发布时间：2021年08月13日

计算机视觉技术——塑造我们的未来

在全球各种应用中，计算机视觉的可行性和潜力不断得到证明，相关研究也一直在以旋风般的速度前进。在这个层次上，我们看到了在改进现有技术或根据特定用例调整其适用性方面的大量突破，其中，定制的关键是基于模型构建一个成功的计算机视觉应用。

恩士迅（NCS）的一贯做法是采取实用的方法，运用转移学习等新技术来修正现有模型，而不是从头开始创造一个新模型，从而针对每一个特定的场景实现快速高效的定制化开发和部署。

不同的客户会提出各种特殊的需求，因此，现有的模型已经基于各种各样的数据集进行了训练，在更好地利用客户数据的同时也有利于特定的应用。将未来更多的研究和细化工作放到优化现有技术或创造新技术上将推动计算机视觉发挥出更广泛的功能。

恩士迅（NCS）运用专有的深度学习技术，创造了一套咳嗽和打喷嚏检测解决方案。人工智能可以检测到打喷嚏时头的动作或用手臂遮挡口鼻的动作，尤其是当这个人咳嗽或打喷嚏持续的时间较长时。理论上，咳嗽或打喷嚏的人是有可能感染了病毒的，因此，人工智能会实时检测出这个人的位置，再由巡逻的机器人发送警报到指挥中心。

• 高度可定制化，可以检测客户关注的动作和相关人员的位置
• 基于视频的方法，采用新颖的时间持续算法来确认动作，减少误报
• 轻量级解决方案，支持所有三种主要的部署拓扑——AI边缘设备部署，本地部署和云服务器部署
• 近实时检测——在边缘设备上发生的一秒钟内
• 边缘版本符合PDPA要求，不会将图像或视频数据发送到服务器
• 自动遮脸，确保个人隐私

深度学习、对象检测、广角摄像头和毫米波传感器等一系列先进的边缘分析技术为管理大规模人群保持社交距离提供了帮助，一经检测到违反行为即为发出警报。这一类的边缘解决方案可以在紧凑的现代AI平台上运行，非常节能。

• 轻量级解决方案，支持所有三种主要的部署拓扑——AI边缘设备部署，本地部署和云服务器部署
• 毫米波传感器数据不会显示个人身份——不是图像数据——因此符合PDPA法规要求
• 可定制——可以检测各种不同类型的姿势，如站立、坐或摔倒
• 近实时检测——在边缘设备上发生的一秒钟内

这一项技术旨在解决医院内病人摔倒的问题——在医院护理中很常见，后果往往还很严重，尤其是对于老年病人而言。在医院，病人摔倒后其中有超过三分之一都会受伤或遭受严重的创伤，造成医疗费用的增加或是产生其它的并发症。在新加坡一家公立医院，恩士迅（NCS）目前正在进行一个概念验证项目（可行性论证）以解决这一问题，目标是检测、理解、分析病人在离开病床之后的运动和行为。运用先进的深度学习方法论在一段时间内分析运动行为，以检测、预防摔倒。这一解决方案在AI边缘设备运行，病人的面部也被自动遮挡以保护个人隐私。

• 首个通过对个人身体部位运动的分析预测离床意图的功能
• 分析病人的意图，包括周围环境，以形成预测
• 轻量级解决方案，支持所有三种主要的部署拓扑——AI边缘设备部署，本地部署和云服务器部署
• 近实时检测——在边缘设备上发生的一秒钟内
• 边缘版本符合PDPA要求，不会将图像或视频数据发送到服务器
• 自动面部打码保护个人隐私

恩士迅（NCS）正在与各地方机构讨论进行概念验证的机会——我们运用了一项技术，可以利用现有的监控摄像头来检测是否发生了损害公共安全的打架斗殴行为，应用范围很广，包括监狱、夜生活丰富的地区以及学校。使用轻量级深度学习方法，可以检测是否在较长时间内持续发生了出拳或踢腿等情况，判断是否有打架行为——从而自动触发告警发送到相关部门。这一解决方案也是部署在AI边缘设备上，以便保护隐私。

1. 高度可定制化，可识别构成攻击行为的动作——如出拳或踢腿，以及相关人员的位置
2. 基于视频的方法，采用新颖的时间持续算法来确认动作，减少误报
3. 轻量级解决方案，支持所有三种主要的部署拓扑——AI边缘设备部署，本地部署和云服务器部署
4. 近实时攻击检测——在边缘设备上发生的一秒钟内
5. 边缘版本符合PDPA要求，不会将图像或视频数据发送到服务器
6. 自动面部打码保护个人隐私

在新冠疫情中，精准的识别并追踪公共空间的运动和互动、同时不干扰正常秩序，这一点非常重要。为此，可以采用的解决方案是运用计算机视觉算法来分析现有CCTV监控摄像头的监控视频以识别出需要关注的人群和密接人员。

然而，传统的人脸识别技术在实际使用时限制很多，监控摄像头拍摄到的面部影响质量太差或是人员佩戴了口罩等都会导致无法识别。而恩士迅（NCS）的高效识别技术运用的机器学习模型经过了复杂的培训，会将各种人脸和身体的特征纳入识别要素，从而从不同的监控摄像头视频中精确的进行检测。这一轻量化的解决方案可以根据不同的要求在多种平台上进行部署。

• 先进的解决方案基于全身特征进行识别和身份确认
• 发现并自动识别周围的人——这一功能可用于确定某一个特定人员接触链
• 轻量级解决方案，支持所有三种主要的部署拓扑——AI边缘设备部署，本地部署和云服务器部署
• 近实时人员身份识别检测——在边缘设备上发生的一秒钟内
• 边缘版本符合PDPA要求，不会将图像或视频数据发送到服务器

我们的研究聚焦于现实世界的问题并试图创造解决方案——为更美好的社会做贡献。最近的新冠疫情也推动我们开始研究一些前所未见的挑战。然而，尽管我们已经有了许多技术和工具，面对不断变化的市场需求，如何应对、如何进步是我们仍然要面对的问题。

我们的大多数工作都以事件的检测（反应性方法）为目标，下一步则要更加关注事件的预测（前瞻性方法），比如工作场所安全或人员意图预测的场景。同样的，我们还将进一步探索非侵入性传感器，以解决公众对隐私保护的担忧。对不同传感设备信息流进行数据融合以更好地理解人员或环境是我们比较感兴趣的另一个方向，我们也将适时地开始探索。