随着人工智能技术的发展，很多高大上的专业性词汇逐渐进入我们的视线，计算机视觉技术就是其中之一。作为中国人工智能三大领域之一的计算机视觉技术，近几年的应用市场规模持续扩大，发展速度可谓是突飞猛进。而随着技术的不断突破，检测器的性能也从最初的平均准确率30%飙升到了今天的超过90%。根据新思界产业研究中心发布的《2018-2022年中国计算机视觉市场可行性研究报告》，预计未来三年我国计算机视觉市场仍将保持100%以上的速度增长，到2020年市场规模将达到600亿元以上。
作为人工智能核心技术之一的计算机视觉技术，其应用领域就在我们身边，视频监控、智能交通、智慧园区等，而在我国计算机视觉市场中，政府、金融和互联网是支出规模最大的三个领域，平安城市和人脸身份验证是支出规模大的两个场景。但随着安防行业应用的领域不断增更多，监控设备数量的大量倍增，影像解析度的不断提高，公共安全搜集到的影像和图片之数据量呈现等比几何的增长，再加上影像解析度的提高，连带使服务器的处理能力和使用率都产生了更高的门槛。因此，安防影像监控在影像调阅、门禁进出数据、资料的储存、运算等技术上都面临巨大挑战。
面对这样的挑战，安防监控使用者如何能在大量增加的数据中，利用既有的人工智能技术快速获取有价值的资料，便成为当前重要的课题。作为人工智能机器深度学习研究中的新领域，深度学习模式其动机在于建立、模拟人脑进行分析学习的神经网路，它模仿人脑的行为思考机制来解释数据资料，例如影像内容、声音和资料本身。未来要让AI人工智能的机器深度学习能够大行其道，数据资料本身将是主要的关键因素，而影像监控资料占大数据总量的60%以上，也就是说，影像监控领域有70%以上的数据资料分析是用来进行影像识别。目前这种AI机器深度学习在安防产业的诸多领域都取得了很大进步，包括：行人检测、车辆检测、非移动车辆检测等，其识别准确率甚至超过人类的眼睛判断。
多特征识别技术
一般在大量影像数据资料下，想要从历史和即时的影像资料中筛选犯罪嫌疑人有如大海捞针，而多特征识别技术则是透过人工智能的方式，以深度学习为模式，让电脑从大量监控影像中自动识别出嫌疑人，分析资料中的个人特征，然后根据犯罪嫌疑人的特征自动筛选，快速准确地识别出个体人物的各种重要特征，如性别、年龄、发型、衣着、体型、是否戴眼镜、是否骑车以及随身携带的物品等，不仅大大的节省人力物力，同时也大大缩短犯罪嫌疑人的到案时间。
姿态识别技术
姿态识别技术是指针对个体人物的走路姿势，是一种可在远距离就感知的生物行为特征技术。和其他生物特征识别技术相比，姿态识别的优势在于非接触性、非侵入性、易于感知、目标物难以隐藏和伪装等。
姿态分析的技术困难点在于其特征的稳定性问题，因为一个人的姿态会受多种因素影响而改变，为了克服这个问题，很多厂商在研发上加进了机器深度学习方法，用姿态向量图示来描述姿态顺序排列，透过深度累积神经网路训练匹配模型。训练好的累积神经网路匹配模型能够计算待识别的姿态影像和已经注册的姿态影像顺序排列，比对每个姿态向量图的相似度，再依据其相似度大小进行身分识别。姿态识别应用采全天候模式，在特定的安防场合中可快速对远距离个体人物目标的身分进行准确判断，因此研究人员将来势必需要建置大规模的姿态资料库。姿态识别技术将有助于解决一些低影像解晰度个体人物身分识别的难题，为使用者提供重要的识别查核线索。
得益于市场的快速发展，计算机视觉领域的创业潮兴起，而安防领域因其应用落地场景较为成熟，更多的企业选择了将计算机视觉技术的研发投入到这一领域，商汤、依图、旷视、堃乾智能等公司成为我国计算机视觉行业快速发展的主要动力，除新兴公司外，互联网巨头如腾讯、百度、阿里、金山等也在加紧布局。此外，海康、大华、易华录等传统安防厂商也在积极发展计算机视觉技术。
随着人们对生活安全及生产效率需求的提升，凭借着计算机视觉应用场景的广泛性，计算机视觉有望发展成为下一个智能时代的标配，计算机视觉与计算机图形学的相互影响日益加深，基于图像的绘制成为研究热点。尽管计算机视觉仍然存在不少问题，但随着人脸识别、视频结构化等计算机视觉相关技术在安防领域的实战场景中应用，人工智能解决方案将逐渐为各领域商业赋能。计算机视觉行业市场大规模爆发的前奏已经吹响，虽然说要真正实现“和人类一样去看”仍然有很长的一段路，但是相信如果伴随深度学习算法的加速迭代，这种美好的愿景或许也可以实现。
閱讀更多 堃乾智能科技 的文章
