通過計算機(jī)視覺中的機(jī)器學(xué)習(xí)進(jìn)行對象檢測和分類，可以幫助照相機(jī)像人類一樣“看到”，識別出各種物理形狀，例如汽車，狗或人。

　　如何使用計算機(jī)視覺檢測人

數(shù)據(jù)科學(xué)家以及從智慧城市到零售再到監(jiān)視的廣泛行業(yè)中，對人類進(jìn)行實時檢測已成為一種重要趨勢?？紤]似乎不再是科幻小說：

1、計數(shù)沿著小路或人行橫道的行人。

2、分析購物者的行為或停留時間。

3、家用安全攝像機(jī)可檢測訪客或入侵者。

實際上，這可能比您想象的要容易。

成功檢測圖像或視頻中的人物意味著您正在構(gòu)建將物體檢測和圖像分類結(jié)合起來的應(yīng)用程序?？勺屇鷻z測圖像數(shù)據(jù)中對象的技術(shù)與當(dāng)前在許多行業(yè)中使用的流行視覺分類工具略有不同。

一方面，現(xiàn)在有了一個框架，可以以不同的準(zhǔn)確度檢測視頻中的特定對象。將識別出的對象在圖像中的位置與對對象類別的理解配對在一起，意味著您的應(yīng)用程序可以區(qū)分圖像一個區(qū)域中的人與可能被誤認(rèn)為人的對象（例如零售環(huán)境中的人體模型） 。

探索物體檢測意味著理解：

1、通過檢測圖像和視頻中的人物可以完成的工作

2、檢測人與人臉識別等其他技術(shù)有何不同

3、車輛檢測等一般物體檢測與人物檢測之間的關(guān)系

4、定義這些工具的概率問題

5、該技術(shù)的當(dāng)前和未來的現(xiàn)實世界工業(yè)4.0應(yīng)用

　　人體檢測的方式和方式

將對象檢測工具應(yīng)用于圖像和視頻可以完成什么工作？計算機(jī)視覺人員檢測可以完成三項不同的任務(wù)：

1、從背景圖像中拾取對象

2、使用概率分?jǐn)?shù)將對象提議屬于某個類別（在這種情況下為人類）

3、使用xy起源以及身高和身長值定義擬議人員的邊界

示例：通過安全攝像機(jī)進(jìn)行物體檢測和人體形狀分類。

在較高的層次上，使用計算機(jī)視覺應(yīng)用程序?qū)D像進(jìn)行人體檢測時要考慮兩個因素。首先，存在技術(shù)方面的問題-如何識別圖像或視頻中的人物。第二部分是您可以如何處理結(jié)果，并且與從應(yīng)用程序中獲得的回報質(zhì)量有關(guān)。

　　對象檢測的工作原理

一般而言，解決如何檢測照片或視頻數(shù)據(jù)中的對象的問題始于圖像的系統(tǒng)劃分。首先，該工具將算法應(yīng)用于輸入以識別感興趣的區(qū)域。然后，機(jī)器將根據(jù)您的設(shè)置提出一系列對象建議。檢測的后步驟是根據(jù)模型對對象進(jìn)行分類，應(yīng)用概率閾值并返回接受的建議框架中的類別和位置。

在這種情況下，您要尋找的班級是人類。應(yīng)用程序通過使用深度學(xué)習(xí)人工智能系統(tǒng)對大量圖像進(jìn)行預(yù)訓(xùn)練的處理塊，在視野中檢測這些人為對象。這些處理模塊被稱為模型，可以對其進(jìn)行訓(xùn)練以識別人類可以看到的幾乎所有物體。

在計算機(jī)視覺應(yīng)用程序中實現(xiàn)人工檢測時，您可以使用預(yù)先訓(xùn)練的模型或自己提供模型。您給模型提供的數(shù)據(jù)越多，設(shè)備在識別所需對象以及學(xué)習(xí)如何為將來進(jìn)行改進(jìn)方面就會越好。

　　如何使用物體檢測

獲得輸出后，將取決于您如何使用它。您的用例將確定各種細(xì)節(jié)，例如檢測閾值。一種情況下較好的物體檢測工具可能不適用于其他情況。

由于模型訓(xùn)練和多層深度處理的進(jìn)步，機(jī)器在過去的幾年中已經(jīng)有效地執(zhí)行了這些任務(wù)。例如，特征提取和比較技術(shù)的兩個早期先鋒Deepeep和DeepID已經(jīng)變得如此高效，以至于現(xiàn)在存在許多面向消費(fèi)者的示例：例如，人們現(xiàn)在使用該技術(shù)來解鎖其平板電腦和手機(jī)。

