刷脸里的人工智能 走出科幻走进生活

当深邃目光插上人工智能的翅膀，会是怎样一幅图景？

从近日刚刚在深圳落下帷幕的第21届中国国际高新技术成果交易会，到在杭州举行的2019年度浙江高新技术企业发展大会，视觉AI技术应用的身影已随处可见。

对于这项既新鲜又熟悉的前沿科技，我们到底了解多少？可以有怎样的期待和展望？又该如何辩证地去看待它呢？

智能应用 才掀开冰山一角

“滴——人像正在识别中……”在第21届高交会浙江展区，有科创板“视觉AI第一股”之称的虹软科技股份有限公司展位上一张展示人工智能技术的大屏，引得不少观众驻足，屏幕上不时显示出一张张扫描而来、充满好奇的脸。不同于我们如今常见的刷脸支付、刷脸打卡等应用场景，这一视觉AI技术应用于智能汽车驾驶过程。

“当前许多交通事故都和疲劳驾驶、驾驶员注意力分散有关，通过驾驶员前方的两个监控摄像头对其进行人脸识别分析，对驾驶员行车过程中出现打盹或注意力不集中等危险驾驶情况及时预警，避免意外发生。”虹软科技市场部工作人员李兴达说。

记者在现场看到，对着这个“聪明”的摄像头，驾驶员通过相应手势还能轻松接打电话、调节车内音响的音量等。

细细观察现场展示的智能汽车示意图，记者发现，除了正前方汽车挡风玻璃上的两个摄像头，前后方车牌、两侧后视镜等位置上还分布着多个这样的摄像头。说起来，它们是驾驶员的“第二双眼睛”。李兴达告诉记者，这些摄像头主要用于汽车盲区检测，帮助汽车，尤其是体积较大的车辆消除盲区，扩大行车视野。

其实，智能汽车中的人脸识别技术还只是视觉AI技术的冰山一角。

环视当下生活，无论是用于人群分析、逃犯追捕等的安防领域，还是用于AI医学图像分析、可穿戴智能医疗设备的实时监测与分析的医疗卫生领域，又或是无人驾驶领域等，“视觉+AI”这组搭档，正在让许多过去仅存在于科幻电影中的情节走入现实之中。

可能你想不到，除了人脸识别，“猪脸识别”技术也是一个热门的新应用场景。由于生物体征不同，猪脸识别要比人脸识别的难度更高。“猪的脸部差异较小，同品类的猪就像多胞胎一样难以分辨。且猪的脸上多硬毛，不像人脸那么光滑，成为脸部识别时的一种干扰。这些都是‘猪脸识别’时需要攻克的技术难题。”虹软科技相关负责人说。

现在，“猪脸识别”不仅能通过对动物面部特征、体态的识别来判断猪的品种，还能通过对猪的体态和动作的识别来判断猪的健康情况，实现日常个体信息管理与全流程追溯，让猪的养殖生产变得更加科学可控。

无独有偶，去年6月，阿里也宣布开始将视觉AI引入到猪养殖领域，开设智能化养殖场。从人脸到猪脸，从这条全新的产业链可以看到，视觉AI已经按下进入人类生产生活的快进键。

“我们公司每年营收的12%均用于研发投入。到2018年底，公司已拥有1900个专利，其中80%为发明专利。”在2019年度浙江高新技术企业发展大会上，智能安防领域企业——浙江宇视科技有限公司总裁办主任胡晶报出的一组数据，给在场不少人留下了深刻印象。演唱会抓逃犯、快速查找失踪的失智老人、赋能传统行业转型升级……在智能安防等领域，视觉AI的技术创新也在满足越来越多的市场需求。

拐点到了 深度学习出现新飞跃

据统计，人类70%到80%的信息获取来自视觉。因此，在不少业内人士看来，在人工智能领域，视觉AI被视为目前最具应用价值的人工智能技术。它能够让机器具备“从识人知物到辨识万物”的能力。

简单来说，视觉AI研究的是如何让机器会“看”，即用摄影机和电脑代替人眼对图像进行特征提取和分析，并由此训练模型对新的图像数据进行检测、识别等任务，建立能够从图像或者多模态数据中获取“信息”的人工智能系统，从而提升我们处理信息的效率。

放眼未来，更多的应用前景都将贴上视觉AI的标签。人脸识别技术将在更多物联网终端设备上应用，让安全便捷的身份认证无处不在，提升生活体验；在AI+工业领域，工业机器人、物流机器人将更多替代传统劳动力；在AI+教育领域，利用视觉技术实现学生的注意力管理、跟踪学生的知识点掌握，实现真正的因材施教。

宁波舟山港2018年集装箱吞吐量全球第三，每天有数以万计的集装箱车辆进入各个港区、堆场，装卸货物。

而当每辆集装箱车进入堆场时都要做一些常规的检查，比如集装箱体是否破损，箱号是否与报关的数据对应、是否与运输车辆对应，车队是否允许进入闸口等。这一工作以前靠工作人员进行一一检查，每辆车辆过闸时间需要2分钟左右。如今宁波鑫义信息科技有限公司已为招商国际码头提供了集装箱码头智慧通道闸口系统，只要30毫秒，人工智能就能识别这些信息，大大提高堆场车辆的进出效率。

