【中國傳動網(wǎng) 行業(yè)動態(tài)】 圖像識別技術(shù)是指利用計算機(jī)對圖像進(jìn)行處理、分析和理解，以識別各種不同模式的目標(biāo)和對像的技術(shù)。簡單來說，就是讓機(jī)器能夠通過對感知信息的處理像人類一樣讀懂圖片的內(nèi)容，而不是只看到像素?，F(xiàn)代社交網(wǎng)絡(luò)的發(fā)展帶來了海量圖片視頻信息，目前人類現(xiàn)有信息中百分之七十的信息為視頻圖片信息。伴隨著圖片成為人類社會中的主要信息載體，難題隨之出現(xiàn)。圖片給我們帶來了快捷的信息記錄和分享方式，卻無法高效的進(jìn)行檢索。在這樣的環(huán)境下，人工智能中的圖像識別技術(shù)就顯得尤為重要。本文將從圖像識別技術(shù)原理出發(fā)，介紹這一技術(shù)的前世今生，以前在各行業(yè)的具體應(yīng)用前景。

1、圖像識別技術(shù)原理

圖像識別技術(shù)其主要的作用就是按照所觀測到的圖像，對圖像中的物體進(jìn)行分辨，以此來做好相應(yīng)的具有意義的判斷，具體實(shí)現(xiàn)則是應(yīng)用現(xiàn)代信息處理技術(shù)，以及計算機(jī)技術(shù)對人類認(rèn)知過程進(jìn)行模擬。通常情況下，一個圖像識別系統(tǒng)由圖像分割、圖像特征提取、分類器的識別這三個部分所組成，其中，圖像分割主要的作用就是將圖像劃分成為多個區(qū)域；圖像特征提取則是對多個區(qū)域的圖像進(jìn)行相應(yīng)的特征提??；分類器的識別則是按照圖像特征所提取的結(jié)果進(jìn)行適當(dāng)?shù)姆诸?。從某種程度來說，圖像分割其本身就能將其稱之為圖像識別的過程。

借助圖像識別技術(shù)，我們不僅可以通過圖片搜索更快的獲取信息，還可以產(chǎn)生一種新的與外部世界交互的方式，甚至?xí)屚獠渴澜绺又悄艿倪\(yùn)行。隨著圖形識別技術(shù)的不斷進(jìn)步，越來越多的科技公司開始涉及圖形識別領(lǐng)域，這標(biāo)志著讀圖時代正式到來，并且將引領(lǐng)我們進(jìn)入更加智能的未來。

2、圖像識別技術(shù)的前世今生

圖像識別的初級階段——娛樂化、工具化

在這個階段，用戶主要是借助圖像識別技術(shù)來滿足某些娛樂化需求。例如，百度魔圖的“大咖配”功能可以幫助用戶找到與其長相最匹配的明星，百度的圖片搜索可以找到相似的圖片；Facebook研發(fā)了根據(jù)相片進(jìn)行人臉匹配的DeepFace；雅虎收購的圖像識別公司IQEngine開發(fā)的Glow可以通過圖像識別自動生成照片的標(biāo)簽以幫助用戶管理手機(jī)上的照片；國內(nèi)專注于圖像識別的創(chuàng)業(yè)公司曠視科技成立了VisionHacker游戲工作室，借助圖形識別技術(shù)研發(fā)移動端的體感游戲。

這個階段還有一個非常重要的細(xì)分領(lǐng)域——OCR（OpticalCharacterRecognition，光學(xué)字符識別），是指光學(xué)設(shè)備檢查紙上打印的字符，通過檢測暗、亮的模式確定其形狀，然后用字符識別方法將形狀翻譯成計算機(jī)文字的過程，就是計算機(jī)對文字的閱讀。語言和文字是我們獲取信息最基本、最重要的途徑。在比特世界，我們可以借助互聯(lián)網(wǎng)和計算機(jī)輕松的獲取和處理文字。但一旦文字以圖片的形式表現(xiàn)出來，就對我們獲取和處理文字平添了很多麻煩。這一方面表現(xiàn)為數(shù)字世界中由于特定原因被存儲稱圖片格式的文字；另一方面是我們在現(xiàn)實(shí)生活中看到的所有物理形態(tài)的文字。所以我們需要借助OCR技術(shù)將這些文字和信息提取出來。在這方面，國內(nèi)產(chǎn)品包括百度的涂書筆記和百度翻譯等；而谷歌借助經(jīng)過DistBelief訓(xùn)練的大型分布式神經(jīng)網(wǎng)絡(luò)，對于Google街景圖庫的上千萬門牌號的識別率超過90%，每天可識別百萬門牌號。