云處理代表了CV的一項重要突破，將強(qiáng)大的資源交付給各地的開發(fā)人員。但是，新的CV平臺可輕松訪問開放的API平臺，從而為開發(fā)人員提供了更大的靈活性?，F(xiàn)在，可以在邊緣的設(shè)備上構(gòu)建深度學(xué)習(xí)應(yīng)用程序。您無需成為計算機(jī)視覺專家，也無需依賴云連接來利用核心計算機(jī)視覺服務(wù)（例如對象檢測）來處理和分析圖像。現(xiàn)在，各種規(guī)模的企業(yè)都可以在資源受限的低功耗設(shè)備上構(gòu)建和部署計算機(jī)視覺應(yīng)用程序。

在比您想象的更少的時間內(nèi)開始構(gòu)建對象檢測器。

　　人體檢測與物體檢測的應(yīng)用

檢測人和其他物體之間有區(qū)別。例如，制造中的對象檢測與大多數(shù)情況下的人員檢測有很大不同。

在工作場所，Rvsto Vision可以幫助工人安全或優(yōu)化人機(jī)交互。

制造對象檢測應(yīng)用程序可能涉及管道跟蹤或機(jī)器人行為分析，或使用計算機(jī)視覺分析微觀缺陷。同一行業(yè)中的人類檢測目標(biāo)可能更適合于操作的其他方面。例如，AI分析可能能夠利用現(xiàn)有的安全攝像機(jī)饋送來提高工廠工人的安全性，補(bǔ)充現(xiàn)有的做法和保障措施。AI CV工具能夠檢測對象類型（而不僅僅是對象的存在或移動）的能力實現(xiàn)了這種多功能性。

如何設(shè)定成功的機(jī)率

分類是物體檢測的核心概念之一。該模型接受圖像輸入，并根據(jù)其訓(xùn)練方式返回建議的對象類。例如，您可能構(gòu)建一個簡單的人體檢測應(yīng)用程序以瀏覽一系列圖像并尋找人。它將圖像與模型對人類是（不是）人類的理解進(jìn)行比較，然后為您輸入的每一個輸入返回概率值。這通常是一個從零到一百的百分比值，表示該程序?qū)φ掌腥祟惔嬖诘男判摹?/p>

幾乎每個對象檢測應(yīng)用程序都非常關(guān)注被檢測對象是提議類成員的可能性。通常，對象檢測算法定義的每個區(qū)域都會分配一個概率分?jǐn)?shù)。通過各種方法確保的這些分?jǐn)?shù)的平均值將返回建議對象為人的總概率。這些數(shù)字可能會由于多種因素而有所不同：

1、模型中的數(shù)據(jù)量和訓(xùn)練水平

2、對圖像執(zhí)行的分析類型

3、數(shù)據(jù)輸入的質(zhì)量

4、物體相對于總圖像的尺寸

例如，高精度，低速分析可能從大量的框開始，并應(yīng)用對它們進(jìn)行排序的規(guī)則，以尋找可能的結(jié)果。較低精度的快速分析可能會采用網(wǎng)格并分析模型中每個類的存在的每個部分。不管您打算采用哪種流程，您的應(yīng)用程序目標(biāo)都將決定您在輸出時所需的概率。

較重要的是要了解嵌入式設(shè)備的硬件或類型，以及用例目標(biāo)對于建立成功的開發(fā)周期很重要。了解您的選擇是找到理想實現(xiàn)的第一步。

　　了解面部檢測與面部識別

面部識別和面部檢測有一些相似之處，特別是在技術(shù)方面，但是在實用性方面有所不同。在查看對象檢測平臺或模型時，請確保您知道其中的區(qū)別：

1、面部識別可以根據(jù)人的特征來識別他們，

2、面部檢測可發(fā)現(xiàn)個人面孔，無需個人識別

面部識別通過將其面部特征與已知圖像或一組圖像（例如護(hù)照控制站或用于安全訪問的身份檢查點(diǎn)）相匹配來識別一個人。

面部檢測用于對物理空間中的人進(jìn)行計數(shù)，還可以用于區(qū)分空間的進(jìn)入與退出，或看廣告或物體所花費(fèi)的時間/凝視時間。

面部識別和面部檢測都使用對象檢測框架來對視野中的對象進(jìn)行分類和定位。人臉檢測將獲取某種類型的圖像輸入，檢查對象的人物或面部類別并將其放置在框架中。此外，面部識別還將挑選出眼睛，嘴巴和其他各種特征，以與已知數(shù)據(jù)集進(jìn)行比較。

