1.3 人工智能中的3D行為識別及其商業化
我于1997～2000年在微軟工作，后來去硅谷創業，開辦了一家做壓縮芯片的公司，2008年這家公司被收購。回國后我又創辦了一家VR公司，于2013年被收購。2014年我創辦了皓圖智能科技，研究“3D行為識別”。
從1997年到2008年，我一直在視頻領域工作，2004年開始進入3D領域，那時電腦芯片開始加入圖形處理器（Graphics Processing Unit, GPU），我是交互式網絡電視（IPTV）芯片負責GPU的設計師。所以在3D行業里，我們有13年的經驗積累，而從創辦VR公司到現在，在行為視頻領域，我們有近十年的經驗積累。
視頻領域的兩個派別：2D派與3D派
人類在視頻領域能夠發展到何種地步？這個問題的答案有很大的想象空間。人眼能夠判斷物體的前后關系，但不具備精確測量距離的能力，只能靠疊加關系來了解整個三維空間。現在視覺領域里有兩個派別，一個派別使用2D信息，比如2D人臉識別，另一個派別使用3D信息，比如3D行為識別。
人類希望用立體視覺觀察世界。只有X軸和Y軸組成坐標系的空間，即二維空間，包含的信息量很少，所以人們需要的是對三維空間的觀察和理解。用2D攝像頭拍攝三維空間所呈現出的畫面，其實是一種變形空間，我們的世界是三維世界，只有對三維世界進行三維采集、三維分割，才能觀察到并理解真實的空間，進而解決真實的空間中存在的問題。因此，我對使用2D信息的派別持悲觀態度。舉個例子，一個人經過正在拍攝的攝像頭時可能在低頭，也可能在做其他動作，有時這個人被攝像頭拍攝到的角度很特殊，面部只露出一部分，在這種情況下攝像頭很難利用2D信息進行人臉識別。
3D行為識別：一種與眾不同的識別方法
皓圖的技術為什么叫“3D行為識別”？在判定一個人的行為時，皓圖沒有使用常規方法，而是通過加入3D技術，使用了一種全三維的方法，這種方法也可以被稱為數學空間、幾何空間方法。到目前為止，公司80%的精力都放在從數學層面上描述這個世界。
3D行為識別的研發具有一定難度。以前皓圖做線下消費行為識別的項目時就覺得非常難，因為動態識別需要對人的動作進行跟蹤，而跟蹤是一件很不容易的事情，憑借單個攝像頭進行跟蹤并不現實。在把整個三維空間全部矢量化后，這項工作就變得簡單一些了。首先把空間和人矢量化，某人進入一個場景后，設備會對他進行軌跡跟蹤，然后對他全身的骨骼動作進行精確的分析和判斷，他的手指做了什么運動，碰到了哪些地方，所有軌跡設備都可以進行跟蹤和識別。這項技術不屬于機器學習的范疇，而屬于幾何計算的范疇。
目前皓圖的3D識別技術每秒需要處理3.4G數據，雖然數據量很大，但海量數據也帶來了更多信息。面對一個面積一萬平方米、能容納十萬人的場景，皓圖的算法依然能夠完成行為識別。現在，皓圖在技術上已經可以做到在任意復雜的環境里面100%跟蹤并識別任意多人，可以記錄每個人進出監控區域的時間，并重現其運動軌跡。不管這些人是抬頭還是低頭，即便只能看到半個耳朵或一只手，皓圖同樣可以實現對這些人的識別與跟蹤。體積很小的物體也可以被精確跟蹤，動態軌跡可以精確到厘米。
皓圖智能目前主要針對兩類行為進行識別，一類是異常行為的識別，另一類是日常狀態的識別。異常行為目前皓圖只能識別出三種：倒地、撞墻、打架。可能很多人覺得識別“倒地”這個動作很簡單，很多公司都可以做出來。其實到目前為止，幾乎沒有哪家公司檢測倒地行為可以實現100%的準確率，能夠達到40%的準確率就很不錯了。但皓圖檢測的準確率是100%，因為皓圖依靠的是對每個人骨骼特征和軌跡的分析和判斷，并且掌握了地面的平面方程，因此可以做到精確計算。當某人倒地時，他身上每一個肢體部位的速度都能被皓圖完全掌握。可能有些人會對100%的準確率持懷疑態度，實際上這個準確率不需要測試，因為這就是數學的特點，在幾何空間內，數據完全可以被計算出來。
3D行為識別的落地
目前皓圖的技術已經落地，主要場景在監獄和派出所。在一個可以容納12人的監舍里，安裝四臺設備，警察就能夠完全掌握監舍內所有犯人的行為軌跡，完成異常行為的識別和提示，比如犯人在衛生間里停留的時間超過一個標準，機器會自動報警。
我對人工智能的發展持悲觀態度。人工智能需要和一些垂直領域進行聯合，比如在語音識別領域，除了識別講話內容，機器能否把講話者的微表情或是肢體動作識別出來？能否把微表情或是動作同樣轉換為文字？這種技術的研發可能需要十年甚至更長時間，研發難度非常大。
熊效李 皓圖智能科技創始人兼CEO，電子科技大學特聘教授，國家“千人計劃”專家。畢業于美國伯克利大學，曾在美國Microsoft、WISchip/Micronas等多家跨國公司擔任高級管理職位。