隨著人工智能技術的發展，很多高大上的專業性詞彙逐漸進入我們的視線，計算機視覺技術就是其中之一。作為中國人工智能三大領域之一的計算機視覺技術，近幾年的應用市場規模持續擴大，發展速度可謂是突飛猛進。而隨著技術的不斷突破，檢測器的性能也從最初的平均準確率30%飆升到了今天的超過90%。根據新思界產業研究中心發佈的《2018-2022年中國計算機視覺市場可行性研究報告》，預計未來三年我國計算機視覺市場仍將保持100%以上的速度增長，到2020年市場規模將達到600億元以上。
作為人工智能核心技術之一的計算機視覺技術，其應用領域就在我們身邊，視頻監控、智能交通、智慧園區等，而在我國計算機視覺市場中，政府、金融和互聯網是支出規模最大的三個領域，平安城市和人臉身份驗證是支出規模大的兩個場景。但隨著安防行業應用的領域不斷增更多，監控設備數量的大量倍增，影像解析度的不斷提高，公共安全蒐集到的影像和圖片之數據量呈現等比幾何的增長，再加上影像解析度的提高，連帶使服務器的處理能力和使用率都產生了更高的門檻。因此，安防影像監控在影像調閱、門禁進出數據、資料的儲存、運算等技術上都面臨巨大挑戰。
面對這樣的挑戰，安防監控使用者如何能在大量增加的數據中，利用既有的人工智能技術快速獲取有價值的資料，便成為當前重要的課題。作為人工智能機器深度學習研究中的新領域，深度學習模式其動機在於建立、模擬人腦進行分析學習的神經網路，它模仿人腦的行為思考機制來解釋數據資料，例如影像內容、聲音和資料本身。未來要讓AI人工智能的機器深度學習能夠大行其道，數據資料本身將是主要的關鍵因素，而影像監控資料佔大數據總量的60%以上，也就是說，影像監控領域有70%以上的數據資料分析是用來進行影像識別。目前這種AI機器深度學習在安防產業的諸多領域都取得了很大進步，包括：行人檢測、車輛檢測、非移動車輛檢測等，其識別準確率甚至超過人類的眼睛判斷。
多特徵識別技術
一般在大量影像數據資料下，想要從歷史和即時的影像資料中篩選犯罪嫌疑人有如大海撈針，而多特徵識別技術則是透過人工智能的方式，以深度學習為模式，讓電腦從大量監控影像中自動識別出嫌疑人，分析資料中的個人特徵，然後根據犯罪嫌疑人的特徵自動篩選，快速準確地識別出個體人物的各種重要特徵，如性別、年齡、髮型、衣著、體型、是否戴眼鏡、是否騎車以及隨身攜帶的物品等，不僅大大的節省人力物力，同時也大大縮短犯罪嫌疑人的到案時間。
姿態識別技術
姿態識別技術是指針對個體人物的走路姿勢，是一種可在遠距離就感知的生物行為特徵技術。和其他生物特徵識別技術相比，姿態識別的優勢在於非接觸性、非侵入性、易於感知、目標物難以隱藏和偽裝等。
姿態分析的技術困難點在於其特徵的穩定性問題，因為一個人的姿態會受多種因素影響而改變，為了克服這個問題，很多廠商在研發上加進了機器深度學習方法，用姿態向量圖示來描述姿態順序排列，透過深度累積神經網路訓練匹配模型。訓練好的累積神經網路匹配模型能夠計算待識別的姿態影像和已經註冊的姿態影像順序排列，比對每個姿態向量圖的相似度，再依據其相似度大小進行身分識別。姿態識別應用採全天候模式，在特定的安防場合中可快速對遠距離個體人物目標的身分進行準確判斷，因此研究人員將來勢必需要建置大規模的姿態資料庫。姿態識別技術將有助於解決一些低影像解晰度個體人物身分識別的難題，為使用者提供重要的識別查核線索。
得益於市場的快速發展，計算機視覺領域的創業潮興起，而安防領域因其應用落地場景較為成熟，更多的企業選擇了將計算機視覺技術的研發投入到這一領域，商湯、依圖、曠視、堃乾智能等公司成為我國計算機視覺行業快速發展的主要動力，除新興公司外，互聯網巨頭如騰訊、百度、阿里、金山等也在加緊佈局。此外，海康、大華、易華錄等傳統安防廠商也在積極發展計算機視覺技術。
隨著人們對生活安全及生產效率需求的提升，憑藉著計算機視覺應用場景的廣泛性，計算機視覺有望發展成為下一個智能時代的標配，計算機視覺與計算機圖形學的相互影響日益加深，基於圖像的繪製成為研究熱點。儘管計算機視覺仍然存在不少問題，但隨著人臉識別、視頻結構化等計算機視覺相關技術在安防領域的實戰場景中應用，人工智能解決方案將逐漸為各領域商業賦能。計算機視覺行業市場大規模爆發的前奏已經吹響，雖然說要真正實現“和人類一樣去看”仍然有很長的一段路，但是相信如果伴隨深度學習算法的加速迭代，這種美好的願景或許也可以實現。
閱讀更多 堃乾智能科技 的文章
