導(dǎo)讀：今天是我們視覺主題的第四次推送，我們把目光焦點放在一家專注于深度學(xué)習(xí)和計算機視覺技術(shù)研發(fā)的人工智能公司——閱面科技(ReadSense)。

閱面科技成立于2015年，公司擁有全球頂尖的算法團隊，成員來自阿里巴巴、百度以及卡內(nèi)基梅隆等國內(nèi)外知名大型企業(yè)，閱面科技創(chuàng)始人兼CEO趙京雷是上海交通大學(xué)人工智能博士，前阿里巴巴北京算法研究中心負責(zé)人，前WiseNut研發(fā)中心算法負責(zé)人，專注人工智能領(lǐng)域算法研究超過15年。

閱面擁有的核心算法是其自主研發(fā)的業(yè)內(nèi)首個跨模態(tài)人臉識別引擎 UniFace，與目前主流算法不同的是，UniFace打破了不同Sensor，不同環(huán)境，不同場景，不同領(lǐng)域人臉特征表達的限制，這種跨模態(tài)人臉識別引擎能夠憑借卷積神經(jīng)網(wǎng)絡(luò)讓前端方案擁有更加強大的處理能力，執(zhí)行圖像的計算和分析任務(wù)，并實現(xiàn)前端和云端的聯(lián)動以及知識的遷移，提高整體的識別效率。

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(jiān)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(yīng)用。

擁有如此華麗的技術(shù)團隊陣容，閱面想做的事卻是打破人工智能“高大上”的現(xiàn)狀，將其做到真正的大眾化。讓深度學(xué)習(xí)算法通用化，將大量優(yōu)化過的底層算法集成在低端的芯片上，滿足智能硬件制造者對芯片成本低、功耗低、能夠?qū)崿F(xiàn)動態(tài)計算的需求。

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，取名“繁星AI芯片”，這塊AI芯片視覺模塊由Sensor＋ISP＋VPU＋嵌入式深度學(xué)習(xí)視覺算法組成，能從芯片端智能輸出結(jié)構(gòu)化數(shù)據(jù)。

在模塊設(shè)計上，閱面科技也使用了常規(guī)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(shù)據(jù)輸出接口，方便集成，能夠降低開發(fā)智能視覺產(chǎn)品的技術(shù)成本。

繁星的VPU采用的是英特爾旗下的Movidius Myriad 2，這是目前性價比最高的人工智能邊緣計算平臺。Myriad 2基于28納米工藝，擁有12個可編程的深度學(xué)習(xí)核心，可支持每秒3萬億次浮點運算，功耗不到0.5瓦。最大能夠同時支持6個60幀 Full HD 視頻內(nèi)容輸入。

為了能夠搭載適用于不同場景算法的應(yīng)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(shù)據(jù)采集模塊、人機交互模塊。

人臉識別模塊：通過寬動態(tài)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(jié)構(gòu)化數(shù)據(jù)，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(fù)率低于10%。同時，支持2萬人內(nèi)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(shù)據(jù)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(shù)、人群屬性以及軌跡分析?？蓪崟r記錄15人運動軌跡及運動方向，可進行進出指定區(qū)域的人數(shù)統(tǒng)計，準確率達95%。

在本次發(fā)布會現(xiàn)場，閱面科技還發(fā)布了其基于數(shù)據(jù)采集模塊研發(fā)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(shù)、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。

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(zhuǎn)化為指令使得機器做出正確響應(yīng)。毫秒級檢測及追蹤速度，響應(yīng)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。

“實時動態(tài)”、“低功耗”和“低成本“是閱面科技在推廣自己AI技術(shù)時的理念，這些特點正是人工智能技術(shù)以更低的門檻進入人類日常生活所必需的。而這也是他們選擇消費級產(chǎn)品市場作為切入點的原因，基于公有云的AI開放服務(wù)市場，未來是BAT等巨頭的舞臺；

視覺在垂直領(lǐng)域的應(yīng)用，盡管前景廣闊，但是在數(shù)據(jù)采集等方面已經(jīng)不是技術(shù)能夠解決的事情，目前也有很多大公司在做；相比之下，視覺算法在消費級市場的應(yīng)用目前看起來空間更廣闊，選對了賽道，與時間做朋友，迎來爆發(fā)性的增長就是可預(yù)見的未來。