引言

   又到年底，德勤、賽迪智庫、清華大學、IDC、工信部等，人工智能相關的產(chǎn)業(yè)研究院、投資機構、媒體等，相繼發(fā)布了今年的人工智能報告。

小HUI將用一個系列分享研讀這些報告的筆記。

   分享內(nèi)容主要圍繞計算機視覺、自然語言處理等AI技術，在安防、醫(yī)療、自動駕駛、工業(yè)制造、辦公、服務、家居等領域的應用，包括實現(xiàn)的典型功能，存在的主要難點等。也會大概梳理主要的技術進展和頭部公司。

范圍上，除了當前熱點的技術和應用，也包含屬于人工智能領域，但已經(jīng)廣泛應用的技術。

  小HUI希望這階段的分享維持“從需求看技術”的角度。有任何建議，歡迎留言交流。

  這個系列的分享將從計算機視覺開始，小HUI會分6~8期來記錄計算機視覺在文字識別、工業(yè)視覺、生物識別、智能安防、自動駕駛、智慧醫(yī)療等領域的應用。

第一期是對計算機視覺應用的概述。

第一期：計算機視覺概述

1 什么是計算機視覺

  計算機視覺，作為一門計算機學科，是利用攝像機和電腦代替人眼，使得計算機擁有類似于人類的那種對目標進行分割、分類、識別、跟蹤、判別決策的功能。

  從應用的角度看，讓計算機看見、看清、識別、理解圖像和視頻，以及根據(jù)圖像和視頻預判、決策的技術，通常都歸于計算機視覺。

  計算機視覺一個完整的處理過程如下：

計算機視覺完整處理過程

計算機視覺對圖像的處理，分為感知智能和認知智能兩個層次：

一般而言，感知層實現(xiàn)的功能相對通用，處理結果可以在很多應用中使用。實現(xiàn)認知層的功能，一方面需要特定領域的知識，另一方面需要進一步采取后續(xù)行動形成閉環(huán)，因而很難通用。

目前計算機視覺的大部分的應用集中在感知智能層面，例如：人臉識別、拍照搜索、文字識別等。

感知智能在特定行業(yè)也有案例，例如：金融行業(yè)的風控、自動駕駛的行人意圖識別、安防領域的人員違規(guī)行為識別等。

2 計算機視覺的應用

OCR

計算機視覺技術最早的應用，是計算機文字識別（OCR）。OCR的意思是“光學字符識別”——對圖像中的印刷體或手寫文字進行識別，轉化成電子文檔。

紙質(zhì)、電子化文字資料在使用上各有優(yōu)勢：紙質(zhì)資料方便查看和標記，電子化資料便于存檔和檢索。OCR使得紙質(zhì)資料能夠快速、方便地錄入到計算機中，保持紙質(zhì)、電子化資料的一致性。

OCR現(xiàn)在的應用已經(jīng)不限于印刷物上的文字提取，這項技術出現(xiàn)了兩個分支：手寫體識別和自然環(huán)境中印刷體識別。前者在教育和辦公場景中有很好的應用前景；后者在安防、自動駕駛、工業(yè)視覺等領域，提供多模感知的一種信息源。

工業(yè)視覺

工業(yè)視覺是和計算機視覺并列的分類，都屬于機器視覺。二者的市場容量也在同一個級別。

工業(yè)視覺在工業(yè)生產(chǎn)的各環(huán)節(jié)中，進行自動的識別、檢測、測量、定位，提升加工、裝配、質(zhì)檢、分揀等各環(huán)節(jié)的效率，提升產(chǎn)品質(zhì)量、降低工人勞動強度。

工業(yè)視覺在制造業(yè)已經(jīng)應用了十多年，最早應用于半導體和電子行業(yè)，現(xiàn)在在汽車制造業(yè)大規(guī)模落地，未來還可能在印刷、包裝、食品、藥品、倉儲等領域快速增長。

工業(yè)視覺的落地，在每個行業(yè)都有大量的工程問題需要解決，但底層技術的瓶頸并不太多。隨著工業(yè)4.0的推進，將會進入高速增長期。

生物識別

計算機視覺另一個比較成熟的應用，是人體生物特征識別（簡稱生物識別）。生物識別是指通過指紋、視網(wǎng)膜、虹膜、指/掌靜脈、掌紋/掌形、人臉、步態(tài)、聲紋、筆跡等人體的生物特征，進行個人身份的鑒別和認證。其中，除了聲紋以外，其他的識別方法都屬于計算機視覺范疇。

傳統(tǒng)的身份認證是用戶名+密碼，或者實體卡片、鑰匙等，容易忘記、丟失、被盜取，或者被仿制。生物識別使用人與生俱來、差異性大、穩(wěn)定性好、難以仿制的生物特征來進行身份的認證，更加安全和便捷。

生物識別已經(jīng)廣泛用于銀行、國防、機場、高鐵等高安全級別的場所，以及門禁、移動設備解鎖、個人支付等場景中的身份認證。

智能安防

計算機視覺目前最大的應用市場是智能安防（大約60%的市場）。智能安防主要幫助相關部門實現(xiàn)：事后追蹤、事中報警、事前預警，一方面降低違法行為的發(fā)生頻率，另一方面也減輕工作強度。

