【对抗新冠新利器】人工智能来啦（五）

独乐乐不如众乐乐，今天您分享了吗？

欣姐碎碎念

最近，美国COVID-19疫情的顶峰似乎过去了，新增病例的数目缓慢震荡下降中。虽然很多专家警告，第二波疫情可能会在冬天卷土重来，但起码夏天会好转不少。各州的复工在逐步开展中，不知道大家对复工什么态度呢？是斗娃厌倦了恨不得马上回去上班？还是仍持怀疑态度，希望继续蹲家呢？

照例先围观雷哥

邮件地址卖到暗网！坏人学到了AI怎么办？

美国几个月疫情变化动态变化，后面真是太快了！

助力安全复工——人工智能有妙招

核心问题：目前，美国的疫情仍处在每天近两万的新增确诊阶段，好消息是这个数字在震荡下降中，坏消息是复工已经箭在弦上，不得不发了。一些比较人性化的州（点赞麻州）做出了一系列规定，比如保证人口密度，隔离间距等。这些规定，加大了雇主们复工的门槛，其实是变相鼓励远程工作。可是，对于必须要面对面接触的行业，雇主们如何才能满足要求，安全复工？人工智能和机器视觉的组合可以给出一个比较好的方案。

壹十年

VergeSense是一家位于美国硅谷的创业公司，成立于2017年。COVID-19疫情前，这家公司的产品概念是通过办公室的监控设备，结合深度学习算法，优化办公室的结构布局，观察分析员工间的沟通与交流，提高团队合作和工作效率。

但是，这样的产品理念，被COVID-19彻底打破了。后疫情时代，促进员工间的交流不再是企业痛点，相反，如何保证员工间的距离，发现超过规定人数的聚集行为，减少人与人之间的直接接触，成了首要目标。VergeSense敏锐的发现了这一商机，在已有平台的基础上稍加修改，推出了新的产品理念——保障安全复工，并成功获得了900万美元的融资。那么VergeSense设计的是什么样的产品呢？

VergeSense的定位是软件服务公司（Software-as-a-Service），但其完整的产品闭环也包括安装在公共监控区域天花板上的摄像头。这些摄像头收集监控区域内人员分布的图像，结合机器视觉和深度学习算法，及时对风险事件发出警报，比如区域空间接近或超过人数上限（类似升降梯超重报警），人与人间距不达标等。此外，软件还可根据每个员工的行踪、接触他人的频率，对可能感染的风险做出评估。

实现这些功能背后的黑科技就是机器视觉。说起机器视觉，没有相关背景的朋友可能觉得比较陌生，但如果提到无人驾驶，大家应该都有所耳闻。无人驾驶是机器视觉的一个热点应用。机器可以自动识别道路状况和不同的目标，判断周围是机动车、障碍物、行人，本车与周边物体之间有多大距离，何时做出怎样的规避行为等。机器视觉另外一个比较典型的应用是人脸识别，小到手机刷脸付费，大到天网监控系统，都是建立在这个基础上的。比如下面的例子，机器可以很容易的判断路上的行人。

VergeSense公司的应用场景，其实比无人驾驶和人脸识别都容易一些。摄像头安装在室内，背景和照明都比较稳定，原则上，只要在夜深人静时拍到整个监控区域作为背景，就可以通过图片相减的办法（白天减夜晚），把目标物体（白天比夜晚多出来的人和其他物品）与背景区别开。当然，理论虽然简单，实际操作也会有一些问题，比如：

背景太亮而目标物体太暗，会造成信号的损失和判断错误，需要结合信号增强算法。
人体姿态不同，坐姿、站立、行走，高矮胖瘦不一，动态过程中拍摄角度也会不断变化；这些都是准确追踪同一个体的难点。
背景也会有一些有限的变化，比如椅子和电脑可能经常改变位置，造成判断误差等。

解决上述问题的关键，是对目标物体的代表特征进行提取，去繁就简。比如一个头两条手臂两条腿是人，无论高矮胖瘦，坐着，站着，还是行走中。或者长脸+高鼻梁+眼镜是员工A，方脸+矮鼻梁+高颧骨+大耳垂是员工B等。虽然人脑可以很自然的进行这些判断，但对计算机来说，却需要复杂的学习、打标、建模、迭代等来完成。比如我们在本系列第二篇介绍过的卷积神经网络就是其中一种算法。

在对每个目标物体都能准确识别的基础上，清点人数，测量间距，统计个人接触史，预测感染可能性等功能就比较容易实现了。

最后，值得一提的是，公共场所的监测，尤其是具体到个人级别的，是一个有争议的问题。虽然在技术层面和应用角度找到了切入点，但这种商业模式长期而言能否被广泛接纳，同时不涉及到侵犯隐私等问题，VergeSense还需要小心的平衡操作。

总结：安全复工是疫情进入平缓下降期后的主要任务。仅靠人为管理和员工的自觉性效果难以保证。结合机器视觉和人工智能可以全方位实时监控，及时对不合规的事件做出警告，比如人数过多，人与人间距不足等，提高工作场所的安全性。不过，个人隐私权是一个潜在的争议话题，此类技术是否能够被广泛接纳，仍需要时间来验证。