莊哲耕

人工智能之圖像識別

莊哲耕

圖像識別是計(jì)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)，實(shí)現(xiàn)了圖像信息到文本信息的轉(zhuǎn)換，是現(xiàn)代計(jì)算機(jī)技術(shù)發(fā)展中極為重要的一步。識別過程包括圖像預(yù)處理、圖像分割、特征提取和判斷匹配，讓計(jì)算機(jī)像人一樣讀懂圖片的內(nèi)容，有視頻內(nèi)容識別、光學(xué)字符識別（OCR）等細(xì)分領(lǐng)域，在圖片自動歸類整理、圖像優(yōu)化、字符識別、人臉識別及視頻監(jiān)控安防等領(lǐng)域都有著不少應(yīng)用。

傳統(tǒng)的識別方法主要基于統(tǒng)計(jì)學(xué)，其主要依靠分析視覺數(shù)據(jù)的特性，并將這些特性借助統(tǒng)計(jì)建模等數(shù)學(xué)分析方式提取出來，以最終應(yīng)用到實(shí)際的圖像處理中。這種方法仍然有很廣泛的應(yīng)用，但有較大的局限性，尤其是對圖像質(zhì)量的要求較高。這個問題隨著近些年人工智能技術(shù)的發(fā)展而得到了解決，例如，微軟借助深度神經(jīng)網(wǎng)絡(luò)搭建的圖像識別引擎，在第六屆ImageNet圖像識別大賽上，以圖像檢測、識別、分類的最高準(zhǔn)確率，得到了第一名，微軟參賽系統(tǒng)的分類錯誤率為3.5%，據(jù)微軟的研究團(tuán)隊(duì)所稱，人眼辨識的錯誤率大概為5.1%。意味著該系統(tǒng)辨識、分類圖片的能力已經(jīng)超過人類。這是一個極大的突破。

計(jì)算機(jī)優(yōu)秀的圖片識別和分辨能力使得 “圖像”演變成為重要的人機(jī)交互方式，進(jìn)而衍生出一系列新的應(yīng)用方式，例如淘寶拍照搜索商品、百度拍照識別物體、婚戀社區(qū)通過指明外觀特征來尋找匹配對象、圖片搜索引擎自動剔除黃色暴力圖片、生產(chǎn)線上依靠攝像頭來辨別和分揀產(chǎn)品、監(jiān)控?cái)z像頭自動識別異常行為等。目前，圖像識別技術(shù)廣泛應(yīng)用于機(jī)械、冶金、勘探、農(nóng)業(yè)、造林、漁業(yè)、天文氣象、醫(yī)務(wù)、郵電、交通、公安及財(cái)務(wù)等部門以及許多工礦企業(yè)中。如今世界各國已經(jīng)研制成多種多樣的自動識別機(jī)和有視覺的機(jī)器人，利用這些識別機(jī)，可以自動識別小至癌細(xì)胞，大至資源勘探的地貌圖等各種圖像，圖像識別的應(yīng)用范圍非常廣泛，并且仍然有待開發(fā)。

本文通過專利分析，對圖像處理技術(shù)的國內(nèi)外趨勢及成分進(jìn)行分析。首先進(jìn)行初步檢索，然后進(jìn)行全面檢索得到分析數(shù)據(jù)集合。初步檢索時(shí)選擇關(guān)鍵詞和分類號對技術(shù)主題進(jìn)行檢索，對檢索到的專利文獻(xiàn)關(guān)鍵詞和分類號進(jìn)行統(tǒng)計(jì)分析，并抽樣對相關(guān)專利文獻(xiàn)進(jìn)行人工閱讀，提煉關(guān)鍵詞，并在檢索過程中對檢索策略的反復(fù)調(diào)整、反饋，總結(jié)各檢索要素在檢索策略中所處的位置，在上述工作基礎(chǔ)上制定全面檢索策略。全面檢索時(shí)充分、精確擴(kuò)展關(guān)鍵詞和分類號，采用合理的檢索要素搭配，利用檢索工具的截詞符、同在運(yùn)算符和邏輯算符，得到相對全面、準(zhǔn)確的檢索數(shù)據(jù)。