公共區(qū)域雖然有大量的監(jiān)控攝像頭，但需要進行人、車、物追蹤的時候，還是需要人工調(diào)取和分析，不僅工作量大，而且依賴經(jīng)驗。在人流密集的區(qū)域，為了及時發(fā)現(xiàn)異常，需要專職人員時刻觀察攝像頭抓取的現(xiàn)場信息，極易產(chǎn)生疲勞和疏忽。

智能安防現(xiàn)在可以實現(xiàn)無人值守場地（如地下車庫）的看管、開放區(qū)域內(nèi)的跨鏡頭目標（主要是人、車）追蹤、落腳點分析、追逃和尋人、人流密集區(qū)域，會議/活動/展覽的主動安全預防等。

自動駕駛

自動駕駛是計算機視覺最具潛力的應用方向之一。2019年全球在人工智能領域的投資，有10%都投給了自動駕駛。

L4/L5級自動駕駛——高度/完全自動駕駛——將會徹底改變城市交通的管理方式，小汽車將成為公共交通的主體。也會改變?nèi)藗兊某鲂蟹绞剑^大部分個性化的市內(nèi)交通需求都可以即時滿足，私家車將不再必要。

這個領域目前的應用主要在toB，如自動駕駛卡車或特種車輛在礦區(qū)、港區(qū)、建筑工地、農(nóng)田，以及長途貨運的應用。此外還有園區(qū)低速通勤、接駁、遞送，或清掃作業(yè)。

乘用車方面，城市公交和出租車，目前尚在試運營測試階段。

toC的應用主要是小型乘用車的ADAS功能應用，如自動泊車和高速公路自動行駛。

智慧醫(yī)療

近年來，人工智能、大數(shù)據(jù)在醫(yī)療領域的手術機器人、醫(yī)學影像分析、輔助診斷、藥物研發(fā)、疾病預測、醫(yī)院管理等方面有廣泛的應用。

計算機視覺在醫(yī)療上最典型的是醫(yī)學影像分析。通過病灶自動識別與標注、影像的三維重建等，幫助醫(yī)生提高診斷的準確性和效率。目前已經(jīng)可以用于腫瘤篩查、眼底篩查、X線胸片閱片、腦疾病診斷、骨傷鑒定、骨齡分析、病理切片分析、皮膚病輔助診斷等。

醫(yī)學影像的三維重建，加上AR/VR的顯示技術，還被用于輔助診斷和手術導航。在診斷時幫助評估病變程度和康復水平。在手術中準確找到病變位置，減少對其他組織的破壞，實現(xiàn)精準醫(yī)療。

其他

?

計算機視覺的應用不限于上述領域，toB的如：

toC的應用以高質(zhì)量拍照、照片美化、拍照識別為主。如：

計算機視覺和硬件結合，還有一些機器人方面的應用，如：

以神經(jīng)網(wǎng)絡算法為基礎的深度學習，讓計算機視覺的應用門檻降低、落地效率提高。直接促進了計算機視覺在民生、安全、家居、制造、娛樂、服務等產(chǎn)業(yè)的廣泛應用，滿足各個行業(yè)對數(shù)據(jù)化，以及基于數(shù)據(jù)進行質(zhì)量、成本、效率、體驗改進的需要。

企業(yè)服務中的智能營銷，金融中的智能風控，大健康中的智能影像診療，汽車中的自動駕駛（ADAS）系統(tǒng)和機器人中的服務機器人，是人工智能領域的熱門投資對象。

其中，長期最被看好的是自動駕駛，它將深刻變革汽車行業(yè)的產(chǎn)業(yè)鏈。機器人領域的投資今年以來，熱度有所降低。

AI在金融領域的應用最深入，而在制造業(yè)領域的應用潛力則被長期低估。

政府在人工智能應用落地上發(fā)揮了重要作用，一方面對AI有明確的政策導向和產(chǎn)業(yè)支持；另一方面在自動駕駛等民生領域、智能安防等公共領域，政府也是AI產(chǎn)品重要的買家。

人工智能領域這些年的投資額、人才儲備、論文和專利數(shù)量，都有明顯的提升，和美國等先發(fā)國家的差距正在縮小。

各細分領域?qū)＠暾埍壤?/span>

但積累的時間還不夠，從基礎到應用都還有明顯的、甚至數(shù)量級上的差距：

1、基礎層包含計算芯片、數(shù)據(jù)、算法三部分。

2、技術層包含計算機視覺、自然語言處理、語音識別、機器學習等細分領域。國內(nèi)的進展主要集中在工程應用領域，而這些技術所需的通用和專業(yè)數(shù)據(jù)集、知識庫的建設還有非常大的差距。

3、應用層包含醫(yī)療、安防、金融、無人駕駛等，國內(nèi)的產(chǎn)業(yè)應用發(fā)展的非常快，邊落地邊改進是國內(nèi)的AI應用快速發(fā)展的基礎。在應用層的短板，主要是國內(nèi)的科研成果轉換還缺少科技企業(yè)家群體的參與，以及鼓勵和支持科技企業(yè)家創(chuàng)新的生態(tài)。

未來幾年的人工智能預計會維持40%以上的增長，OCR、圖像識別、人體與人臉識別、自然語言交互的智能客服等，會在金融、制造、互聯(lián)網(wǎng)和信息服務等領域加速落地，支持企業(yè)在運營、客服、營銷等方面降低成本、提高效率、創(chuàng)新業(yè)務。