AI 视觉时代，真正落地前要解决这一技术短板

从未来整个 AI 的发展来看，其更重要的意义在于，将为 AI 在对视觉成像有一定要求的领域实现落地，提供具有实际可操作意义的解决方案。

2018-01-16 16:31 · 微信公众号：极客公园　豆腐店店长　　

AI 视觉时代，如何让后端算法获得更清晰的图像信号，是行业需要去解决事情。

　　去年 12 月份，一段「BBC 记者挑战中国天网行人识别系统潜逃 7 分钟后被抓获」的视频走红于网络，在 Facebook 等国外网站上被大量转载。

　　援引英国广播公司（BBC）的报道，BBC 记者约翰·苏德沃斯在我国贵阳，在被手机拍下一张面部照片后，约翰·苏德沃斯开始了他的「潜逃」之路，但不到七分钟，就被警方抓获。

　　之所以警方能够在极短的时间内就将约翰·苏德沃斯抓获，得益于我国的「天网工程」。资料显示，通过路上为数众多的摄像头，「实时行人检测识别系统」可以识别行人的年龄、性别、衣着等信息，最终来锁定目标。

　　在这个过程中，除了引入人工智能之后，为安防带来了非常大的效率提升之外，作为前端成像的重要组成部分，摄像头同样不可忽略。

　　根据相关数据显示，人类获取的信息 70%-80% 来自于视觉，在如今 AI 时代，从自动驾驶到智能手机，再到安防，AI 图像视觉技术正在被应用到越来越多的行业。

　　但目前一个现实的情况是，受深度学习驱动，云端视觉图像处理技术飞速发展，前端视觉成像技术却依旧裹足不前，无法与之相匹配，成为了严重的瓶颈。

　　视觉 AI 对成像技术提出了更高的要求

　　每一次革命性技术的到来，都有着足以让人为之「疯狂」的理由。而想要把它从人类大脑的构想中带到现实生活里，显然并不是一件容易的事情。

　　对于自动驾驶，特斯拉一直以来走的比较激进，也非常靠前。但在这件事情上，它也「栽过一个很大的跟头」。2016 年的时候，一辆特斯拉 MODEL S 在自动驾驶时发生车祸，导致驾驶员死亡，那也是自动驾驶技术应用以来*起已知的导致死亡的车祸。

　　当时，美国高速公路安全管理局（NHTSA）在公告中表示：5 月 7 日，在佛罗里达州 Williston，特斯拉 MODEL S 司机在使用 Autopilot 模式时发生事故死亡。初步报告显示，当时在一个十字路口，在这辆特斯拉汽车的前方，一辆重型卡车正在左转。为此，NHTSA 将调查「事故发生时驾驶辅助功能的设计和性能」。

　　在随后特斯拉发布的调查报告中这样写道，「当时 MODEL S 行驶在一条双向、有中央隔离带的公路上，自动驾驶处于开启模式，此时一辆拖挂车以与 MODEL S 垂直的方向穿越公路。在强烈的日照条件下，驾驶员和自动驾驶都未能注意到拖挂车的白色车身，因此未能及时启动刹车系统。」

　　简单来讲，由于当时 MODEL S 是逆光行驶，强烈的光线条件加之大货车白色车身造成反光，导致其所搭载的摄像头无法正确识别前方物体，是这起事故发生的直接原因。

　　数码时代，成像的品质标准是主观的，往往大家关注的是照片本身的效果是不是符合我们的喜好。因此各家厂商在相机的调校上，也不尽相同。而 AI 时代要求的图像品质标准是客观的，即图像是否可以应用。

　　举例来讲，在日常的拍摄过程中，抛开摄影棚等预设好的场景，在室外环境下，遇到到弱光、逆光、反光等等光线条件较差的情况，是在所难免的事情。此时传统数码成像的效果往往很难令人满意（比如噪点过高）。

　　而 AI 时代要求的图像品质标准是客观的，即图像是否可以应用。其对于前端成像设备所反馈回来的图片信息，有着更高的要求，以便后端进行图形处理时，能够做出更加精准的判断。

　　回过头来看，如果当时 MODEL S 所配备的摄像头能够解决强光、反光的问题，之后的事故也就不会发生了。

　　当然，自动驾驶仅仅是其中一个领域，之于安防，也同样如此。更高的成端成像素质，无疑将帮助安防系统更加准确的识别罪犯特征，来进一步提升效率。