这套系统首先是依靠成熟的AI视觉系统，在集装箱过闸时，依据车速，通过连续拍照，自动拼接出箱体的完整照片，AI这时候能够分辨箱体与背景，以及识别邻近车道的箱体。同时，判断箱体是否破损。同时后方的摄像头识别箱号、箱体、车辆牌照信息，并判断是否是标准箱。同时，迅速与数据库的过关数据作比对，判断是否允许进入。这一切都在30毫秒内完成，并在2秒内上传数据。

视觉AI识别能力的突飞猛进，源于深度学习的突破。

2012年，由多伦多大学杰弗里·欣顿领导的团队，在一项图像识别竞赛中，利用深度学习和GPU的强大计算能力，将错误率降低了10%，震惊学术界。而在这之前，这一过程的错误率每年只能降低1%-2%。同年，“谷歌大脑之父”吴恩达带领团队，利用10亿参数的神经网络，在没有任何先验知识的情况下，仅仅通过观看无标注的YouTube的视频，创造了一套猫脸识别系统——从海量照片里自动识别出猫脸。这两大事件，被业界视为视觉AI的发展拐点。

站在当下的计算机深度学习能力水平之上，回溯七八年前这些曾轰动一时的往事，很难不让人感叹这一领域的发展之速度，及前景之无限广阔。可以想见，未来随着大数据的不断积累沉淀，视觉AI技术必将出现新的飞跃。开疆拓土，自然不在话下。

伦理争议 技术与现实尚需磨合

我们常说，科学技术是一把双刃剑。作为一项新兴科技，我们在享受视觉AI技术带来便利的同时，其相关应用同样有部分存在争议和挑战。

不久前发生在杭州的“中国人脸识别第一案”便是一个典型例子。因不愿意使用人脸识别，浙江理工大学特聘副教授郭兵作为消费者将杭州野生动物世界告上了法庭。11月3日，杭州市富阳区人民法院已正式受理此案。

郭兵认为，园区进行人脸识别将收集他的面部特征等个人生物识别信息，该类信息属于个人敏感信息，一旦泄露、非法提供或者滥用，将极易危害包括原告在内的消费者人身和财产安全。

这件事让更多人开始重新审视人脸识别技术及当下走入生活的诸多前沿科技应用。

差不多同时，有媒体报道称，在IT社区、网络商城等多个平台搜索中，发现部分网站平台存在私下售卖人脸数据等情况。有卖家表示可以提供“更多渠道”的人脸图片。

“人脸识别本身是方便我们生活的，可以免去我们输密码的麻烦，但它最大的风险在于信息泄露，因为包括人脸在内的生物识别具有唯一性，这些唯一性的人脸信息一旦被采集上去，如果没有妥善处理，会存在被滥用的可能。”安恒信息安全研究院院长吴卓群说。

回头看我们身边，从手机刷脸解锁，到便利店柜台刷脸支付，再到参会、考试时的人脸录入等，视觉AI技术已广泛而深刻地融入我们的工作生活之中。吴卓群说，技术本身正有效服务于人类社会，但为了防止相关风险，有必要从制度层面来保证人脸数据信息的流转，或者设置一个标准来规定人脸数据等的采集和存储，从而在制度和法律上规范技术应用。

的确，潮流大势浩浩汤汤，但在关注科技进步的同时，审慎、规范地对待科技应用，才能尽可能减少科技给人类生活带来的风险。由此观之，“中国人脸识别第一案”种种的讨论，于视觉AI技术而言，便是一次有益无害的“磨合”之举了。

AI掀起的新一轮产业浪潮不过短短数年，视觉AI技术需要持续不断的突破创新，行业需要不断的深耕和挖掘，大众同样也需要给予其足够的耐心和信心。

【延伸阅读】

视觉AI技术知多少？

什么是计算机视觉？

目前，计算机视觉是深度学习最热门的研究领域之一。它位于许多学术科目的交汇点，如计算机科学（图形学、算法、理论、系统、体系结构），数学（信息检索、机器学习），工程学（机器人、语音、自然语言处理、图像处理），物理学（光学） ，生物学（神经科学）和心理学（认知科学）。由于计算机视觉代表了对视觉环境及其背景的相对理解，许多科学家认为，该领域因为其跨域掌握为人工智能铺平了道路。

从这一研究领域衍生出的快速增长的有用的应用集合：

人脸识别：Snapchat和Facebook使用面部检测、算法应用卷积核，并在图片中识别人像。

图像检索：Google图像使用基于内容的查询来搜索相关图像。算法分析查询图像中的内容，并根据最匹配的内容返回结果。

游戏和控制：Microsoft Kinect是使用立体视觉游戏中的一个很好的商业产品。

监视：监控摄像机在公共场所无处不在，它用于检测可疑行为。

生物识别：指纹、虹膜和面部匹配仍然是生物识别中的一些常用方法。

智能汽车：视觉仍然是检测交通标志和信号灯以及其他视觉特征的主要信息来源。