視頻智能理解是「體量最大」的人工智慧

和圍繞人類生活的其他事物相比，人工智慧半個多世紀曆時並不算長。從一開始的神學家，科學家討論，到後來的所有行業都布局人工智慧，人工智慧技術高度普及，高調而全面的進入人類的生活。屬於人工智慧的這部「簡史」，高效而垂直。現代社會很快從已經達成共識的「萬物互聯」走向探索「萬物智能」，人工智慧將更加浸入式、碎片化地嵌入生活。

在人工智慧的眾多類別中，哪一項應用範圍最廣泛，最為「包羅萬象」？4月25日，在由鎂客網主辦，蘇州市科學技術局指導的以「AI創新帶來的智能革命」為主題的M-TECH論壇上，小視科技聯合創始人，上海交通大學副教授倪冰冰指出，視頻智能理解是「體量最大」的人工智慧。

視頻智能包含人臉識別、動作識別、物體檢測、媒體製作、視頻推薦等內容。這項技術也正在與市場相結合，在安防監控、輔助駕駛和社交媒體中探索新的發展空間。甚至成為了一些行業的技術制高點，並引導著行業的發展方向。

倪冰冰教授認為，目前，智能視頻也面臨著諸多挑戰。例如：時序問題突出、目標尺度變化大、視頻體量大等等。面臨亟待解決的難題，小視科技的AI研發團隊提出了幾大創新。

一是行為識別。基於時序特徵金字塔，提取多時間尺度運動特徵，通過深度遞歸神經網路-LSTM提取多時間尺度運動特徵。這一研究獲得了由谷歌、斯坦福等國際頂尖人工智慧研究機構主辦的，國際最大規模視頻行為識別競賽，挑戰難度最高的THUMOS』15行為檢測國際競賽中，獲得視頻檢測小組國際第一名。

二是行人重識別。從雙路LSTM網路入手，取代傳統的取幀、識別方法，解決跨攝像頭行人重識別的問題。目前此項技術已在跨相機客流實時分析系統中應用。支持客流大數據的展示和百路以上監控視頻，行人重識別準確率超過95%。

三是群體計數。針對人像大小變化大，單一解析度模型無法適應的問題，基於單路CNN卷積神經網路人群密度估計演算法，自適應多路CNN卷積神經網路人群密度估計演算法，通過Switchable-CNN，實現自適應子網選擇，解決Model Averaging問題。其典型應用案例是世博會場景下的人數統計系統。在規模最大，人數最多的WorldExpo』10資料庫中，達到誤差5%以內的國際最佳精度。

四是將輕量化深度網路運用於人臉識別、活體檢測。目前已運用到人臉識別門禁閘機，智能訪客機等安防產品中。

倪冰冰教授在發言還提及到了視頻從識別到生成的問題。「視頻智能內容製作是人工智慧的新戰場」。

以上這些技術創新，已經分別在商圈客流實時分析、實時行人、車輛檢測，智能醫療影像等領域實施和應用，並獲得了良好的反饋。作為新工業革命的最新驅動力，人工智慧不僅在走科技的最前沿，同時也在全面下沉。下沉至產業，細分市場，和場景結合，去解決問題，這也正是小視科技力求的行業+AI的發展方向。

文章源自《鳳凰科技》，圖片源自網路

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！