該過程的通用技術(shù)方面或多或少在相似之處結(jié)束。目標(biāo)通常大不相同。盡管人臉識別可以找到人臉并分析其特征，但是大多數(shù)人臉檢測工具需要確認(rèn)人的存在并確定其位置。

這給您選擇。例如，在一家商店中，具有面部檢測功能的解決方案可以計算出顧客的數(shù)量以及在商店各個部分所花費(fèi)的時間，而面部識別可以用于識別顧客數(shù)據(jù)集并將其排除在顧客數(shù)據(jù)集中。

　　如何選擇較佳的物體檢測方法

與每項新興技術(shù)一樣，在計算機(jī)視覺方面，有很多技術(shù)術(shù)語可能會引起混淆或被視為同義詞。有分類，檢測，跟蹤，計數(shù)等等。但是，較大的困惑點(diǎn)之一是物體檢測和圖像分類。在較基本的層次上，分類和檢測之間的區(qū)別很簡單：

1、分類基于對內(nèi)容的分析將預(yù)測應(yīng)用于圖像。

2、檢測可定位圖像中的對象。

聯(lián)系我們，并使用我們的平臺輕松構(gòu)建對象檢測器應(yīng)用并將其部署到您的電路板上。

　　當(dāng)對象分類起作用時

分類是計算機(jī)視覺中的主要挑戰(zhàn)，并且通常是對象檢測的先決條件。在這里，通常會利用大數(shù)據(jù)-需要大量信息來訓(xùn)練能夠識別各種對象的通用模型。定制模型通常還需要許多正面和負(fù)面的例子。還有其他因素也會起作用，例如圖像中的對象大小，圖片質(zhì)量等。

當(dāng)然，將對象放在特定類別中是檢測的有用元素。實際上，一旦您超過了識別對象存在的門檻，對它們進(jìn)行分類就成為許多應(yīng)用程序中的下一個主要步驟。

該過程本身也很有用。例如，它可以幫助自動注釋數(shù)據(jù)庫項目。但是，由于嚴(yán)格分類只能提供描述存在一類物體的可能性的概率表或一組表，因此僅憑它就不能促進(jìn)檢測，跟蹤，定位或其他類似任務(wù)。

較重要的是，對對象進(jìn)行分類是檢測圖像和視頻中人物的必要先決條件。畢竟，對于CV工具而言，人類是一類視覺對象。諸如YOLO之類的快速掃描工具可能是個例外，它們會針對對象的存在進(jìn)行預(yù)測，而與對象的類無關(guān)。在這種類型的系統(tǒng)中的單類模型中，分類和檢測實際上將同時發(fā)生。在任何情況下，即使檢測對象的過程幾乎總是依賴于分類，但并非所有分類任務(wù)都須是對象檢測任務(wù)。

　　將檢測擴(kuò)展到對象跟蹤

跟蹤對象是對象檢測的有用的應(yīng)用程序。在檢測到某個人之后，您可能希望通過零售設(shè)置中的購物管道來跟蹤主題，或者例如跟蹤并整理多個不同檢測輸入流上的行為。

零售熱圖通過使用計算機(jī)視覺對象檢測和跟蹤從安全攝像機(jī)收集的數(shù)據(jù)來確定客戶的流量模式和在銷售地點(diǎn)花費(fèi)的時間。

假設(shè)您是一家零售商，并為特定產(chǎn)品設(shè)定了銷售目標(biāo)。您可以通過跟蹤互動后的客戶行為來分析員工傳達(dá)促銷信息的有效性。如果在到達(dá)客戶時收到有關(guān)促銷的消息，那么該客戶會立即還是在以后的購物經(jīng)歷中購買商品？跨一系列商店攝像機(jī)的對象跟蹤可以幫助您了解溝通策略的有效性。

