近幾年CV（計算機視覺）一直是AI最火的技術領域之一。經過幾年的攻城略地，國內市場已經形成了曠視、依圖、商湯、云從這「CV四小龍」盤踞的格局。
但目前CV應用仍然局限在人臉識別領域，應用范圍有限并且容易看見天花板。隨著人臉識別算法的普及，企業很難做出有競爭力的差異化產品。
國內的云通訊巨頭容聯云通訊（簡稱容聯）從2018年起開始涉足CV產業應用，將AI視覺技術帶入產業，通過分析監控視頻為企業、項目的生產和運營提供指導。
容聯的實踐無疑為已成紅海的CV行業指出了一條新的路子。
撰文 | 徐丹
坐落于合肥的海爾滾筒洗衣機工廠中，工作人員正緊張有序的進行洗衣機生產。生產線的另一邊，一臺機器通過攝像頭密切記錄著生產情況。
當一臺生產好的洗衣機進入傳送帶時，機器迅速發出警報，因洗衣機表面出現略微凹陷。
這臺機器便是容聯的智能視覺分析平臺「慧眼」，2019年落地海爾智慧工廠，通過監控分析來識別違規生產動作、產品瑕疵和安全隱患，自動識別違規操作并記錄，大大降低次品率和賠付成本。
海爾工廠的需求并不是特例，在常見的人臉識別等監控類安防外，越來越多的企業需要一種操作系統，可以「讀懂」監控內容為生產提供指導。
這種操作系統可以稱之為垂直于行業的CV產品，目前這個賽道還未完全成型，專注于此的大多數是在某一個行業深耕的創業公司，難見行業巨頭。
容聯是國內云通訊市場「老大哥」，2018年開始推出行業CV產品，目前已經涉足智能制造、化工園區、智慧工地等多個行業，合作的頭部企業十幾家。
一、在CV行業沖出新路子
細數AI技術落地應用，CV應該可以說是國內最成熟的一個市場。但正因成熟，目前市場競爭格局基本成型，巨頭環伺。
「CV四小龍」牢筑護城河，創業公司很難進入，并且人臉識別算法的普及和應用遍地開花，產品已經很難做出差異。
生產端雖然火熱，但從實際落地情況看，除一些車站、小區、辦公園區等公共場所應用到人臉識別產品外，行業感知度并不高。
「AI技術雖然發展迅速，但大多數行業對AI應用都還很陌生。」容聯聯合創始人許志強說。
并且對行業來說，人臉識別解決的問題畢竟有限。而海爾工廠的案例也代表著許多行業真正需求點。在監控產品外，他們還需要一個視覺分析系統，通過分析監控內容對生產運營提供實際指導。
據許志強具體解釋，這種系統可以看作是對監控的補充。系統對接監控攝像頭，通過標準協議采集攝像頭視頻流，對視頻進行抽幀處理，然后根據配置的算法模型識別異常情況。包括人員入侵、煙火等安全問題或者生產流程中不規范操作、產品瑕疵等等。
目前致力于行業CV的大多數是垂直某個行業的小型創業公司，難見行業巨頭，但需求極大，用許志強的話說，「這是一個百億級別的規模的，剛剛起步的市場。」
容聯成立于2013年，是云通訊市場最大的獨角獸。以云化和智能化的方式，為企業客戶提供全面的通訊服務。包括PaaS通訊能力（語音、短信等）、CC（云客服與云聯絡中心）、UC（IM即時通訊云、空中營業廳、企業直播）和“通訊+AI”服務，助力企業提高溝通體驗和經營效率。
2016年容聯開始根據市場需求涉足AI，2018年與華中科技大學聯合成立AI實驗室，主要研發深度學習AI算法，在此基礎上推出了基于智能語音識別、自然語言理解的AICC、智能客服產品。
同時，根據自身的視頻處理技術和AI算法的積累，容聯也向CV行業伸出了觸角，推出了智能視覺分析平臺「慧眼」和智能化視頻識別分析一體機「Aibox」兩款產品。
慧眼屬于平臺產品，適用于100路以上的攝像頭分析。不僅提供標準化的算法模型，還提供能力接口和模型優化服務，比如落地海爾工廠的慧眼就可根據生產情況定制工序檢查和生產線監控模型。
根據定制產品積累的算法模型，容聯后續又根據低預算客戶需求推出標準化硬件產品Aibox，內置多種算法模型，適用于100路以下攝像頭分析，不提供定制和優化模型服務。
二、受海爾、國家電網等多家巨頭企業青睞，能「讀懂」監控的算法什么樣？
目前容聯CV團隊近100人，產品已經在化工園區、智慧工地、智慧工廠、明廚亮灶等多個行業落地，合作的客戶十幾家，包括海爾、國家電網、中國石化、中國石油等。
相比于傳統監控產品，慧眼和Aibox最大的優勢就是可以深入行業環境幫助企業降本增效。
以智慧工地為例，慧眼可結合工地復雜現場做全方面檢測。
比如出入口人員檢測環節，除常規人臉識別外，還可做人數統計、安全帽、反光衣和聚集檢測，車輛檢測包括類型識別、數量識別，甚至輪胎泥土檢測。
現場作業區域可識別入侵檢測、基坑堆放檢測、臨邊洞口檢測和跌倒檢測，人貨梯區域有人數超載檢測，一旦發現異常情況系統會立刻發出警報促進問題解決。
在化工園區，容聯已幫助多個化工園區完成視頻智能化升級改造
在生產車間、裝卸點、固定動火點等作業區域可以識別安全帽、工裝、反光衣等勞保用品佩戴情況，在罐區、危化品倉庫、配電房等重點區域一旦有外來闖入人員，可自動觸發系統告警，對于中控室等需要在崗值守場景，可自動識別睡崗、離崗等行為，對整個化工園區可24h自動識別煙霧火焰等目標，將事故隱患降至最低。
