11月份的萬(wàn)物互聯(lián)專欄討論了為可隨時(shí)隨地在線操作這樣一個(gè)時(shí)代重新思考相機(jī)的必要性。我們也有必要重新考慮這些相機(jī)“看”的方式。

如今，計(jì)算機(jī)視覺(jué)可以像大多數(shù)人所能做的那樣準(zhǔn)確地跟蹤汽車、人臉和生產(chǎn)過(guò)程。當(dāng)需要篩選大量數(shù)據(jù)時(shí)，計(jì)算機(jī)視覺(jué)模型比人做得更好。

但也存在局限性。要認(rèn)出一個(gè)人或一個(gè)動(dòng)作，計(jì)算機(jī)仍比人需要更多的時(shí)間。它們無(wú)法跟隨多個(gè)攝像機(jī)之間的人或物體。它們很容易被騙。它們無(wú)法為它們所看到的內(nèi)容賦予含義。工程師們必須克服這些限制，才能使相機(jī)在制造業(yè)和智慧城市中更有用。

今天的相機(jī)通?？梢詧?zhí)行推斷（使用算法來(lái)將輸入的圖像與一個(gè)預(yù)定義的模型進(jìn)行匹配）。速度為每秒30幀左右，具體取決于這些計(jì)算機(jī)視覺(jué)算法的復(fù)雜性。

所有的推斷算法基本上都要在成本、速度、內(nèi)存和準(zhǔn)確性這幾個(gè)變量之間進(jìn)行權(quán)衡。可以快速推斷出某個(gè)東西是什么的相機(jī)可能就要以犧牲準(zhǔn)確性為代價(jià)，或者可能需要更多內(nèi)存而導(dǎo)致更高的設(shè)備成本。

每秒30幀的速度對(duì)于在音樂(lè)會(huì)人群中找到一張面孔來(lái)說(shuō)是可以的。不過(guò)，Xnor.ai公司的運(yùn)營(yíng)總監(jiān)Sophie Lebrecht表示，當(dāng)涉及到更復(fù)雜的計(jì)算機(jī)視覺(jué)任務(wù)（如確定制造過(guò)程中的錯(cuò)誤）時(shí)，計(jì)算機(jī)需要提高處理能力，否則就可能需要使生產(chǎn)線減速。Xnor.ai是一家研發(fā)軟件來(lái)提高計(jì)算機(jī)視覺(jué)能力的公司，其目標(biāo)是以每秒60幀的速度進(jìn)行圖像跟蹤。

加快計(jì)算機(jī)處理圖像的幀速率只是第一步。接下來(lái)是構(gòu)建可以跟蹤網(wǎng)絡(luò)中的多個(gè)攝像機(jī)之間的對(duì)象的軟件。例如，在一個(gè)監(jiān)控?cái)z像機(jī)上找到一個(gè)人，將能讓網(wǎng)絡(luò)在這個(gè)人走在其他攝像機(jī)前面時(shí)自動(dòng)實(shí)時(shí)地跟蹤他。

為此，我們需要針對(duì)復(fù)雜模型的快速圖像處理能力，以及在相機(jī)網(wǎng)絡(luò)上運(yùn)行并可以挑出圖像的軟件。我們的目標(biāo)是找到一種可以在單個(gè)網(wǎng)絡(luò)上執(zhí)行此操作而無(wú)需將數(shù)據(jù)發(fā)送到云中的方法。這將需要一種算法來(lái)識(shí)別人，并需要另一種算法來(lái)在物理空間中跟蹤那個(gè)人。它可能還需要疊加在相機(jī)上或新的通信協(xié)議上的某種軟件。

相機(jī)還需要避免“對(duì)抗性攻擊”，這是一個(gè)全新的研究領(lǐng)域。就像人可能被視錯(cuò)覺(jué)所迷惑一樣，計(jì)算機(jī)的視覺(jué)也可能被各種會(huì)使正常的圖像失真的技巧所欺騙，導(dǎo)致程序識(shí)別出圖像上并不存在的東西。

也許最困難的任務(wù)是創(chuàng)造出能讓計(jì)算機(jī)將含義賦予它們所看到的內(nèi)容的軟件。識(shí)別出一個(gè)人正在爬行是一回事；相機(jī)推斷出在地板上爬行的那個(gè)人需要幫助或試圖避過(guò)探測(cè)是另外一回事。

到那時(shí)，相機(jī)及其軟件將需要決定下一步該做什么。我們還有很長(zhǎng)一段路要走，但是Alphabet公司的研究人員已經(jīng)在試圖教會(huì)計(jì)算機(jī)視覺(jué)算法找出含義方面做了令人印象深刻的工作。在將來(lái)的某一天，計(jì)算機(jī)可能會(huì)比我們對(duì)圖像的內(nèi)容理解得更好，并且會(huì)利用它們所看到的來(lái)做對(duì)我們有益的事情。