中科院李子青：動態(tài)人臉監(jiān)控存問題AI+安防技術(shù)是應用痛點

李子青，人臉識別和智能視頻監(jiān)控專家，主持了多個國家科學研究項目和重大應用工程項目，在相關領域獲準和申請專利10余項。2004年，李子青作為“百人計劃”入選者來到中科院自動化所，十一年后，創(chuàng)辦AI公司中科奧森，親自主持了多個重大項目的落地。

中科院生物識別與安全技術(shù)研究中心主任李子青

動態(tài)人臉監(jiān)控存在的問題

過去雖然安防行業(yè)更聚焦在智能視頻分析的應用上，但是AI跟安防的結(jié)合是持續(xù)不斷的，早在十多年以前就已經(jīng)引入了AI，視頻結(jié)構(gòu)化、人臉結(jié)構(gòu)化、車輛結(jié)構(gòu)化等，都是安防行業(yè)在視頻大數(shù)據(jù)領域最關注的問題。但現(xiàn)在與過去不同的是，深度學習帶來的AI第三次浪潮將AI的概念進一步強化，更深刻地影響著安防行業(yè)。在智能安防產(chǎn)品中，隨著靜態(tài)人臉識別已經(jīng)到了尾聲階段，動態(tài)人臉監(jiān)控當前正如火如荼地進行中，但在實際應用中卻遇到一些問題：

（1）誤報率太高。以業(yè)務規(guī)模來解釋，在某個轄區(qū)中有1000路視頻抓拍人像，并且只有一個黑名單庫，假設每個攝像頭每10秒或者5秒抓拍一張人臉，該轄區(qū)每秒鐘抓拍100張左右的圖象，該轄區(qū)每天要產(chǎn)生864萬張抓拍人臉，跟20萬人的在圖庫比對次數(shù)是1.728萬億次。

對動態(tài)人臉識別的性能要求，用戶希望通過率比較高，例如90%的通過率，在動態(tài)人臉監(jiān)控上面算是較高的水平，意味著它每天的誤報個數(shù)要少于200個?，F(xiàn)在的問題是誤報率太高，如果每次都是“狼來了”，那么就算公安用戶對新技術(shù)的有強烈的需求，也會選擇禁用甚至放棄。

（2）沒有足夠的標注數(shù)據(jù)去解決問題。去年12月份李開復談AI和大數(shù)據(jù)，他的觀點是：具有一定規(guī)模和質(zhì)量的數(shù)據(jù)集成為人工智能行業(yè)發(fā)展的一大制約。搜狗的CTO楊洪濤說，還沒有足夠的數(shù)據(jù)去解決問題。后者的總結(jié)是不太準確的，應該是沒有足夠的標注數(shù)據(jù)去解決問題，因為當前生產(chǎn)環(huán)節(jié)的數(shù)據(jù)是海量的，就像剛才描述的公安生產(chǎn)環(huán)節(jié)的數(shù)據(jù)并不少。

李開復說，人工標注這些東西是不解決問題的，必須在真實運用場景里得到閉環(huán)回饋的標注，才能真正地解決AI與大數(shù)據(jù)的問題。現(xiàn)在行業(yè)做深度引擎開發(fā)的都遇到了這樣的問題。

這就引出了當前技術(shù)和應用的痛點所在，深度學習是需要大數(shù)據(jù)訓練的，但是人工標注費時費力，在這方面標注的資源非常有限。行業(yè)里聽說，商湯每個月都要花費幾百萬來做標注，因此深度學習還有一定的發(fā)展空間，但是不管是提升算法、改進網(wǎng)絡架構(gòu)，還是通過增大數(shù)據(jù)標注的方式，提升的空間都不會太大，因為它已經(jīng)接近天花板。所以行業(yè)必須在這方面突破——必須像李開復說的那樣，要形成應用場景的數(shù)據(jù)閉環(huán)，能夠利用生產(chǎn)環(huán)節(jié)的大數(shù)據(jù)進行自主標注、自主學習。

未來AI+安防的趨勢

從應用來講，動態(tài)識別的誤報率太高，大數(shù)據(jù)的資源應用沒有充分的利用起來，研發(fā)單位不管是公司還是其他，只能選擇在公安現(xiàn)場去訓練，或者通過一些手段把數(shù)據(jù)拷下來，自己標注、加工，來提升核心引擎。

從數(shù)據(jù)源頭來講，在傳感器方面，仍然是受到了暗光、強光和逆光的影響，雖然行業(yè)現(xiàn)在有寬動態(tài)、星光型的攝像機，但是這仍然是一個問題。未來的發(fā)展趨勢就是3D傳感器，從Kinect到iphone X到Lidar，這是另外一個趨勢，對二維的識別進行補充。

最后李子青結(jié)合中科奧森的新技術(shù)，談了AI+安防未來的技術(shù)趨勢：

第一，大數(shù)據(jù)閉環(huán)自主學習，行業(yè)通過前端獲取數(shù)據(jù)，數(shù)據(jù)抓取之后經(jīng)過結(jié)構(gòu)化或者直接送到后臺大數(shù)據(jù)存儲，通過核心引擎實現(xiàn)數(shù)據(jù)的訓練，最后實現(xiàn)后臺大數(shù)據(jù)與核心引擎的再學習打通，實現(xiàn)閉環(huán)。

第二，從大數(shù)據(jù)到一人一檔。通過路人庫和名單庫這兩個集合的合輯梳理成一人一檔，實現(xiàn)跨時空的目標軌跡挖掘等應用，是核心算法和大數(shù)據(jù)產(chǎn)生的結(jié)果。

第三，新一代智能攝像機，不僅能實現(xiàn)臉、人體、車輛的視頻結(jié)構(gòu)化集成到前端去，而且能實現(xiàn)全光照拍攝功能。

李子青最后總結(jié)，安防跟深度學習是深度融合的，新銳企業(yè)依靠純算法肯定是沒有出路的，像商湯、曠視這些企業(yè)都在做落地應用。安防企業(yè)如?？荡笕A等，它們具備市場優(yōu)勢，落地應用非常好，AI企業(yè)的核心技術(shù)要比傳統(tǒng)企業(yè)更加前沿，兩者各有各的優(yōu)勢，現(xiàn)階段而言，兩者之間的互動能讓產(chǎn)業(yè)與中國的安防技術(shù)提升到更高的臺階。