在這個階段，圖像識別技術(shù)僅作為我們的輔助工具存在，為我們自身的人類視覺提供了強(qiáng)有力的輔助和增強(qiáng)，帶給了我們一種全新的與外部世界進(jìn)行交互的方式。我們可以通過搜索找到圖片中的關(guān)鍵信息；可以隨手拍下一件陌生物體而迅速找到與之相關(guān)的各類信息；可以將潛在搭訕對象拍下提前去她的社交網(wǎng)絡(luò)了解一番；也可以將人臉識別作為主要的身份認(rèn)證方式……這些應(yīng)用雖然看起來很普通，但當(dāng)圖像識別技術(shù)滲透到我們行為習(xí)慣的方方面面時，我們就相當(dāng)于把一部分視力外包給了機(jī)器，就像我們已經(jīng)把部分記憶外包給了搜索引擎一樣。

這將極大改善我們與外部世界的交互方式，此前我們利用科技工具探尋外部世界的流程是這樣：人眼捕捉目標(biāo)信息、大腦將信息進(jìn)行分析、轉(zhuǎn)化成機(jī)器可以理解的關(guān)鍵詞、與機(jī)器交互獲得結(jié)果。而當(dāng)圖像識別技術(shù)賦予了機(jī)器“眼睛”之后，這個過程就可以簡化為：人眼借助機(jī)器捕捉目標(biāo)信息、機(jī)器和互聯(lián)網(wǎng)直接對信息進(jìn)行分析并返回結(jié)果。圖像識別使攝像頭成為解密信息的鑰匙，我們僅需把攝像頭對準(zhǔn)某一未知事物，就能得到預(yù)想的答案。就像百度科學(xué)家余凱所說，攝像頭成為連接人和世界信息的重要入口之一。

圖像識別的高級階段——擁有視覺的機(jī)器

目前的圖像識別技術(shù)是作為一個工具來幫助我們與外部世界進(jìn)行交互，只為我們自身的視覺提供了一個輔助作用，所有的行動還需我們自己完成。而當(dāng)機(jī)器真正具有了視覺之后，它們完全有可能代替我們?nèi)ネ瓿蛇@些行動。目前的圖像識別應(yīng)用就像是盲人的導(dǎo)盲犬，在盲人行動時為其指引方向；而未來的圖像識別技術(shù)將會同其他人工智能技術(shù)融合在一起成為盲人的全職管家，不需要盲人進(jìn)行任何行動，而是由這個管家?guī)椭渫瓿伤惺虑椤Ｅe個例子，如果圖像識別是一個工具，就如同我們在駕駛汽車時佩戴谷歌眼鏡，它將外部信息進(jìn)行分析后傳遞給我們，我們再依據(jù)這些信息做出行駛決策；而如果將圖像識別利用在機(jī)器視覺和人工智能上，這就如同谷歌的無人駕駛汽車，機(jī)器不僅可以對外部信息進(jìn)行獲取和分析，還全權(quán)負(fù)責(zé)所有的行駛活動，讓我們得到完全解放。

《人工智能：一種現(xiàn)代方法》中提到，在人工智能中，感知是通過解釋傳感器的響應(yīng)而為機(jī)器提供它們所處的世界的信息，其中它們與人類共有的感知形態(tài)包括視覺、聽覺和觸覺，而視覺最為重要，因?yàn)橐曈X是一切行動的基礎(chǔ)。在一次論壇上百度IDL的余凱院長問大家，你覺得哪種感覺最重要？沒有人能很快作答，后來余凱院長換了個提問方式，如果要放棄一種感覺，你最不愿意放棄的是那一種？這時大家都回答是視覺。ChrisFrith在《心智的構(gòu)建》中提到，我們對世界的感知不是直接的，而是依賴于“無意識推理”，也就是說在我們能感知物體之前，大腦必須依據(jù)到達(dá)感官的信息來推斷這個物體可能是什么，這構(gòu)成了人類最重要的預(yù)判和處理突發(fā)時間的能力。而視覺是這個過程中最及時和準(zhǔn)確的信息獲取渠道，人類感覺信息中的80%都是視覺信息。機(jī)器視覺之于人工智能的意義就是視覺之于人類的意義，而決定著機(jī)器視覺的就是圖像識別技術(shù)。

