盛视科技：AI落地应用的痛点，可用两招化解！

    【CPS中安网 cps.com.cn】 2021年12月26日，第十八届中国国际社会公共安全博览会在深圳举行，同期举办的还有由CPSE安博会、深圳市安全防范行业协会共同主办，CPS中安网承办，希捷科技冠名的第十六届中国安防论坛之管理论坛。

在论坛上，盛视科技新技术研究院算法总监欧阳一村博士带来以《立足AI行业应用，增强模型泛化能力和提升边端移植精度》为主题的演讲，分享AI如何走向更广的市场、AI落地中的痛点、技术方案。

盛视科技新技术研究院算法总监  欧阳一村 博士

分享主题《立足AI行业应用，增强模型泛化能力和提升边端移植精度》

欧阳一村表示，如今AI赋能各行各业的趋势越来越深入，但在行业落地的时候依旧面临着各种难点和痛点，模型的泛化能力差和边端移植精度低，困扰安防行业向高尖端领域快速推进。

未来，在数智化时代的背景下，安防想要更好的服务于社会各领域，推动安防高质量发展，需要增强模型泛化能力和边端移植精度，提升用户体验感。

在演讲中，欧阳一村结合一些盛视科技落地的案例，详细介绍如何把AI技术和行业进行结合。

01

盛视科技深耕技术25年

欧阳一村介绍，盛视科技成立于1997年，成立之初当时的logo是Max Vision，代表的是盛视科技一直以图像和处理为核心，从模拟信号传输到图象处理以及之后的计算机视觉。

一直以来，盛视科技不断迭代视觉技术，从模拟信号到数字信号的升级，以及从早期的传统机器学习到现在最新的深度学习，一直以来都专注于技术的更新迭代。

1999年，深圳市皇岗口岸开通了第一条车辆快捷通道，司机不用下车就能完成快速通关。

整体的流程是，首先当车开到通道之前，视觉技术会对车辆的车牌以及RFIC等备案信息进行读取，司机到升降机前不用下车，对他的人脸和指纹进行相应身份认证，所有手续通过之后就可以完成整个通关流程，所以非常便捷。

2005年，在罗湖口岸，开启了第一条旅客自助查验通道，疫情之前每天通关量是30万以上，这么大的通关量需要自助验证手段，所以2005年开通了第一条，旅客进入通道，在第二道门之前，会对旅客的身份以及人脸和指纹信息进行验证，验证之后门开启，完成整个通关流程。因为通关量巨大，开启了这个技术之后，极大地加速了通关过程。

AI技术中，除了人脸和指纹识别，还应用了多项AI技术。比如车辆通关的时候，我们要防止车底的偷渡行为，要进行扫描，同时涉及到的是多国车辆，所以需要对各个国家的车牌进行识别。

在旅客通道，在对出入证读取的时候，不仅仅是常用的普通护照，还有港澳台通行证等等，所以针对各种各样的出入证件都要进行精准识别。

同时在通道内容易产生尾随，需要对尾随进行精准识别。传统手段更多是红外对射的方法，但是误识率比较高，所以盛视科技引入了视频识别的方法，对包括拖拉行李等各种行为进行精准分类定位，通过引入这种新技术以后，误识率从原来的3%降到万分之一以下。

2010年到2015年期间，盛视科技重点研发了海港系列的产品，海港相对于室内场景，存在环境大、布线困难、容易受到强光、风和噪声等各方面影响。

比如常用的人脸识别、指纹识别不好用，因为强光照射之下，2015年之前对成像和识别率没有太好的方法，很难成像，更别提识别率。

海港作业的工人指纹也有所磨损，指纹识别也不好用，盛视科技引入了虹膜识别和指静脉识别，就比较好地解决了这个问题，保证比较高的识别率。

同时，因为海港的场景比较大，盛视科技开发了移动的产品，也就是当靠近海港的时候，移动设备可以部署在船的四周，对上下梯口、规避验证等行为进行分析，可以保证海港安全。

在2012年，盛视科技在武汉成立了研发中心，同时也和华中科技大学合作，成立了人工智能联合实验室，在AI方面不断加大投入。

2018年，在上海虹桥机场，我们引入了上图这台X光机，它除了能够判断危险物品之外，还能对动植物进行检测，同时针对有风险的行李、包裹进行标定，在行李的主人来取行李的时候，能把他的人和物进行绑定。

通过这种方式，可以在海关查验处进行拦截。同时也把声音技术应用到了集装箱的空箱，因为海港是比较宽的范围，空箱检测容易受到噪声影响，盛视科技利用优化过的声音技术对空箱技术检测。

这么多年来，盛视科技也承接了多项市里、省里各级政府部门的科研攻关项目，成立了广东省智慧口岸工程技术研究中心，也获得了广东省和深圳市的科技进步奖，于2019年5月在A股主板上市。

