海康威視研究院院長浦世亮談深度學習+安防

　　浦世亮：深度學習+安防 10 問

　　2016年10月24日，海康威視在北京召開“AI+:感知未來、融合發展”主題論壇，新智元受邀出席。

　　10月24日，在北京召開的“AI+: 感知未來、融合發展”主題論壇暨海康威視新品發布會。海康威視總裁胡揚忠介紹，深度學習技術可謂安防行業的“顛覆性力量”，具體如何理解呢?

　　浦世亮：在SDT安防大數據時代，面對井噴式增長的視頻監控數據量，只停留在淺層次分析識別的傳統智能算法，已無法滿足深層次數據價值挖掘的需求。顯而易見，我們需要有更深層次的智能，應用人工智能可以幫助我們做到這一點，而這其中的關鍵點便是深度學習算法的應用：

　　準確率更高，應用深度學習算法的深度智能設備，可以自行提取更多更詳細、更微小的特征，從而使得識別分類對象的準確率更高，也就是說：深度學習讓智能有了質的飛躍;

　　環境適應性更強，同樣是環境特征的提煉，深度學習算法可以自行提取更豐富、更適合的特征參數，從而達到更強的抗環境干擾能力。這就意味著，深度學習的產品可以應用到更廣泛的環境當中;

　　識別種類更豐富，理論上只要有足夠多的樣本進行訓練，深度學習能夠實現比較精準的目標分類識別，自主特征識別的特點，又讓深度學習特別適用于抽象、復雜的關于人的特征、行為的分析領域。

　　視頻分析是安防中一個非常重要的技術。那么深度學習是如何對視頻進行分析的?其中的技術難點主要存在于什么地方?

　　浦世亮：深度學習技術主要是利用深度神經網絡，對視頻關鍵幀信息進行逐層特征抽象，在此基礎上，提取目標的結構化信息，并利用各關鍵幀的信息，進行前后有效關聯，從而形成對視頻中目標行為或事件發生的綜合判斷。其技術難點主要體現在海量數據應用、高性能訓練、推理平臺，以及適合安防領域的高效模型設計上。

　　安防數據99%都是非結構化的，那么你們是如何利用這些數據?有沒有比較便捷的辦法，把這些數據變成結構化的?

　　浦世亮：原始的安防數據幾乎都是以非結構化的面目呈現，無法直接利用。針對這個業內普遍痛點，海康威視推出了基于深度學習技術的全系列智能安防產品家族，涵蓋“深眸”系列智能攝像機、“神捕”系列智能交通產品、“超腦”系列智能NVR、“臉譜”系列人臉分析服務器等等。“‘深眸’系列專業智能攝像機依托強大的多引擎硬件平臺，內嵌專為視頻監控場景設計優化的深度學習算法，具備了精準的安防大數據歸納能力，實現了在各種復雜環境下人、車、物的多重特征信息提取和事件檢測。將非結構化信息轉為結構化信息，將打通大數據入口，從而為后續關鍵數據挖掘鋪平了道路。

　　目前實際應用中，視頻人臉識別的準確率能做到多少?

　　浦世亮：人臉識別的準確率與多個因素相關，與算法的先進性，產品形態，應用方式及場景架設相關。現有的人臉識別技術的準確率在多種應用場景下都已經達到了實用的階段。海康威視打造了“深眸”系列智能攝像機、人證比對終端等，首先在產品形態應用方式，場景架設上保障了人臉識別的高精度應用。我們在應用中不斷迭代我們的算法，使我們的算法準確率不斷提升。

　　在實際應用中，攝像頭采集到的安防數據，有多少還需要人工的分析?我們離真正的全自動化還有多遠。

　　浦世亮：安防人工智能和應用需求相關，有一些應用已經達到了完全的自動化。有一些安全等級較高，準確率要求較高的應用，還需要人工參與。

　　除了人臉，其他的生物特征，比如瞳孔識別，這些技術在安防領域的應用有多大?

　　浦世亮：技術的發展和落地是有過程的，當前人臉識別比較火，主要是技術發展到了可以達到實際應用的水平。

　　瞳孔識別的標準說法是虹膜識別，對于圖像采集的要求是非常高的，需要利用紅外補光，而且需要虹膜區域分辨率達到100像素左右，當前主要用在金庫等安保等級較高的場景，需要人做一定的配合。

　　當然我們也看到相應技術在進步，比如利用高分辨率的攝像頭，結合一些自動調整策略，能夠把虹膜識別在安檢時用上，采集距離達到1米左右，1秒左右完成一個人的通關。

　　所以說，虹膜識別等其他的生物特征識別技術當前只能在一些特定的場合應用，隨著技術進步，這些技術的應用場合也會擴大，但是什么時候能夠像人臉識別一樣廣泛應用，就需要看特定技術的未來發展情況。

　　你如何看待 “開源”這一現象，海康威視有使用開源算法或者開源數據嗎?

