AI的各类应用场景

AI芯片逐渐成为了智能手机中的的必备功能之一，其实，深度学习（机器学习，神经网络）并不一定要求特定的硬件，神经网络可以在任何形式的处理器上面，包括CPU,GPU，DSP，FPGA上面运行，只是说，针对智能手机这种应用产品形态，使用专用的NPU硬件去做神经网络推理，技术上已经成熟了，经济上也是一件值得去做的事情。如果炫丽的AI特效可以撬动消费者钱包里更多的钱的话，大家都愿意去做。

小米12新支持的AI通话功能

先看一段介绍:

AI通话作为小米MIUI12中新增的一个智能语音电话系统，是为了帮助障碍人士更好地进行语音通话。当不方便接取电话时，使用小爱同学的“AI通话”（电话助理）功能，可以接起电话并将对方的话用文字显示在屏幕上，小爱同学会根据对方说的话，自动生成几条最合适的回答，您可以选择其中一句回答，小爱将用语音的方式说给对方。

可以看到不但可以实时将语言范围成文字显示，还能在你不方便的的时候帮你接电话打电话，乖乖，妈妈再也不用担心我忘接老婆的电话了。

电话不能随便打，就白嫖了一下10086的免费小姐姐，果然如同功能介绍的，AI通话助手直接把语音翻译成文字了，有图有真相：

这个应用的本质是语音转文字，他一定用到ASR网络,语音识别功能是基础，其次应该也用到了文字纠错网络.

体育健身、动作采集、3D试衣、舆情监测,最有名的是抖音尬舞机，体育动作教学、3D健身教练、绘画辅助、游戏人物动作采集

FestaVR - 在线商店3D试衣间

模型：openpose

github地址：https://github.com/CMU-Perceptual-Computing-Lab/openpose

电视中的应用

AI-PQ AI画质增强.

AI-SR AI超级分辨率.

AI 语音助手.

AI健身，出厂配套电视摄像头，AI健身主要用于体位检测，姿态检测。

AI人脸，人形检测，识别，可能已经builtin到电视逻辑中了。

OCR场景应用：

文字识别是AI的一个重要应用场景，文字识别过程一般由图像输入、预处理、文本检测、文本识别、结果输出等环节组成。

其中，文本检测、文本识别是最核心的环节。文本检测方面，在我的 OCR_detection 专栏相关文章中已介绍过了多种基于深度学习的方法（有的还没完成，待整理后都会放入该专栏），可针对各种场景实现对文字的检测，详请见专栏中的相关文章。

在以前的 OCR 任务中，识别过程分为两步：单字切割 和 分类任务。我们一般都会将一连串文字的文本文件先利用 投影法 切割出单个字体，再送入 CNN 里进行文字分类。但是此法已经有点过时了，现在更流行的是基于深度学习的端到端的文字识别，即我们不需要显式加入文字切割这个环节，而是将文字识别转化为序列学习问题，虽然输入的图像尺度不同，文本长度不同，但是经过 DCNN 和 RNN 后，在输出阶段经过一定的 CTC 翻译转录后，就可以对整个文本图像进行识别，也就是说，文字的切割也被融入到深度学习中去了。

现今基于深度学习的端到端 OCR 技术有两大主流技术：CRNN OCR 和 attention OCR。其实这两大方法主要区别在于最后的输出层（翻译层），即怎么将网络学习到的序列特征信息转化为最终的识别结果。这两大主流技术在其特征学习阶段都采用了 CNN+RNN 的网络结构，CRNN OCR 在对齐时采取的方式是 CTC 算法，而 attention OCR 采取的方式则是 attention 机制。本部分主要介绍应用更为广泛的 CRNN 算法。

OCR的前处理，需要进行去重，选择，拼接，这是ocr很标准的流程，就是你拿比扫的过程中，可能不稳定，也可能一个字被扫了几次，他们前处理就把这些字都拼起来，高度一致，然后作切分送给网络，比如上下抖动，子都不齐了，被扫了几次是因为扫描帧率很高，比如240，120这种，都是很高的帧率，你在每个字上停留半秒，一个字就有几十张重复的照片，所以要选择一个，去重，选择，拼接。

ALI方案120帧每秒，没有去重，之前跑CPU，后面要看下能否到NPU上，有图像拼接的，拼接完后是一张图。

人脸识别网络的应用场景:

IPC品类的不止会用到人形，也会用到人脸识别

DS-2CD7A87FWD-(I)(L)(X)Z(S)(G)(/JM)(/DN)(/NMFC)(/ZJ)(B) | 7系列智能网络摄像机 | Hikvision

---

BSD盲点检测系统(Blind Spot Detection)

这是一个纯视觉方案的BSD实现，没有用到雷达，而是NPU跑一个目标检测网络，检测到对应目标后，交给处理器做后处理分析，后处理逻辑上应该包括盲区接近分析，接近报警等逻辑，然后再屏幕上或者喇叭上做报警。V833方案。核心是NPU跑一个目标检测网络。

公共卫生，防疫

人(脸识别),证（件扫描），（扫）码，(测）温一体机

关于门禁，考勤等人脸识别需要不需要联网：

门禁，考勤的人脸识别是本地的还是联网的？一般都有几百到上千张的的本地识别库，如果是联网的话，还要本地库干什么。

回答：本地的，联网做数据上报，断网了也能提供门禁功能，只是无法上报信息对吧。

AI的各类应用场景汇总

AI应用的平台架构：

从山上到下可以依次为展现层（APP,应用，小程序），应用层( 场景业务逻辑层的展现), 平台层（framwork层), 网络层. 感知层(各类传感器).

健康码快速认证登记流程图

3D身份识别的痛点

保护用户隐私和数据安全，不需要用户的彩色照片即可进行数据加密演算方法完成身份验证，保证身份识别功能并从物理层面隔绝用户隐私数据。避免数据外露，保证用户的隐私安全。

保护用户隐私：旁人无法用肉眼直接识别出屏幕中3D城乡的真是身份，也无法用一般彩色相机或摄像机进行翻拍。

数据安全：身份数据可用不可见，可选择不存储用户广泛被使用的彩色人脸数据，仅通过加密算法进行身份匹配和识别。

识别算法整合3D TOP摄像头，无惧无光，强光，逆光等极端大光比场景识别。

多模混合型生物识别：掌静脉，指纹，指静脉。

---

结束！