一直以来行业内都流传着，人工智能最终将会像水和电一样成为基础设施，成为生活的必需品。然而在目前的阶段下，涉及人工智能的无论是芯片、模块还是硬件产品都离这个理想中的必需品甚远，但为这个理想奋斗的勇士依然在孜孜不倦的努力！

　　“我们的目标就是让AI计算机视觉技术成为水和电一样的生活必需品。”这是阅面科技CEO赵京雷在其首次发布会上所说的话。

　　AI芯片视觉模块支持不同场景的算法

　　最近，阅面科技举办了公司成立以来的首次发布会，携手英特尔Movidius推出了跨模态人脸识别引擎Uniface、繁星AI芯片视觉模块。

　　赵京雷介绍，阅面科技将其核心算法成果UniFace集成了一块AI芯片视觉模块，也就是「繁星AI芯片」，这块AI芯片视觉模块由Sensor＋ISP＋VPU＋嵌入式深度学习视觉算法组成，能从芯片端智能输出结构化数据。在模块设计上，阅面科技也使用了常规的38mmX38mm的尺寸，此举也是为了保障模块能够做到即插即用、方便便携，模块还支持多种数据输出接口，方便集成，能够降低开发智能视觉产品的技术成本。

　　同时为了能够搭载适用于不同场景算法的应用，赵京雷表示阅面科技的繁星AI芯片视觉模块能够支持不同场景的算法IP：包括人脸识别模块、数据采集模块、人机交互模块。

　　其中人脸识别模块：通过宽动态Sensor获取图像或视频流，分析图像或视频流中的人脸图像进行检测和识别，输出结构化数据，可同时追踪和抓拍30人，抓取最清晰、角度最好的人脸，抓拍率99%，误检率小于0.5%，抓拍重复率低于10%。同时，支持2万人内的完全本地人脸识别。支持本地特征提取后传云端，满足大于2万人的人脸识别场景。

　　数据采集模块：获取并分析图像或视频流中的人头和人脸信息，进行人数、人群属性以及轨迹分析。可实时记录15人运动轨迹及运动方向，可进行进出指定区域的人数统计，准确率达95%。

　　人机交互模块：检测识别图像或视频流中的手势、人脸、人体，并转化为指令使得机器做出正确响应。毫秒级检测及追踪速度，响应迅速，支持掌、拳、V字手型、伸掌、握拳、挥手等多种手势操控，高鲁棒性的人脸及人体检测追踪运算。

　　另外，阅面科技还带来了其基于数据采集模块研发的智能客群分析摄像机——阅客。利用繁星的本地计算能力，阅客可以轻松进行实时客流计数、会员/熟客管理、轨迹管理等功能，商家能实时掌握顾客属性和行为。

　　FDDB和LFW两个人脸识别比赛双料冠军

　　在深度学习、计算机视觉核心算法领域，阅面科技此前的技术积累还是不错的。赵京雷表示，今年阅面科技获得FDDB和LFW两个人脸识别比赛双料冠军，阅面科技在FDDB上提交的全新检测算法突破了小尺寸、模糊和动态人脸检测的极限，而在LFW数据集也达到了99.82%±0.0007人脸验证精度的高水平。

　　基于以往长时间在核心算法领域的探索，阅面推出了其自主研发的业内首个跨模态人脸识别引擎UniFace。

　　据赵京雷介绍，与目前主流算法不同的是，UniFace打破了不同Sensor，不同环境，不同场景，不同领域人脸特征表达的限制，例如同一张注册照片能在可见光、红外、3D三种不同的Sensor中进行识别，做到真正以FaceID为连通的人脸识别体系。

　　具体来说，大部分的人脸识别引擎都是基于可见光进行人脸的识别监测，而UniFace做了「跨传感器集成」，除了可见光之外，还能够兼容红外、3D识别，这种多传感器组合除了能够大大的提高准确率，还能扩展不同场景的应用。

　　在“边缘计算”火热的今天，赵京雷表示，UniFace跨模态人脸识别引擎能够凭借卷积神经网络让前端方案拥有更加强大的处理能力，执行图像的计算和分析任务，并实现前端和云端的联动以及知识的迁移，提高整体的识别效率，真正做到以FaceID为连通的人脸识别体系。

　　打造消费级的AI芯片

　　在发布会后的群访中，赵京雷表示基于公有云的AI开放服务市场，未来是BAT等巨头的天下，在这个领域创业公司优势不大，在垂直领域的应用，尽管前景广阔，但是在数据采集等方面已经不是技术能够解决的事情，目前也有很多大公司在做，以安防领域为例，传统安防巨头都在积极布局人工智能领域。因此机器视觉算法在消费级市场的应用目前看起来空间更广阔，同时随着边缘计算的推进，基于前端硬件产品的智能化市场将会有爆发性的增长。例如苹果iPhone中集成FaceID，华为也发布了集成人工智能芯片的手机。

　　赵京雷表示，从目前来看，硬件作为人工智能的重要载体，“无硬件不AI”，在人工智能向消费类硬件产品全面推广的前夜，AI技术必须要满足成本低、功耗低等条件才能成为类似水和电一样的基础设施。而低功耗和低成本正是阅面科技在推广自己AI技术时的理念。