目前,人臉識(shí)別主要分為兩種,一是人臉識(shí)別,二是行人再識(shí)別,前者在技術(shù)上可以簡(jiǎn)單理解為將兩張圖片放在一起,區(qū)分是否兩個(gè)人,而后者指的是是利用計(jì)算機(jī)視覺(jué)技術(shù)判斷圖像或者視頻序列中是否存在特定行人的技術(shù)。

行人再識(shí)別的深度學(xué)習(xí)方法通常有三個(gè)步驟:首先,在訓(xùn)練集上訓(xùn)練一個(gè)分類網(wǎng)絡(luò)。然后在網(wǎng)絡(luò)收斂之后,用它全連接層的輸出作為特征表達(dá)。最后,對(duì)所有的圖像特征,計(jì)算其歐氏距離,判斷他們的相似性。

在公安部門(mén)追蹤嫌疑犯時(shí),雖然攝像頭遍布城市大街小巷,但往往攝像頭無(wú)法真正覆蓋所有區(qū)域,同時(shí)許多攝像頭的視野也沒(méi)有重疊,導(dǎo)致追蹤目標(biāo)的軌跡出現(xiàn)較大的困難。很明顯,在識(shí)別同一個(gè)目標(biāo)時(shí),由于視角、尺度、光照、服飾多樣性、姿態(tài)多變性、分辨率不同以及部分遮擋問(wèn)題,會(huì)導(dǎo)致不同攝像頭間失去連續(xù)的位置和運(yùn)動(dòng)信息,影響目標(biāo)的快速檢索。

在實(shí)戰(zhàn)中,視角的變化會(huì)帶來(lái)場(chǎng)景中的物體與攝像頭光軸呈現(xiàn)不同的夾角,導(dǎo)致二維圖像中物體表象存在差異;而尺度變化則會(huì)導(dǎo)致不同目標(biāo)在圖像中所占圖像區(qū)域的差異,要求算法對(duì)尺度具有一定魯棒性,特征提取就會(huì)變得困難。這也被稱為極具挑戰(zhàn)性的問(wèn)題“跨視閾重現(xiàn)目標(biāo)識(shí)別”,但“行人再識(shí)別”技術(shù)的出現(xiàn),讓公安用戶看到擺脫肉眼辨識(shí)的希望。

行人再識(shí)別的深度學(xué)習(xí)方法通常有三個(gè)步驟:首先,在訓(xùn)練集上訓(xùn)練一個(gè)分類網(wǎng)絡(luò);然后在網(wǎng)絡(luò)收斂之后,用它全連接層的輸出作為特征表達(dá);最后,對(duì)所有的圖像特征,計(jì)算其歐氏距離,判斷他們的相似性。這個(gè)過(guò)程就出現(xiàn)了一個(gè)問(wèn)題:卷積神經(jīng)網(wǎng)絡(luò)中全連接層的每一個(gè)權(quán)重向量,往往都高度相關(guān)。這導(dǎo)致了每個(gè)全連接描述中個(gè)體之間的相關(guān)性,在基于歐幾里得距離時(shí)會(huì)影響檢索性能。

任何一個(gè)高級(jí)的算法都迫切的需要跟實(shí)際行業(yè)緊密結(jié)合起來(lái),才能真正實(shí)現(xiàn)技術(shù)服務(wù)于社會(huì)。比較顯著的一點(diǎn),在AI時(shí)代要讓安防廠商用得起新技術(shù),必須利用自主知識(shí)產(chǎn)權(quán)的核心算法,才能打造低功耗性能的智能前端產(chǎn)品。

在傳統(tǒng)安防中,攝像機(jī)采集的數(shù)據(jù)要經(jīng)過(guò)后臺(tái)對(duì)其進(jìn)行解碼、抽幀、人臉識(shí)別與結(jié)構(gòu)化應(yīng)用,再進(jìn)行特征碼的提取、后期比對(duì),整個(gè)過(guò)程使得計(jì)算壓力全部集中在后臺(tái),因此如何實(shí)現(xiàn)前端在復(fù)雜環(huán)境下的數(shù)據(jù)智能采集和結(jié)構(gòu)化變得至關(guān)重要。同時(shí)全國(guó)600多個(gè)大中城市視頻系統(tǒng)建設(shè)已初具規(guī)模,安裝攝像頭2000萬(wàn)多支,監(jiān)控系統(tǒng)26.8萬(wàn)個(gè),如何實(shí)現(xiàn)傳統(tǒng)產(chǎn)品的智能化改造成為迫切的需求。

目前不少企業(yè)針對(duì)以上情況,推出智能結(jié)構(gòu)化前端盒子,通過(guò)搭載高性能AI芯片,可實(shí)現(xiàn)高速率采集、抓拍和人臉屬性分析。能實(shí)現(xiàn)在不更換攝像頭的前提下,更方便、快捷的實(shí)現(xiàn)前端智能,更好的實(shí)現(xiàn)后端分析向前端的過(guò)渡。

相信未來(lái)3年內(nèi),智能傳感器、算法模型、語(yǔ)音識(shí)別、計(jì)算機(jī)視覺(jué)、智能機(jī)器人、智能安防將迎來(lái)快速增長(zhǎng)。