中國圖像識別領(lǐng)域發(fā)展情況

圖1 中國圖像識別專利申請趨勢

根據(jù)圖1，圖像識別專利申請數(shù)在中國呈現(xiàn)持續(xù)增長趨勢，特別是2011年前后，國際上圖像識別技術(shù)出現(xiàn)一些重大突破。如2010年，一些應(yīng)用于高緯空間圖片認(rèn)知的算法被發(fā)明，使得圖像識別技術(shù)對樣本圖片質(zhì)量以及采集設(shè)備處理能力的需求大大降低。又如2012年的ImageNet圖像識別比賽中，深度學(xué)習(xí)技術(shù)以遠(yuǎn)遠(yuǎn)優(yōu)于傳統(tǒng)方法的正確率進(jìn)入了大眾視線。特別是近幾年，大數(shù)據(jù)和高性能計(jì)算機(jī)的發(fā)展，推動圖像識別技術(shù)發(fā)生了新的一輪爆發(fā)，國內(nèi)IT巨頭紛紛涉足。例如百度從谷歌引入了深度學(xué)習(xí)頂尖專家Andrew Ng，推出了基于圖像識別技術(shù)的以圖搜圖技術(shù)，在百度云服務(wù)中引入了基于圖像識別技術(shù)的圖片自動標(biāo)簽功能；阿里巴巴從微軟引入了IEEE院士華先勝，由其帶領(lǐng)阿里云的視覺計(jì)算(Visual Computing)團(tuán)隊(duì)，專注于視頻圖像分析、識別和搜索等領(lǐng)域的AI技術(shù)研發(fā)，阿里巴巴基于圖像識別的違規(guī)信息屏蔽服務(wù)能夠以95%的準(zhǔn)確率高效攔截圖中的違規(guī)信息，有效過濾商家惡意推廣，維護(hù)消費(fèi)者權(quán)益；騰訊也組建了“優(yōu)圖”團(tuán)隊(duì)，為騰訊旗下各服務(wù)如QQ空間、微信等提供人臉識別、圖像識別服務(wù)。

將2015年我國圖像識別國內(nèi)專利持有者進(jìn)行排序。前50名如表1所示。

表1 2015年中國專利國內(nèi)持有者情況

?

根據(jù)表1，前50名中，35家大學(xué)，13家企業(yè)，2個科研院所，說明我國圖像識別方面，企業(yè)并未成為研發(fā)的主體，而且也有很多高校院所專利未能轉(zhuǎn)化，產(chǎn)業(yè)化空間有待開拓。前50名所在的城市，北京占比最高，有12家，將近1/4，并且有7家企業(yè)，4家高校和1個科研院所，說明北京在圖像識別的研發(fā)和產(chǎn)業(yè)化方面都處于較為先進(jìn)的地位。

國家電網(wǎng)公司以244件專利排在第一名，并且與第二名西安電子科技大學(xué)有較大的距離，表現(xiàn)出強(qiáng)大的研發(fā)實(shí)力，并且國家電網(wǎng)公司已經(jīng)大量使用圖像識別來進(jìn)行設(shè)備運(yùn)行監(jiān)測、安全預(yù)警等。

將2015年我國圖像識別專利國外專利所有者進(jìn)行排序，前20名如表2所示。

表2 2015年國外企業(yè)在中國申請專利情況

從表2中可知，圖像識別領(lǐng)域，國外企業(yè)在中國申請的專利總的可以分為“數(shù)碼相機(jī)”“掃描儀、打印機(jī)和復(fù)印機(jī)”“自動駕駛汽車”和“醫(yī)療器械”這幾大領(lǐng)域，可見這些領(lǐng)域?qū)D像識別技術(shù)有較大的需求，例如數(shù)碼相機(jī)的人臉識別，掃描儀的光學(xué)字符識別（OCR），自動駕駛汽車的道路狀況識別，醫(yī)用掃描器械對圖像的優(yōu)化等?？梢灶A(yù)見，在這些行業(yè)內(nèi)，我國的本土企業(yè)在進(jìn)行圖像識別相關(guān)的創(chuàng)新和研發(fā)時(shí)，將遇到較大的專利壁壘。同時(shí)，將國外企業(yè)在中國申請專利數(shù)量按國家進(jìn)行排序，如表3，可知日本企業(yè)在申請我國專利方面最為積極，將是我國圖像識別相關(guān)領(lǐng)域企業(yè)的主要競爭對手。

表3 2015年不同國家在中國申請專利情況

?

將2015年圖像識別專利按城市進(jìn)行排序，結(jié)果如表4。

表4 2015年中國先進(jìn)城市專利數(shù)量情況

?