目前盛视科技的AI技术覆盖的口岸超过300个，这些口岸包括全国所有的口岸以及大中型机场，还有部分欧洲和中东市场，目前为止累计服务的旅客超过80亿人次。

一直以来，盛视科技不断更新迭代和改革旅客查证技术，就是为了有朝一日，在全国范围内能够实现自助出行。

一直以为，盛视致力于AI技术的落地，而且把它很好地应用到国门领域。未来，盛视科技希望能够把积累了这么多年的AI国门技术，引入其他的领域，造福全社会。

因此，盛视科技在去年成立了新技术研究院，也和香港中文大学（深圳）以及深圳市人工智能与机器人研究院合作，成立了人工智能联合实验室。

同时，还成立了智慧系统事业部，希望能够把AI在口岸领域的技术推广到其他部门，其他场景，比如像机场、物流、城市管理等等。

盛视科技开发了多项产品系列，比如说视频盒子为代表的边端计算系列，还有文字识别系列以及以人脸识别、指纹识别等一系列为代表的生物识别系列。

除了通用型产品，盛视科技还把AI技术和垂直领域的行业进行结合，其中有驾驶领域，对司机的特殊驾驶行为进行识别，比如司机开车的时候看手机、瞌睡、打哈欠等等进行相应告警。

同时在环卫领域，AI技术与城市管理领域结合，能够对暴露垃圾、垃圾分类进行识别告警，把相应的信息通过短信形式发给网格员进行监控。

02

AI落地的两大痛点

欧阳一村认为，AI发展多年，但是在具体的行业落地的时候，还存在着瓶颈，主要是两个点：第一是模型泛化能力差，第二是边端算法精度低。

首先，模型泛化能力，近些年来，机器学习依赖于数据获取，在训练数报据上，模型表现比较好，但是当拿到真正应用的环境中，可能目标发生了变化，比如说大小、颜色、角度等等，甚至是它的背景、应用的场景发生了变化，这时候模型表现能力发生比较大的下降，盛视科技称之为模型的泛化能力差。

因为训练模型很多情况下是在GPU端实现，GPU的成本比较高，同时因为考虑到网络传输的带宽问题，以及在某些场景下可能根本没有网络，所以现有情况下，很多模型都需要移植到前端，比如说芯片、摄像头等等，利用压缩的方法，比如量化，算法的精度就会下降得比较多，达不到原来的精度。

上图左侧的垃圾桶数据，这是从公开渠道收集到的图片，把它训练之后拿到右边实际用的场景，对比可以发现，左边垃圾筒的大小、颜色、形状甚至摄像头部署的角度都跟右边不同，所以应用的时候发现左边训练到的模型拿到右边的场景，应用效果比较差。

第二个场景是做城市管理，对出进店行为进行识别，上图左边这种是网上公开可以收集到的图片，是在白天光线条件比较好，拍摄比较清晰的图片。

在训练得到的模型之后，拿到右边实际应用的场景，你会发现右边这张图是拍摄于凌晨1点多，光线是比较差的，因为是夜间，有些拍摄比较模糊，这种情况下，识别九率就会发生比较大的下降。

除了模型泛化能力之外，另一方面是移植的时候出现算法精度。

这五个通用模型，VGG、Mobilenet等等，橙色是移植前的精度，蓝色是量化过后的，可以看到是有比较大的精度损失。

03

两招化解AI应用痛点

针对这两个痛点，盛视科技提出了两个研究方向：一个是数据火山计划，一个是模型鲁班计划。

数据火山计划是从数据角度出发，虽然训练只能得到部分数据，是否能用传统方法和深度学习的方法，比如边缘等等，去生成大量需要的数据呢？比如没有形状、大小、颜色，我能不能生成这样的？模拟不同的场景？

这个计划在一些场景上得到了验证，刚才提到的垃圾筒，就解决了这方面的问题。

模型鲁班计划，可以分为两块，第一，泛化能力除了数据之外，还有模型本身；第二是为了解决移植的时候发生精度丢失，使用一些比较通用的方法，比如压缩的方法，比如量化，会根据项目进行产品调整，尽量使用少的参数量，能够达到尽可能高的模型精度。

欧阳一村最后提到，不管是数据火山计划还是模型鲁班计划，最终都是为了解决AI落地的问题，使得真正的AI技术能够在生活中用起来，改变每个人的生活和工作。

声明:

凡文章来源标注为"CPS中安网"的文章版权均为本站所有，如需转载请务必注明出处为"CPS中安网"，违反者本网将追究相关法律责任。非本网作品均来自互联网并标明了来源，如出现侵权行为，请立即与我们联系，待核实后，我们将立即删除，并向您致歉。