我想要的東西；三是通過4G和5G將視頻進行有效傳輸，打破信息孤島；最后，我們希望這個中間件能夠變成數(shù)據(jù)的統(tǒng)一協(xié)議出口，對接后面的AI中臺。

我們的產(chǎn)品視接盒，它可以兼容目前大多數(shù)模擬和數(shù)字攝像機。無論何種編碼格式的數(shù)據(jù)都可以在這里重新編碼、定位和傳輸，無縫對接AI、4G、北斗等等。這是一個全新的硬件。

我們還提供視頻匯聚中臺，支持數(shù)據(jù)的定發(fā)、轉(zhuǎn)發(fā)，將數(shù)據(jù)推到阿里云等各種業(yè)務應用場景。我們提供的解決方案主要面向智慧城市——包括車輛、人臉識別，智能制造、新零售等場景。其中，智能制造是工業(yè)史上的一個新命題。

目前，視頻結構化或者說目標檢測，依舊是一個非常難的問題，比如人的跨鏡頭追蹤，在公開數(shù)據(jù)集中的準確率只有88%，還有很長的路要走。

我們希望我們的中臺能夠支持多任務聯(lián)合計算。所謂多任務聯(lián)合計算，就是說一個神經(jīng)網(wǎng)絡能夠同時完成目標檢測、場景解析和目標識別。

下圖是我們?nèi)ツ陞⒓訜o人駕駛競賽的場景。在同一個模型上，我們能夠同時解決可行駛區(qū)域的解析，人、車、物的結構化檢測，還有車牌、車距和交通標志的識別。

在這個任務中，我們使用了基于耦合自學習的神經(jīng)網(wǎng)絡量化目標檢測引擎。我們通過AutoL的模型，和華為、?？怠⒈忍卮箨懙葟S商的芯片，打造了基于AI中臺的神經(jīng)網(wǎng)絡編譯器，能夠?qū)崿F(xiàn)4比特甚至2比特的快速神經(jīng)網(wǎng)絡計算，使它進行無損壓縮和自動量化，實現(xiàn)多重功能的聚合。

下圖展示了我們?nèi)ツ瓯荣惖慕Y果。在三項任務中，我們只用了一個10G算力的GPU，就達到了第二名4倍的總成績和10倍的計算速度。

我們的多任務同時優(yōu)化算法可以使一個普通CPU實現(xiàn)1080P的全視頻結構化和檢測、追蹤。

下面介紹幾個具體的應用場景。以大家經(jīng)常提的車輛識別為例，它跟人臉識別類似。我們經(jīng)過十多年的研發(fā)，和交通部、公安部合作，取得了許多重大成果。

其實每輛車都有自己特定的身份。我們通常只知道自己車的款式，但依然能夠在茫茫車海中找到自己那輛，靠的就是車的身份識別。通過局部算法，我們能夠?qū)崿F(xiàn)對車的精細化特征——也就是車紋識別。我們在國際上做了一個目前最大的、針對電子警察和卡口的車輛數(shù)據(jù)集，叫Vehicle-1M。我們也將發(fā)布面向開放場景的更大的數(shù)據(jù)集，以實現(xiàn)在沒有車牌的情況下識別所有車的身份。

我們在神經(jīng)網(wǎng)絡上做過驗證，發(fā)現(xiàn)每輛車的車窗部分都是有差異的。一輛車售出后，它的年檢標、紙巾盒、掛件等就構成了它在某個時間段的獨特身份。層級式注意力耦合網(wǎng)絡可以對它的這些特征進行學習，實現(xiàn)很好的識別效果。當然這個過程也依賴于大數(shù)據(jù)的積累。

我們在全國大約6個省份推出了面向高速公路和靜態(tài)停車場的無感車輛收費系統(tǒng)。無需借助車牌，就可以完成檢測、追蹤和收費的整個過程。我們甚至還能精細刻畫每個車的噸位、排放，從而在大城市依據(jù)不同道路情況對車輛的噸位和排放進行自動治理。

車輛識別在交通罰款領域也應用得非常多，不過還有很大的改善空間，需要跟場景進一步結合。

舉兩個例子。一個是今天交管發(fā)的一條新聞，說有個人在開車的時候摸了一下頭發(fā)，被誤認為在打電話，被罰了款。如何精準地區(qū)分摸頭發(fā)和打電話呢？這是個定制化的場景，目前誤報還非常多。