根據(jù)表4可知，北京在圖像識別方面擁有全國最豐富的資源，參照表1既有國家電網(wǎng)、小米、曠視科技、小孔科技及百度等在圖像識別方面有所涉足企業(yè)，又有北航、北工大、清華及北京理工等具備圖像識別研發(fā)實(shí)力的高校，專利數(shù)量領(lǐng)跑全國。第二名深圳的專利數(shù)量只有第一名北京的1/2左右，與其后的上海、成都處于同一梯隊(duì)，可見我國圖像識別研究資源極為不平衡，過分集中在北京地區(qū)。在表中，廈門排名21，落后程度比較大，但在福建省中，廈門的專利數(shù)量處于第一位。

對專利數(shù)量靠前的30個城市，按專利分類列舉其持有量最高的10類專利進(jìn)行對比分析，如表5。

表5 2015年中國圖像識別先進(jìn)城市專利分類號頻數(shù)排序

?

?

表6 專利分類號與分類號意義對比

?

根據(jù)表5的信息，參照表6可知，G06K 9/00“圖形、字符識別”，G06T 7/00“圖像分析”，H04N 7/18“閉路電視系統(tǒng)”是三個最為普遍的專利，是圖像識別技術(shù)重要的基礎(chǔ)。其中，閉路電視系統(tǒng)是安防領(lǐng)域的常見專利，說明圖像識別在安防領(lǐng)域的應(yīng)用較為熱門。其他較為熱門的分類包括：應(yīng)用電子設(shè)備進(jìn)行識別；圖像增強(qiáng)，是圖像預(yù)處理的一部分；信息檢索，是基于圖像識別的問答器所需要的技術(shù)；攝像機(jī)遙控，用于在某些使用環(huán)境下更為靈活地獲取待分析圖像；出勤登記器，主要用于基于圖像識別的門禁打卡；瑕疵識別，常用于設(shè)備運(yùn)行狀態(tài)檢測及流水線上的產(chǎn)品分揀；手動計(jì)算機(jī)輸入裝置，是與圖像識別相關(guān)的另一種計(jì)算機(jī)交互方式等。

廈門圖像識別領(lǐng)域發(fā)展情況

對廈門2015年專利數(shù)按所有者排序，如表7。

前10名里包含了廈門地區(qū)的4家本科院校和6家企業(yè)，說明廈門有一定的發(fā)展基礎(chǔ)。專利擁有量最高的是高校，表明廈門圖像識別產(chǎn)業(yè)上升空間較大。

表7 廈門2015年專利按所有者排序

高校中，廈門大學(xué)研究范圍比較廣，包含基于圖像識別的度量測定、瑕疵檢測，文字識別、圖像識別、特征抽取及圖像增強(qiáng)等，以及基于深度神經(jīng)網(wǎng)絡(luò)的圖像識別算法等。理工大學(xué)基于人臉識別及物體識別技術(shù)，開發(fā)了門禁、考勤、自動售貨等應(yīng)用專利。華僑大學(xué)的4個專利是對堆疊骨料及織物的識別及瑕疵檢測。集美大學(xué)的4個專利主要是用于核酸的檢測、識別和分析。

企業(yè)中，美圖之家的專利圍繞其自家產(chǎn)品“美圖秀秀”和“美顏相機(jī)”等，主要基于人臉、皮膚等內(nèi)容的檢測，并以此為基礎(chǔ)進(jìn)行圖像處理和優(yōu)化；矽照光電的專利絕大多數(shù)都與二維碼的高級應(yīng)用相關(guān)，例如有8件專注于將二維碼多灰階化，4件專注于將二維碼彩色高階化，目的是在保持二維碼功能的前提下，加入肉眼可以識別的信息；雅迅網(wǎng)絡(luò)的專利既有圖像特征抽取，也有模式識別，都是圖像識別技術(shù)在國際上研究較多的領(lǐng)域，但專利數(shù)量較少；廈門中控生物識別的專利主要是人臉識別與靜脈識別。

參照表5對2015年廈門圖像識別專利按分類號進(jìn)行分析，與國內(nèi)其他城市的專利熱度進(jìn)行對比可知，廈門對圖像識別的研究方向與全國大致相同的，包括圖形、字符識別、圖像分析、應(yīng)用電子設(shè)備進(jìn)行識別、圖像增強(qiáng)、攝像機(jī)遙控和出勤登記器等都是熱門專利。