　　浦世亮：在信息共享越來越發達，信息獲取越來越便利的時代大背景下，開源是對信息共享的最好詮釋。從更加具體的層面來看，人工智能正是由于各大研究機構，對于數據集、算法、論文、技術報告的不同程度的信息共享，間接地加速了這一領域的技術交流與技術的更新迭代。

　　海康威視會研究跟蹤開源技術，并且我們也會通過發表學術論文的方式對開源技術做出貢獻。

　　在行業生態上，海康威視如何與其他的伙伴合作?比如英特爾，海康威視與英特爾的合作具體是怎么樣的?你怎么評價他們的他們今年推出的端到端全面深度學習產品?

　　浦世亮： 海康威視是安防行業的產品和解決方案提供商，秉承共贏未來的理念，和硬件芯片廠商會開展緊密合作，共同深耕人工智能在安防領域的應用。

　　海康威視和英特爾有長期深入的合作，英特爾公司在深度學習領域有許多非常有價值的產品。

　　你認為2017年，計算視覺領域會有哪些發展?在與硬件的結合上，這一技術會呈現什么樣的趨勢?

　　浦世亮：經過前幾年深度學習技術的迅猛發展，計算機視覺領域已經取得了長足進步。2017年，深度學習在復雜網絡設計、模型壓縮方向的研究依然是熱點，深度學習和LSTM、增強學習的結合進一步加強。

　　深度學習的硬件平臺，會呈現一個爆發期，各大芯片廠商都會在今年推出適合深度學習的芯片平臺，但計算能力和功耗仍存在矛盾，所以若要結合硬件平臺推出產品，深度學習模型壓縮顯得尤為重要。

　　現在在人工智能領域很多公司都強調AI+，用AI技術+具體的應用場景，但是海康威視走的傳統的安防企業+深度學習技術，你認為這兩種路徑有什么不一樣嗎?對于傳統行業來說，要如何實現向智能化的轉型?

　　浦世亮： 海康威視投入人工智能的研究已經有超過10年的歷史，已有人工智能的產品投放市場且產生了廣泛的社會應用，我們主要將人工智能應用在安防產業。

　　安防巨頭在深度學習上的布局

　　今年2月，海康威視在蒙特利爾建立研發中心，在硅谷建立研究與，海外研發中心的作用體現在哪?海康威視每年對研發的投入有多大?

　　浦世亮：主要有4點：

　　1. 進一步擴大海康威視的影響力;

　　2. 吸引高素質人才;

　　3. 提升公司的創新能力;

　　4. 增進與世界頂級實驗室的合作

　　研發投入占比：7%左右

　　(海康威視官網信息顯示， 比上年同期增長26.69%;營業利潤 68 億元，比上年同期增長24.84%。)

　　海康威視目前在安防上的市場份額具體有多少?

　　浦世亮：據美國權威機構iHS market 2016年7月發布的報告顯示，在視頻監控領域，海康威視2015年全球市場份額從2014年的16.3%增長至19.5%，五年蟬聯全球第一。

　　2016年11月，全球知名的工業媒體a&s《安全自動化》(MFNE法蘭克福新時代傳媒)發布2016年度全球安防50強榜單。海康威視躍居全球榜單首位。

　　如何看待這兩年來迅速崛起的圖像識別公司?它們會對海康威視形成沖擊嗎?

　　浦世亮：人工智能將撬動非常龐大的市場，在這個過程中，一定會出現很多優秀的公司，海康威視在人工智能領域耕耘多年，我們的積累是系統性的，包括算法、產品、數據、系統方案。另外，海康威視也有著其他方面的一些優勢，深耕安防多年，對客戶需求的理解也會深刻一些，能迅速的將技術進行落地應用。我們認為這次人工智能的浪潮對于海康威視來說，是一次巨大的機遇，面對這次機遇，我們是有充分準備的

　　10月24日海康威視發布了基于深度學習技術的從前端到后端全系列智能安防產品,將人工智能技術革命性地應用于安防產品中,推動安防行業進入智能新紀元。