|
尽管在技术上需要更加精进，但行为识别已经开始走向一些场景。 根据中商产业研究院发布的《2019-2024年中国机器视觉行业前景及投资机会研究报告》显示，2018年中国机器视觉市场规模首次超过100亿元；而随着行业技术提升、产品应用领域拓展，机器视觉市场将进一步扩大，预计在2019年机器视觉市场规模将近125亿元。 的确CV（机器视觉）行业的市场规模不小、也有利可图，但当技术产品纷纷成熟开始走向落地应用的时候，如何吃到这块蛋糕，成为了众多CV创企们所面临的最大难题。与此同时，持续亏损、盈利压力也在催促着每家CV企业努力“奔跑”。 趋视科技并不属于CV领域最知名的行业，然而它们却在落地应用和盈利上先人一步，其公司创始人徐飙表示：“如果行业内90%的企业都在亏损，我们则属于另外那10%。” 它们是如何做到的呢
图 | 趋视科技创始人徐飙 CV不仅有人脸识别，还有行为分析 谈及CV，关注度和话题往往都集中于人脸识别领域，商汤、旷视等更是行业内外关注的焦点，但CV并不等同于人脸识别，它还包括行为识别。徐飙介绍，趋视科技在成立至今一直都瞄准的是行为识别。 “行为识别就是识别人类或者车的行为，比如人的打架行为、汽车闯红灯行为等。虽然都属于机器视觉，但人脸识别和行为识别是两个技术、不同领域。” 技术层面，人脸识别通过一张照片就能完成，而行为识别则需要通过连续数据结合起来进行判断，因为行为本身是一个连续动态的过程。简而言之，人脸识别解决的是目标对象是谁的问题，而行为解决的是做了什么样的事。目前行为识别往往用于司法管理、智慧门店、智能社区等场景。 徐飙告诉我们：“行为识别适用的领域非常多，但当前由于技术不够成熟，面对太过复杂且并不标准的场景，行为识别技术很难发挥出很好的效果。所以该技术只能在一些垂直场景中先应用起来，慢慢地在应用过程中不断的积累、提升技术，以此扩展到更多场景，最终满足整个大范围内人类对行为认知的要求。”
那么行为识别的技术难点究竟是什么呢？ 由于行为是多样化的话，它包括个体行为、群体行为，具体每个行为的表现方式也并不相同。比如打架行为和偷窃行为、一个人与一个人之间的打架和群体之间的打架行为等都全然不同，因此行为识别在数据采集层面就面临很大的困难，其中主要涉及遮挡、错位等问题。 同时人类看待世界的角度是三维的，而摄像头采集到的画面是二维，因此会造成视频中有一个人露出了一只胳膊，但由于视频无法采集到距离参数，所以遮挡、错位的现象会让AI算法难以判断。 其次学习数据欠缺。众所周知，许多AI技术依靠深度学习算法模型去训练，这导致要让AI实现行为识别，就必须先给行为下定义，让AI知道行为是什么。然而前面已经提到行为非常复杂，甚至很多时候AI需要学习判断的是负面行为，因此企业很难获取到大量的学习数据。而算法模型没有经过大量数据去训练，也就很难“聪明”起来，从而在识别的效果和精度上难以达到用户需求。 不过尽管在技术上需要更加精进，但行为识别已经开始走向一些场景。 CV企业破冰关键：规模化 徐飙介绍：“公司一开始关注的就是行业落地而非通用场景，且瞄准的第一个领域就是司法领域行业的管理，比如监狱管理，是否有犯人打斗、翻墙、攀爬等。这对于司法领域的管理而言是一个刚需，能够降低人力管理成本，提升管理质量。”
而行业落地和通用场景落地两条路径的最大区别，在徐飙看来，前者能够助力企业快速实现规模化落地，而这至关重要。 他谈到：“所有CV厂商在近年来特别强调落地，本质上就是规模化落地，即企业在一个项目试点实现技术落地后能够快速复制到下一个同类型的场景中，而不是做完一个试点，下一个场景再重新做一遍，这无疑增加了许多成本。” 对于企业而言，要实现规模化落地首先在最初寻找落地行业时，就要找到能够实现规模化、可复制性强的场景。其中的关键在于，企业对于用户核心诉求的把握是否精确。徐飙认为，CV企业要实现规模化必须了解用户的需求，所谓需求指的不仅是用户对于功能的需求，还包括用户对性能当中准确度的要求。 “这需要碰撞。有些时候没有人会告诉你他的需求和对准确度的要求是什么，企业往往需要通过试点、交流、反馈、修正......逐步形成一个行业共识，而并非单个客户的需求。” 但即便把握了用户需求和性能指标并不足够，企业还要评估自身的技术体系、优势能否满足用户的需求和指标。最后企业还要考虑实现规模化之后，是否会被竞品取代，这要求其必须在技术落地应用过程中打造自身的技术门槛，如此厂商们才能率先占领市场，并在后续的竞争中获胜。
回到趋视科技自身，徐飙谈道：“公司明年的短期计划，一方面是确保在司法行业实现规模化，创造更多的收益；同时也会将技术落地到智慧门店场景。小规模化带给我们盈利，也验证了技术已经达到可复制状态，所以我们将会向更大的市场进行布局。” |