在智慧工廠領域，容聯產品已經超越了安全檢測范圍，可以深入到生產流程檢測產品質量。比如在與海爾工廠的合作中檢測范圍包括運輸越線、安全穿戴、工序流程和產品瑕疵，此前海爾合肥滾筒洗衣機廠年產洗衣機上百萬臺，因次品賠付超過千萬元。合作后該廠的違規操作、賠付成本都下降了30%，安全事故發生次數減少了50%。
在與某工廠合作項目中，慧眼可以檢測工廠和叉車人行道混亂、員工作業不規范、塔架坍塌和傳送帶停止等設備異常，讓工廠違規作業現象下降了30%，人力成本降低了10%，安全事故減少了50%。
在“明廚亮灶“領域，容聯也已具備完整的AI智能分析解決方案
對廚房操作間的人員行為進行智能識別，如后廚吃飯、抽煙、玩手機等行為；對于廚師衣著、帽子、口罩、手套等防護用具進行智能檢測；對于老鼠蟲害進行智能檢測。
當然，目前AI的技術不可能百分百實現用戶的所有場景需求，經常會有技術無法處理的情況發生，比如智慧工地中的高空墜物問題，因物體速度下落太快，攝像頭難以精準捕捉到。不過，容聯針對行業的解決方案已經可以解決特定應用場景下80%以上的需求。
三、檢測準確率超過90%，容聯優勢在哪？
相比于競爭對手，容聯產品的優勢很明顯。前段時間做安全帽佩戴檢測的行業分析。許志強發現，容聯產品準確率相比競品高出很多。容聯產品準確率超過90%，而對方誤檢率超過了一半。
為什么容聯會有這個優勢？
算法落地行業，其實算法本身差別并不大。「算法技術的發展最先肯定是在學術界，每家企業只要對前沿技術盯得緊，都不會差太多。」許志強說。
容聯的優勢就是在于針對特定場景的數據增強處理、AI和傳統技術的結合以及工程化處理技術。
AI算法極度依賴數據，但是很多情況下數據采集又比較難，如火的素材采集，在正常的場景下很難出現這樣的素材，對于這類素材，容聯自有的數據增強處理技術可以在素材比較少的情況下獲得比較好的效果。
雖然深度學習在機器視覺的圖像分類、目標檢測、跟蹤等領域均有革命性的進展。但深度學習不可避免地依賴于訓練數據，且深度學習輸出結果中一般都有“閾值”限制，實際應用中，很難設定適用于所有場景的統一閾值。
此時即需要結合傳統CV技術，傳統技術的一般特點是通用性較強，結合深度學習后，可得到神經網絡模型輸出的具有語義信息的結果，在保持通用性的同時提升精度。例如目標跟蹤場景，利用深度學習檢測圖像中特定種類物體位置，結合傳統背景建模、幀差法、光流法等，達到一定集成學習的效果。
目前AI技術在落地過程中仍然受到數據量、數據質量、標注成本、數據域變化等問題的制約，單純依靠深度學習模型難以解決復雜場景下的實際CV問題。容聯具備一系列針對實際應用場景的工程化優化手段，包括圖像的時序分析機制、檢測目標屬性過濾機制、目標跟蹤及ReID機制等，提高算法在落地應用時的精度。
另外，除了技術上的壁壘，容聯CV產品一個重要的壁壘還是其在行業中的積累，因為做某個行業的視頻識別本質上就是還是拼行業數據的積累、以及對行業的理解力。
容聯本身是國內最大的云通訊廠商，與多個行業內的頭部客戶有密切聯系，容易獲取客戶信任。實際上容聯最開始做CV的契機就是客戶需求。
在實際操作中，準確洞悉行業痛點是一個周期很長且很重的事情。CV落地會碰見許多問題，在視頻源方面，客戶原本安裝的攝像頭可能會出現畫面被遮擋、光線變化大、距離較遠等問題，需要要跟客戶溝通調整。
另外理解客戶實際需求本身到真正的算法落地需要相當長的周期，短則三個月，長則半年，在這期間需要不斷和客戶磨合，根據實際情況調整算法。最后才能形成一個在行業里面能夠達到生產級別落地的算法模型。
對于創業公司和之前沒有相關資源積累的企業來說，很難獲取行業頭部企業的信任。并且頭部企業往往就是一個行業的標桿，在服務大客戶過程中會積累到很多行業數據和經驗，提升算法精度，容易建立自身優勢，優勢又會帶來更多客戶，滾雪球式的筑起一個很高的壁壘。
容聯的標準化產品Aibox就是在服務不同行業客戶，積累許多數據模型的基礎上產生的。正是由于這些積累，容聯能在很短的時間內做出優于他人的產品demo，獲得客戶的青睞。
在未來，容聯打算繼續深耕垂直行業，從「CV產品提供商」深入到「解決方案提供商」，與一些合作伙伴一起，提供「發現問題-解決問題」一體化服務。比如在智慧工地行業與合作伙伴一起提供CV增強的建筑工地信息化系統，幫助企業更好的解決問題。
四、尾聲
當前國內的AI技術已進入爆發式發展，但如何應用落地還是亟待解決的問題，正如許志強所說，大多數行業對AI都沒有感知力。
研究一些成功的落地案例可發現，AI作為一種高精尖技術自帶「不落凡塵」的氣質，但如果讓技術扎根落地，最重要的還是真正下沉產業。
也就是說，很多時候掌握技術只是一個基礎，在此基礎上開發應用還需要更多的思考與實踐。容聯的CV實踐無疑是提供了一個非常好的方向。