“閉路電視系統(tǒng)”分類與安防產(chǎn)業(yè)相關(guān)，是國內(nèi)圖像識別的熱門專類，有較好的前景，廈門在這方面有所落后。

建議與對策

廈門市的圖像識別技術(shù)已經(jīng)有一定的基礎(chǔ)，雖然專利總量不多，但專利分類涵蓋了大多數(shù)重要的發(fā)展方向，有較好的潛力，對廈門發(fā)展圖像識別相關(guān)產(chǎn)業(yè)提出如下的思路和建議：

1．加大扶持力度，加快成果產(chǎn)業(yè)化

對于已經(jīng)擁有圖像識別自主知識產(chǎn)權(quán)的企業(yè)、高校和科研院所，鼓勵其在人臉識別、文字識別、物體識別和行人異常行為識別等熱門應(yīng)用上加快技術(shù)成果產(chǎn)業(yè)化。對申請相關(guān)專利予以獎勵，壯大廈門在圖像識別技術(shù)方面的根基。同時(shí)，落實(shí)科研成果轉(zhuǎn)化激勵政策和科研成果掛牌交易及交易公示制度，促進(jìn)圖像識別技術(shù)的轉(zhuǎn)化，在企業(yè)生產(chǎn)、經(jīng)營流程中引入基于圖像識別技術(shù)的自動監(jiān)控，降低人工成本，提高工作效率和準(zhǔn)確率，以圖像識別技術(shù)增強(qiáng)企業(yè)的競爭力。此外，根據(jù)企業(yè)對圖像識別應(yīng)用的需求，引進(jìn)國內(nèi)外的圖像識別先進(jìn)企業(yè)，完善圖像識別供給鏈。

2．加強(qiáng)行業(yè)交流，舉辦專業(yè)的行業(yè)展會

作為一個著名的旅游城市，為了能夠進(jìn)一步推動廈門圖像識別產(chǎn)業(yè)的發(fā)展，可以承接大型的圖像識別、生物識別和機(jī)器視覺相關(guān)的行業(yè)展會，匯聚更多的圖像識別技術(shù)相關(guān)企業(yè)進(jìn)行行業(yè)技術(shù)的交流與對接，加強(qiáng)行業(yè)的交流與合作。要進(jìn)一步形成交流、展示和交易互動的平臺，提高技術(shù)交流的綜合效能。要推動企業(yè)間的合作，既重視與跨國公司和大企業(yè)的合作，又重視與科技型中小企業(yè)的合作。跟蹤全球圖像識別發(fā)展的最新趨勢，大膽借鑒國外先進(jìn)經(jīng)驗(yàn)，走社會化、市場化的道路，提高服務(wù)質(zhì)量，打造品牌，增強(qiáng)廈門圖像識別行業(yè)的競爭力。

3．鼓勵發(fā)展圖像識別技術(shù)在安防領(lǐng)域的應(yīng)用

隨著我國經(jīng)濟(jì)的高速增長，科技的迅猛發(fā)展，基于視頻監(jiān)控的安防體系已經(jīng)成為公安機(jī)關(guān)預(yù)防與打擊違法犯罪、維護(hù)社會治安穩(wěn)定的重要手段，然而由此產(chǎn)生了大量監(jiān)控視頻卻無法一一進(jìn)行人工檢閱和整理，因此圖像識別技術(shù)憑借其自動檢閱監(jiān)控視頻、自動識別和比對視頻內(nèi)容等功能，成為安防領(lǐng)域的重要技術(shù)力量，而安防也成為圖像識別領(lǐng)域的熱門應(yīng)用，具有廣闊的發(fā)展前景。廈門市安防產(chǎn)業(yè)居于全國領(lǐng)先，下一步有必要結(jié)合圖像識別技術(shù)，支撐安防產(chǎn)業(yè)的智能化發(fā)展。因此，建議從頂層設(shè)計(jì)規(guī)劃安防行業(yè)的產(chǎn)業(yè)發(fā)展戰(zhàn)略，將其與圖像識別技術(shù)的發(fā)展相結(jié)合，兩個產(chǎn)業(yè)互相推動，共同進(jìn)步。對現(xiàn)有的具有圖像識別技術(shù)的企業(yè)、高校和科研院所進(jìn)行支持，鼓勵進(jìn)行安防產(chǎn)品的研發(fā)及專利申請，對安防領(lǐng)域的企業(yè)，鼓勵其與高校、科研院所合作，進(jìn)行圖像識別方面的研究和開發(fā)。

（作者單位：廈門市科學(xué)技術(shù)信息研究院）