给海量监控探头配上“聪明大脑”

　　2014年1月2日，苏州刑侦发布了一张杭州牌照的套牌照片，希望能找到该车真实牌照或套的其他牌照。通过蜻蜓眼系统的以图搜图功能，10分钟仅就找出了苏州牌照的同一辆车，所有操作均为警官独立操作。上海依图网络科技有限公司开发的依图智能识别系统，既能快速从海量的视频图像数据中筛选出有价值数据，又能实时针对特殊人群发出警告。

　　大数据是警务信息化的建设方向。近年来，全国各级公安机关建设了大量图像、视频监控系统，分秒不停地产生海量数据。目前仅一个发达县市，就拥有约2800多个路面摄像头，每天产生的车辆图片数以千万计。不过，从图像画面中提取有效信息是一件困难的事情。目前大部分的监控系统只能录制画面，起到震慑作用，且需要事后靠人工翻看，非常消耗警力。要让摄像头发挥更大的作用，就要先通过先进的图像理解技术，把大量的图像转化成结构化数据，再通过大数据挖掘出其中有用的信息。

　　著名物理学家霍金的弟子、美国加州大学洛杉矶分校视觉识别与机器学习中心主任艾伦尤尔教授日·前在上海说：人类一睁眼就能迅速看到和看明白一“个场景，因为人的大脑皮层至少有一半以上海量神经元参与了视觉任务的完成，普通计算机则不具备这样的功能。”

　　据了解,传统物体识别系统需要识别人脸，就会查看眼睛、鼻子和嘴巴等器官的边缘部分，然后确定它们之间的空间位置。人群稍一扎堆，计算机的计算能力就捉襟见肘了。除此之外，人脸又会因为拍摄角度、表情变化、化妆等因素而改变，计算机需要对这些变化不断进行存储、计算，这些数据占用了大量存储空间，对硬件配置要求极高,这也是计算机进行人脸识别面临的难点。

　　艾伦和他的博士后学生朱珑另辟蹊径解决了这个难题。课题组运用递归式塔状结构来表示物体的结构——系统不需要事先被告知物体的哪些特征需要寻找，会先判定细微细节，由低层次的结构组合成稍微复杂的形状，再辨别稍复杂形状如何组合成为更高层次部分，组装成一个塔式结构，而最高一层则代表整个物体的模型。朱珑表示:“通俗地说，这个过程有点像砌房子，先找到一块块砖头(细微细节)垒成墙体，，再逐渐垒成结构更加复杂的房子，即使今后房子外观发生变化，但是它的砖头等基本构件不会改变。”

　　2012年，朱珑回到国内，与前阿里云计算技术总监林晨曦合作创办了上海依图网络科技有限公司。不久之后，朱珑和林晨曦把最新研发的图像智能识别技术推荐给了苏州市公安局。该局分管科技的副局长陈斌华告诉他们：如果你们的产品对车辆的品牌识别能“做到70%、能够判定出车辆型号，我们就考虑使用你们的产品。两周后进行测试时,这个系统对桑塔纳的”识别达到95%。目前的系统能够识别千种以上的车辆品牌，甚至能识别年款。通过这套系统，(下转A2版)(紧接A1版)苏州公安可以准确进行车牌识别和车型识别，具备了应用计算机自动发现在路面行驶的假套牌车辆的能力，这在全国公安属于首创。

　　经过了一年的数据积累和系统改进，原来针对套牌作案车辆需要花至少3~4小时才能完成的甄别工作，现在只需要十多分钟。就在不久前，苏州公安以此为突破口，迅速摧毁了一个专门盗窃出租车顶灯、计价器的犯罪团伙，极大提高了工作效率。目前，依图能够实现对运行中被捕捉在镜头中的所有车辆进行品牌、型号、购买时间和车牌号真假的鉴定等。

　　不过，比起人脸识别，这种简单刚性物体识别的技术门槛要相对低一些，因为物体不会像人脸一样会形成不同角度和不同状态的形状扭曲。而在这个难题上，依图公司已经做到了在一亿人中进行人脸识别静态比对，遥遥领先于目前百万级的平均识别水平，在具体应用上也初见成效。为了发现通过漂白身份或使用近亲属身份证逃避公安打击的逃犯，依图与苏州市局合作开发了静态人像比对系统。2014年7月，苏州警方运用这套系统发现了多名疑似在逃人员。经人工甄别，认定了8名在逃人员，并在24小时内抓获负案在逃人员3名，另外5名人员在核查之前就已离开苏州。目前，青奥会安保系统、珠海航展安保系统也已相继成功应用了依图的人脸识别产品。

　　目前，依图公司已经获得了真格基金、红杉资本和高榕资本的青睐，轮融资近千万美元。未来，A依图还将从人脸和物体识别延展到人的肢体和服饰识别上。比如帮助用户判定路人甲身上所穿衣服的品牌，而这又要用到增强现实技术，需要软硬件完美结合。

　　对于计算机视觉下一步能够做什么，艾伦教授认为，终极目标是建立一个智能的系统，比人类更能看懂这个世界。特约记者傅喻