0
五到十年前，要問科技圈什么產品最火，肯定是「智能手機」，給手機賦予「智能」的概念是從功能機過度的一個結果，經過多年發展，漸漸手機已經擺脫了「智能」的名號，在大眾的印象中，「智能」已經成為了手機的標配。
「智能手機」到「手機」的蛻變，正是科技發展中所有技術的一個縮影，當一個技術真正普及，不再是一個稀罕物，成為一個無所不在的東西，那么這項技術就變成了水、電一樣的基礎設施。目前火熱的人工智能，也正在這個蛻變的過程之中，然而如何更快的轉變，也是業界正在探討的問題。
我們的目標就是AI計算機視覺技術成為水和電一樣的生活必需品。
這是閱面科技CEO趙京雷在剛剛舉辦的發布會上所說的話。
11月1日上午，閱面科技在深圳大中華舉辦了一場發布會攜手英特爾 Movidius，推出了跨模態人臉識別引擎 Uniface、繁星 AI 芯片視覺模塊。這次發布會的主題，簡明扼要來說，就是閱面想用極低的門檻和成本，把計算機視覺推向大眾。
隨著人工智能行業的日益火爆，市場也正在逐漸轉變，比如最近大熱的iPhone X也讓業界產生了對人臉識別的濃厚興趣，目前業界也有不少巨頭和技術團隊在進行人臉識別技術的研發，從媒體曝光度來看，人臉識別應用十分廣泛，市場火熱，但從技術層面來說，人臉識別技術依舊存在著許多難以攻克技術難題與門檻，核心算法就是其中之一。
今年7月份，雷鋒網專訪了閱面科技算法總監童志軍，對今年閱面科技獲得FDDB和LFW兩個人臉識別比賽雙料冠軍所公布的技術突破進行了討論，雷鋒網在專訪中了解到，閱面科技在FDDB上提交的全新檢測算法突破了小尺寸、模糊和動態人臉檢測的極限，而在LFW數據集也達到了99.82%±0.0007人臉驗證精度的高水平。
在深度學習、計算機視覺核心算法領域，閱面科技此前的技術積累還是不錯的。通過長時間在核心算法領域的探索，閱面在此次發布會上推出了其自主研發的業內首個跨模態人臉識別引擎 UniFace。
據趙京雷介紹，與目前主流算法不同的是，UniFace打破了不同Sensor，不同環境，不同場景，不同領域人臉特征表達的限制，例如同一張注冊照片能在可見光、紅外、3D三種不同的Sensor中進行識別，做到真正以FaceID為連通的人臉識別體系。
具體來說，大部分的人臉識別引擎都是基于可見光進行人臉的識別監測，而UniFace做了「跨傳感器集成」，除了可見光之外，還能夠兼容紅外、3D識別，這種多傳感器組合除了能夠大大的提高準確率，還能擴展不同場景的應用。
昨天雷鋒網在報道中提到了「邊緣計算」的火熱，計算力向終端靠近似乎是目前AI落地到大眾應用的一個趨勢，趙京雷說，UniFace 跨模態人臉識別引擎能夠憑借卷積神經網絡讓前端方案擁有更加強大的處理能力，執行圖像的計算和分析任務，并實現前端和云端的聯動以及知識的遷移，提高整體的識別效率，真正做到以 FaceID 為連通的人臉識別體系。
「無硬件，不AI」
趙京雷在發布會現場幾乎吼一般的強調了他的這一觀點。
趙京雷表示，硬件是人工智能的重要載體，而在AI要想成為水和電一樣的基礎設施的過程中，推廣和普及需要滿足成本低、功耗低等條件才行。
為了解決這些問題，閱面科技將其核心算法成果UniFace集成了一塊AI芯片視覺模塊，這就是開篇我們所說的那塊「繁星AI芯片」，這塊AI芯片視覺模塊由Sensor＋ISP＋VPU＋嵌入式深度學習視覺算法組成，能從芯片端智能輸出結構化數據。在模塊設計上，閱面科技也使用了常規的38mmX38mm的尺寸，此舉也是為了保障模塊能夠做到即插即用、方便便攜，模塊還支持多種數據輸出接口，方便集成，能夠降低開發智能視覺產品的技術成本。
為了能夠搭載適用于不同場景算法的應用，閱面科技的這塊AI芯片視覺模塊能夠支持不同場景的算法IP：包括人臉識別模塊、數據采集模塊、人機交互模塊。
雷鋒網也向閱面科技了解了三個模塊的能力：
人臉識別模塊：通過寬動態Sensor獲取圖像或視頻流，分析圖像或視頻流中的人臉圖像進行檢測和識別，輸出結構化數據，可同時追蹤和抓拍30人，抓取最清晰、角度最好的人臉，抓拍率99%，誤檢率小于0.5%，抓拍重復率低于10%。同時，支持2萬人內的完全本地人臉識別。支持本地特征提取后傳云端，滿足大于2萬人的人臉識別場景。
數據采集模塊：獲取并分析圖像或視頻流中的人頭和人臉信息，進行人數、人群屬性以及軌跡分析。可實時記錄15人運動軌跡及運動方向，可進行進出指定區域的人數統計，準確率達95%。在本次發布會現場，閱面科技還發布了其基于數據采集模塊研發的智能客群分析攝像機——閱客。利用繁星的本地計算能力，閱客可以輕松進行實時客流計數、會員/熟客管理、軌跡管理等功能，商家能實時掌握顧客屬性和行為。
閱客
人機交互模塊：檢測識別圖像或視頻流中的手勢、人臉、人體，并轉化為指令使得機器做出正確響應。毫秒級檢測及追蹤速度，響應迅速，支持掌、拳、V字手型、伸掌、握拳、揮手等多種手勢操控，高魯棒性的人臉及人體檢測追蹤運算。
值得關注的是，閱面科技的AI芯片視覺模塊還在功耗上進行了一定的優化，本地深度學習處理功耗僅為 0.5W，整體高峰功耗小于 2.5W。
「實時動態」、「低功耗」和「低成本」是閱面科技在推廣自己AI技術時的理念，而這些特點正是AI在普通消費品上賦能所需要的。
在發布會后的采訪中，趙京雷也談及選擇消費級產品市場作為切入點的原因：基于公有云的AI開放服務市場，未來是BAT等巨頭的展出，在這個領域創業公司優勢不大，而視覺在垂直領域的應用，盡管前景廣闊，但是在數據采集等方面已經不是技術能夠解決的事情，目前也有很多大公司在做。而視覺算法在消費級市場的應用目前看起來空間更廣闊，未來會有爆發性的增長。
這次的視覺模塊也是在這一市場的進發，未來借助低成本的AI技術，助力行業的成熟，這也是閱面科技在其中的考量。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