更重要的是，在某些應(yīng)用場景，機(jī)器視覺比人類的生理視覺更具優(yōu)勢，它更加準(zhǔn)確、客觀和穩(wěn)定。人類視覺有著天然的局限，我們看起來能立刻且毫無費(fèi)力的感知世界，而且似乎也能詳細(xì)生動的感知整個視覺場景，但這只是一個錯覺，只有投射到眼球中心的視覺場景的中間部分，我們才能詳細(xì)而色彩鮮明的看清楚。偏離中間大約10度的位置，神經(jīng)細(xì)胞更加分散并且智能探知光和陰影。也就是說，在我們視覺世界的邊緣是無色、模糊的。因此，我們才會存在“變化盲視”，才會在經(jīng)歷著多樣事物發(fā)生時，僅僅關(guān)注其中一樣，而忽視了其他樣事物的發(fā)生，而且不知道它們的發(fā)生。而機(jī)器在這方面就有著更多的優(yōu)勢，它們能夠發(fā)現(xiàn)和記錄視力所及范圍內(nèi)發(fā)生的所有事情。拿應(yīng)用最廣的視頻監(jiān)控來說，傳統(tǒng)監(jiān)控需要有人在電視墻前時刻保持高度警惕，然后再通過自己對視頻的判斷來得出結(jié)論，但這往往會因?yàn)槿说钠凇⒁曈X局限和注意力分散等原因影響監(jiān)控效果。但有了成熟的圖像識別技術(shù)之后，再加以人工智能的支持，計算機(jī)就可以自行對視頻進(jìn)行分析和判斷，發(fā)現(xiàn)異常情況直接報警，帶來了更高的效率和準(zhǔn)確度；在反恐領(lǐng)域，借助機(jī)器的人臉識別技術(shù)也要遠(yuǎn)遠(yuǎn)優(yōu)于人的主觀判斷。

許多科技巨頭也開始了在圖像識別和人工智能領(lǐng)域的布局，F(xiàn)acebook簽下的人工智能專家YannLeCun最重大的成就就是在圖像識別領(lǐng)域，其提出的LeNet為代表的卷積神經(jīng)網(wǎng)絡(luò)，在應(yīng)用到各種不同的圖像識別任務(wù)時都取得了不錯效果，被認(rèn)為是通用圖像識別系統(tǒng)的代表之一；Google借助模擬神經(jīng)網(wǎng)絡(luò)“DistBelief”通過對數(shù)百萬份YouTube視頻的學(xué)習(xí)自行掌握了貓的關(guān)鍵特征，這是機(jī)器在沒有人幫助的情況下自己讀懂了貓的概念。值得一提的是，負(fù)責(zé)這個項(xiàng)目的AndrewNG已經(jīng)轉(zhuǎn)投百度領(lǐng)導(dǎo)百度研究院，其一個重要的研究方向就是人工智能和圖像識別。這也能看出國內(nèi)科技公司對圖像識別技術(shù)以及人工智能技術(shù)的重視程度。

3、圖像識別技術(shù)的行業(yè)應(yīng)用

盡管還未達(dá)到真正的人工智能，但日漸成熟的圖像識別技術(shù)已開始探索各類行業(yè)的應(yīng)用。當(dāng)前，圖像識別技術(shù)已成功應(yīng)用到工業(yè)機(jī)器人、自動駕駛、醫(yī)療診斷、安防監(jiān)控和工業(yè)檢測等多個領(lǐng)域。其中，圖像識別在工業(yè)中的應(yīng)用最為廣泛，而工業(yè)中又以電子制造占比最大，約占40%至50%。隨著科技業(yè)新技術(shù)迭出，圖像識別的應(yīng)用領(lǐng)域窗口將被打開，未來這一應(yīng)用技術(shù)將擴(kuò)展至消費(fèi)電子、可穿戴式裝置、汽車先進(jìn)駕駛輔助系統(tǒng)、智能化監(jiān)控等更貼近大眾生活的領(lǐng)域以及當(dāng)前各炙手可熱的新興行業(yè)。

（1）圖像識別技術(shù)在安防行業(yè)大顯身手

在AI的賦能下，圖像識別技術(shù)在安防領(lǐng)域可謂是如虎添翼，大顯身手。對于掌握了許多視頻圖像資源的安防行業(yè)來說，深度學(xué)習(xí)和安防的結(jié)合擁有比較高的契合度。公安行業(yè)借助智能視頻分析主要用于實(shí)現(xiàn)城市道路、廣場及各類重點(diǎn)場所的人、車、物等目標(biāo)的識別，提取包括人的性別、人臉、全身等信息，車的車標(biāo)、車牌、車身顏色等信息，這些信息均可提煉為計算機(jī)能識別的結(jié)構(gòu)化數(shù)據(jù)，送入后端進(jìn)行專業(yè)的安全管理應(yīng)用，主要包括實(shí)時布控、高危人員比對、以圖搜圖、多點(diǎn)碰撞、語義搜索等方面。

（2）圖像識別技術(shù)助力農(nóng)林業(yè)

在農(nóng)林行業(yè)，圖像識別技術(shù)已經(jīng)得到應(yīng)用。例如，木材的生產(chǎn)包含多個環(huán)節(jié)，過去這些環(huán)節(jié)往往牽涉到大量的人力投入。如今，圖像識別已在多個環(huán)節(jié)中得到應(yīng)用，例如森林調(diào)查，通過無人機(jī)對圖像進(jìn)行采集，再通過圖像分析系統(tǒng)對森林樹種的覆蓋比例、林木的健康狀況進(jìn)行分析，從而可以做出更科學(xué)的開采方案。而原木檢驗(yàn)方面，圖像識別可以快速對木材的樹種、優(yōu)劣、規(guī)格進(jìn)行判斷，省去了大量人工參與的環(huán)節(jié)。

