手机厂商叫停像素之战  摄像头后千亿生意待淘金(3)

平安证券发布的《人工智能图像识别专题报告》(下称“报告”)显示，截至2016年初，在所有AI领域的企业中，聚焦于图像感知的公司数量总计有185家(包括通用层和应用层)，仅次于最火的机器学习。而其截至2016年初的累计融资总额更是超过了11亿美元。

第一财经记者梳理发现，在前端捕捉深度信息，后端处理并理解复杂数据，最后反馈从而进行决策，成为图像感知产业活动中的一个循环。

正是在这样一个循环流程中，诞生了大量初创企业，它们以自己掌握的硬件或算法为核心，提供软件或软硬一体化的产品，以期撬动产业金矿。

比如，同图漾科技一样，海康威视也推出其工业级的相机产品;旷世科技、商汤科技则更加聚焦在人脸识别领域，提供各类解决方案;以色列企业Mobileye则在高级辅驾领域更加得心应手;黑芝麻也将结合他们在图像和机器学习方面的产业经验和技术实力，做出更优化的视觉感知方案，从而达到使移动智能应用、高级辅驾甚至自动驾驶等更易于被终端厂家接受的目的。

报告显示，2020年全球生物识别市场规模将达250亿美元，5年内年均增速约14%;而机器视觉也将在2018年达到50亿美元的市场规模。

从捕捉到理解

刷脸支付、机场自助通关、物流自动分拣、无人驾驶等都是图像感知技术快速普及的一个缩影。在这样场景的背后，是越加成熟的技术和越发准确的识别率。

据第一财经记者了解，在ImageNet比赛的图像识别中，对象分类项目的准确率已经从2010年的72%提升到了2016年的97%。那么，如此之高的准确率是如何实现的呢?

无论是深度摄像头、AI芯片，还是基础算法、神经网络，在图像感知产业链上，一切都是为了两个目的而服务的：更好地在前端捕捉深度信息，以及更准确地在后端处理并理解数据。

“如果前面获取的图像已经坏了，或者糊了，那后方如何针对图像进行分析呢?”单记章问道。

的确，在图像捕捉的过程中极容易受到外界的干扰与影响，较上述物流领域更为复杂的情况比比皆是，比如自动驾驶：需要应对山洞内外的不同光信号强度、车身抖动甚至极端的雾霾及雨雪天气。“晚上很暗，雨飞来飞去、雨刷刮来刮去，这个时候怎么看清楚;大太阳照在摄像头上，人眼都看不见，这个时候又如何判断。这些都是图像捕捉中的难点。”单记章表示。