　　將檢測與對象計數(shù)一起使用

您可以優(yōu)化應(yīng)用程序以進(jìn)一步處理檢測到的對象的另一種方法是對它們進(jìn)行計數(shù)。如果您具有某些類型的變量，這將成為一個復(fù)雜的問題。例如，在決定如何分配安全資源時，大批人群通過多個訪問點(diǎn)進(jìn)入和離開節(jié)日場地可能構(gòu)成挑戰(zhàn)。通過使用具有嵌入式計數(shù)功能的固定式CV攝像機(jī)或無人機(jī)，安全公司可以獲得準(zhǔn)確，更新的人口計數(shù)和密度數(shù)據(jù)，以告知人員決策。

對象計數(shù)通常要求您對對象進(jìn)行分類。但是，除了交叉檢查所有位置值都不相同之外，您不必返回其位置。因此，對象計數(shù)更多地是檢測的子集。

構(gòu)建一個應(yīng)用來計數(shù)或跟蹤對象？開始輕松地部署到嵌入式設(shè)備。?

　　何時使用工具組合

當(dāng)然，將人工智能和智能視覺帶入嵌入式設(shè)備的實際用例不僅需要一種核心計算機(jī)視覺服務(wù)，還需要更多的服務(wù)。您可能希望以各種功能一起使用的方式使用它們，并使您的應(yīng)用程序或設(shè)備更智能。但是，將各種計算機(jī)視覺功能組合到邊緣設(shè)備上的應(yīng)用程序時，需要考慮許多因素。

從理論上講，這聽起來不錯，并且在實踐中也可以起作用。這是一個使用所有這三種計算機(jī)視覺技術(shù)的假設(shè)示例。

問題：您要在有人進(jìn)入商店時檢測他們，并確定他們在特定地點(diǎn)移動時與特定燈具交互的可能性。

對象檢測：您將編寫并訓(xùn)練一個人機(jī)交互模型來檢測您的設(shè)備和人，并使客戶與同事區(qū)分開。

對象跟蹤：您將實現(xiàn)跟蹤功能，以在檢測到商店中的客戶后跟蹤他們，并記錄他們與顯示器交互的詳細(xì)信息。

對象計數(shù)：對象檢測可對指定類別中的單個對象進(jìn)行計數(shù)，例如對人員進(jìn)行計數(shù)或?qū)μ囟óa(chǎn)品進(jìn)行計數(shù)。

結(jié)合計算機(jī)視覺原語，零售商可以通過計算在顯示器前停下的顧客數(shù)量，花費(fèi)在看產(chǎn)品或通訊上的時間以及看該產(chǎn)品是否是放入購物車并購買。

　　如何在嵌入式設(shè)備上實現(xiàn)計算機(jī)視覺

從無人駕駛汽車，交通監(jiān)控到智能城市和交通中心，物聯(lián)網(wǎng)嵌入式設(shè)備已被用作主要或輔助工具。對象檢測對于各個行業(yè)的應(yīng)用程序很有用：

1、零售

2、安全

3、農(nóng)業(yè)

4、衛(wèi)生保健

5、制造業(yè)

現(xiàn)在，對象檢測在準(zhǔn)確性和速度方面正在趕上人類，現(xiàn)在是將深度學(xué)習(xí)計算機(jī)視覺AI交付日常開發(fā)人員的時候了。工具在那里，處理負(fù)擔(dān)得起，其價值正等待添加到現(xiàn)有架構(gòu)中。

現(xiàn)有的家庭安全攝像機(jī)或日常網(wǎng)絡(luò)攝像機(jī)可以通過alwaysAI技術(shù)進(jìn)行升級，以更準(zhǔn)確地通知所有者攝像機(jī)檢測到的運(yùn)動源，從而消除了落葉引起的虛假信號，同時區(qū)分了動物和人。

您可能會對當(dāng)前的某些相機(jī)和設(shè)備可以在何種程度上集成人工智能感到驚訝，即使它們處于資源受限，低功耗的環(huán)境中，也沒有網(wǎng)絡(luò)連接或無法訪問云計算。

　　為您的企業(yè)部署計算機(jī)視覺應(yīng)用程序

想象一下具有CV功能的邊緣設(shè)備可以為您的企業(yè)做些什么。然后，獲取實現(xiàn)它所需的反饋和基礎(chǔ)。有了正確的開發(fā)環(huán)境和支持，您會發(fā)現(xiàn)這些應(yīng)用程序很容易實現(xiàn)。