另一個是說，有輛車出了事故，拖車從應急車道把它拖走。結果攝像頭拍到它占用應急車道，也罰了款。

上面兩個例子說明，算法跟場景和業(yè)務必須深度結合。AI作為視覺中臺，可以有效地提供AI算法，讓做服務的公司專心做好服務，做應用的公司專心做好算法和場景的結合。

無人值守路測停車也是一種常見應用，我們在雄安、通州和東莞都有落地。我們在一個桿子上裝上攝像頭，一個攝像頭可以看7-8個車位。車輛停進去后我們拍一張照片，等它走的時候再拍一張照片，通過計算兩張照片中間的時間間隔，再連接上交管APP就可以實現(xiàn)自動收費。

人臉識別

人臉識別大家都很熟悉，但其實它是個非常難的技術，尤其是在海量數(shù)據(jù)規(guī)模的情況下。算法在網(wǎng)絡數(shù)據(jù)集和實際場景中識別精度之間還存在著巨大的鴻溝。公開數(shù)據(jù)集中千萬分之一誤識率的算法，到了實際場景中識別精度可能只有66%。即使我們結合了身份等各種信息，算法在實際場景中的精度依舊很難提升。

人臉三維識別，也就是我們常說的側臉識別。近幾年通過GAN、渲染和幾何學的方法，三維數(shù)據(jù)有了爆炸式的增長。據(jù)我們驗證，在根據(jù)側臉生成正臉方面，幾何學+渲染的方法要勝過GAN。GAN對性能的提升其實非常有限，投入產(chǎn)出比很低，還不如派人力去采集大量數(shù)據(jù)。

此外，我們還結合了人體信息，相當于人體和人臉的聯(lián)合學習。這種方法最大的缺陷在于人體的不可靠性。在比較理想的情況下，我們可以清晰判斷兩個圖像是不是同一個人。但在遠距離、圖像比較小的情況下，數(shù)據(jù)標注是非常大的挑戰(zhàn)。我們甚至還融入了步態(tài)，將多種維度的信息進行融合，我們稱之為多維立體感知，通過這種方法解決開放式場景的無感人員管理。這是目前行業(yè)內(nèi)的一大研究趨勢。

另外，我們還可以結合更多的信息，比如聯(lián)通和電信的數(shù)據(jù)、高鐵的數(shù)據(jù)、酒店的數(shù)據(jù)，在全省范圍查詢某個人的軌跡。下圖展示了我們在河南和湖北用到的一些方案。

我們的中間件目前已經(jīng)推出，全國好多個地方都在用，我們希望它能夠在各個領域發(fā)揮巨大的價值。

在國家“雙創(chuàng)計劃”的鼓勵下，我們做科研的同時，也自主創(chuàng)業(yè)成立了一家公司“視語科技”。我們公司的愿景就是，通過AI中臺讓這個世界更加溫暖。

關于中國人工智能安防峰會

由雷鋒網(wǎng) & AI掘金志主辦的「2019中國人工智能安防峰會」，是業(yè)內(nèi)極具影響力的AI安防論壇，致力于推動中國“AI-安防”落地融合與“學術-產(chǎn)業(yè)”的應用交叉。

延續(xù)上一屆峰會的高水準、高人氣，2019中國人工智能安防峰會再度站在算法、工程和產(chǎn)品的最前沿，引導安防行業(yè)認知再升級。這是?？?、大華、華為、阿里、騰訊以及多個AI獨角獸，因“AI安防”首次同臺，峰會現(xiàn)場也聚集了海內(nèi)外1000多位政企管理層和技術研究員，共同探討2019年的AI安防智能技術部署、前沿算法應用與商業(yè)戰(zhàn)略布局。

本次峰會共設置“城市大腦與邊緣計算”、“世界頂尖算法應用”、“前端動態(tài)識別與智能視頻云”、“城市AIoT與邊緣智能引擎”四大議題，出席的15位演講嘉賓分別是：

上午場：阿里巴巴華先勝、?？低暺质懒?、大華股份殷俊、地平線張永謙、深瞐科技陳瑞軍、商湯科技張果琲、浪潮商用機器張琪。

下午場：香港科技大學權龍、原松下（新加坡）研究院申省梅、華為余虎、觸景無限肖洪波、曠視科技安洋、千視通胡大鵬、騰訊李牧青、中科院自動化所王金橋。

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。