（3）圖像識別技術(shù)應(yīng)用于金融領(lǐng)域

在金融領(lǐng)域，身份識別和智能支付將提高身份安全性與支付的效率和質(zhì)量。比如，在傳統(tǒng)金融中，用戶在申請銀行貸款或證券開戶時，均必須到實(shí)體門店上做身份信息核實(shí)，完成面簽。如今，通過人臉識別技術(shù)，用戶只需要打開手機(jī)攝像頭，自拍一張照片，系統(tǒng)將會做一個活體檢測，并進(jìn)行一系列的驗(yàn)證、匹配和判定，最終會判斷這個照片是否是用戶本人操作，完成身份核實(shí)。

（4）圖像識別技術(shù)應(yīng)用于智能家居

在智能家居領(lǐng)域，通過攝像頭獲取到圖像，然后通過圖像識別技術(shù)識別出圖像的內(nèi)容，從而做出不同的響應(yīng)。舉個例子，我們在門口安裝了攝像頭，當(dāng)有物體出現(xiàn)在攝像頭范圍內(nèi)的時候，攝像頭自動拍攝下圖像進(jìn)行識別，如果發(fā)現(xiàn)是可疑的人或物體，就可以及時報警給戶主。如果圖像和主人的面部匹配，則會主動為主人開門。

還有家庭用的智能機(jī)器人，通過圖像識別技術(shù)可以對物體進(jìn)行識別，并且實(shí)現(xiàn)對人的跟隨，搭配上人工智能系統(tǒng)，它能分辨出你是它的哪個主人，并且能你進(jìn)行一些簡單的互動，比如檢測到是家里的老人，它可能會為你測一測血壓，如果是小孩子，它可能給你講個故事。

（5）圖像識別技術(shù)促進(jìn)電商發(fā)展，幫你尋找喜歡的衣服鞋子

網(wǎng)購時消費(fèi)者使用的“相似款（拍照識別/掃描識別）”搜索功能，就是基于圖像識別技術(shù)，當(dāng)消費(fèi)者將鼠標(biāo)停留在感興趣的商品上后，就可以選擇查看相似的款式；同時通過調(diào)整算法，還能夠更好的猜測消費(fèi)者的意圖，搜素結(jié)果即使不能提供完全匹配的商品，也會為消費(fèi)者推薦最為相關(guān)的商品，盡量滿足消費(fèi)者的購物需求。這對于商家來說，也是一種從外界導(dǎo)流和提高移動端用戶黏度的方式之一。

（6）圖像識別技術(shù)助力醫(yī)學(xué)影像智能識別

醫(yī)生資源短缺將促進(jìn)AI智能影像識別的應(yīng)用落地。將圖像識別技術(shù)應(yīng)用到醫(yī)療領(lǐng)域，可以更精準(zhǔn)更快速地分辨X光片、MRI和CT掃描圖片，上至診斷預(yù)防癌癥，下至加速發(fā)現(xiàn)治病救命的新藥。一個放射科醫(yī)生一生可能會看上萬張掃描圖像，但是，一臺計算機(jī)可能會看上千萬張。智能影像識別市場分類多空間大，人工智能方法在醫(yī)學(xué)圖像處理中的應(yīng)用十分廣泛，涉及醫(yī)學(xué)圖像分割、圖像配準(zhǔn)、圖像融合、圖像壓縮、圖像重建等多個領(lǐng)域。

（7）圖像識別技術(shù)助力智慧交通

具有分析、感知能力的智能攝像機(jī)通過視頻識別分析技術(shù)，可對每輛車進(jìn)行完整的違法行為分析、識別、抓拍和錄像，記錄車輛違法的整個過程，再將每條記錄生成非結(jié)構(gòu)化的視頻、照片數(shù)據(jù)和結(jié)構(gòu)化的文本數(shù)據(jù)提交給后端智能管理與分析系統(tǒng)，由系統(tǒng)進(jìn)行高度智能的交通違法行為處理?；谥悄芤曨l分析技術(shù)，智能交通管理系統(tǒng)還能得出不同品牌的車型擁有量、過車高峰期、車輛進(jìn)出城高峰期及行駛方向等豐富的交通數(shù)據(jù)，為城市交通流量管控、交通道路規(guī)劃等提供詳實(shí)的數(shù)據(jù)支撐。

總之，圖像識別技術(shù)，連接著機(jī)器和這個一無所知的世界，幫助它越發(fā)了解這個世界，并最終代替我們完成更多的任務(wù)。