更新日期：2020年12月18日
AI監控的應用千變萬化，要及早實現應用落地，必須從源頭出發，釐清數據的揀選與標註需求，對症下藥才能有效提昇AI精準度
自從安防監控產業開始AI化，市場商機進一步擴大。根據研究機構《Marketsandmarkets》預估，2023年全球影像監控市場的產值，將以每年13.1%的速度增長，從2018年的368.9億美元，成長至683.4億美元。安防監控浪潮已至，企業如何早一步實現AI應用落地？
在台灣，智慧安防監控的發展相對成熟，食、衣、住、行、育、樂，任何你想得到的人類基本生活需求，只要加上「安全」，就有機會成為一門商機。小至行動裝置上的指紋及人臉識別解鎖，即時辨識大樓入侵者的保全示警系統，家中人物或動物的行為監測，甚至是高齡者長照，皆可透過即時反饋現況，守護使用者的安全。
日本政府在天皇即位大典時便曾利用人臉識別AI，判定各國來訪政要的身分，協助維安；2020年東京奧運也預計利用AI人工智慧技術，目標達成橫跨9大縣市、40個競技場，賽事期間預估來場者超過1,000萬人的國家級維安任務。
而在百貨、零售賣場、健身房等涉及消費行為的經濟場域，智慧安防監控則被來監測人流與動線，以及消費者的年齡、性別、肢體行為等客情分析，以利精準行銷。從食品安全一路往上推，源頭種植時如何少用農藥到智慧農業災損確認，也都可以廣納在智慧安防的應用領域裡。
安防方面的運用，一定要同時整合軟硬體，才能奏效。所以，如何把「AI x 安防」整併到既有的硬體產品裡，也成了台灣不少科技業、製造業瞄準的目標。
與其他產業相比，因為學習情境多發生在特定室內環境，智慧安防監控的大數據訓練，在場域的變易性不大。目前市面上已有開放資料集（亦稱：開放數據 Open Dataset）可供使用，但企業因為各家應用場景不同，會以此為基底再餵給AI特定應用場域，例如百貨商場、大賣場的電腦影像數據，便可更快開發出符合自家商業模式的機器學習模型（Machine Learning Model）。
因為環境的光線、明暗等原因影響，使得實際場域的數據更為重要。而一樣是看「人流」，在百貨公司大門口、櫥窗前、手扶梯所需的「數據型態」就會天差地別，後續AI發展重點和演算法也截然不同。所以對於問題的定義，也要格外清楚。
在某些安防領域裡，收集數據會是一大挑戰。當使用情境會和個人隱私相關，如何持續收集且累積獨特性，便成為發展安防數據策略的第一關。
Tomofun是個值得參考的例子。初期創業，Tomofun執行長張友誠他本來是賣硬體的攝影機，後來轉向變成主打狗狗保全的「狗保姆」訂閱服務。從硬體走向軟硬整合，他學到，最重要的就是「全力了解、驗證消費者的使用情境」。
像Tomofun的切入點在於守護狗狗的居家安全，這類數據就會涉及用戶住家隱私。當機器要辨識狗狗吐了或嗆到，這類影像也不可能在主流社群平台上撈得到。Tomofun 想到的方法，就是讓用戶們成為「數據的共創者」，不定期在社群平台邀請用戶提供。因為用戶知道，提供這些數據都是為了讓狗兒們得到更好的照顧，而Tomofun也得以透過上萬支珍貴的影片，訓練模型（Model）。
當訓練機器學習模型（Machine Learning Model）的大數據來源穩定，進到機器學習的階段，首要任務是讓AI學會辨識人、動物和其隨身物件。學會辨識物體之後，再往兩大辨識方向延伸學習：
Tracking： 目標對象的連續性，追蹤移動路徑
Action： 目標對象的肢體行為
AI起步階段，光是要讓機器模型精準的辨識出什麼是「人」，就讓企業煞費苦心。接下來這個案例，或許可以提供一些靈感。
在我經手過的大數據處理專案中，有客戶表示自家內部標註後訓練的AI模型精準度不理想，因為常把人攜帶的隨身物品，例如棉花糖、氣球、帽子等圓形物體，誤認成「人頭」，請我們協助提供校正用的數據。經過討論後發現，失敗的關鍵因素可能是客戶當初使用的「數據不夠精確」。
因為人頭是圓形的，當目標對象（人）的身旁出現圓形物體，或者路人的頭部被一起框進去時，就會讓機器誤以為「圓形的物體＝人頭」，因此學歪。
於是，我們與客戶討論，在收集新一批圖資時，可以改變舊有的蒐集策略，讓圖資情境盡量單純化，也進一步協助客戶釐清想讓機器學習的關鍵特徵，改以「靶心策略」實踐標註原則。
意思是，先區分出要被標註的關鍵人體範圍（靶心）和可以取捨掉的部位，之後我們建議客戶以不納入周圍雜訊為主，進行精準拉框（Bounding Box），確保關鍵範圍的標註細緻度。事成後客戶向我們回饋，這批數據進演算法訓練後，成效確實提升許多，成功解決機器偏誤的問題。
有時候，想要讓機器模型做到更好的表現，需要找出一些「不尋常」的解法。
例如，客戶希望達到的學習目標是「辨識兩者是否為同一個人」，若按照人類的思維邏輯，要辨識、追蹤一個人的移動路徑，除了性別和年齡之外，還需要透過觀察他的髮型，身上的衣服款式、顏色、配件才能做到。
但如果拿這些繁雜的條件作為特徵讓機器學習，開發團隊勢必要耗費很多時間精力。所以我開始思考：「還有什麼方式，可以讓客戶學習得更快更省力？」
最後，我跟團隊想出了一個創意解決方法，建議客戶與其用人的思維慣性去訓練機器，不如直接讓機器用他最擅長的思維方式，也就是用「參數」來辨識人！ 如此一來不僅省事、也提升了辨識的生產效率。
在智慧零售的場景裡，客情分析的專案愈來愈多，需要從大量的人像中，判斷出哪幾位屬於A群客戶，哪幾位屬於B群客戶。
在進行這一類的專案，我們會預先進行內部模擬測試，讓專案相關人員針對照片進行比對。幾次下來，我們發現：礙於圖片模糊、遠近、角度以及配件遮擋等原因，即使是累積了上百個不同領域的AI數據處理專案經驗的執行團隊，平均答對率竟然不超過70%。但客戶要求的良率很高，該如何解套？
除了事前的教育訓練，我們選擇同時從流程下手，「投票系統」（Voting system）來解決。當拉完框的圖資進入到比對階段時，便啟動投票系統，讓多位受過訓練的專業標註師，同時判斷同一張有爭議的人像，以降低個體認知上的偏差。
而涉及到行為分析相關的專案，則是透過標註關節點（Key Point）來辨識人體或動物的行動，一般來說會分成17個關節點（多則會達到25點以上）來標註。
只是點幾個點，聽起來好像很簡單，但其實不然。比方，移動中的人體骨骼關節起始點在哪裡？或者當手臂被物體遮擋時，該如何判斷活動關節的下點位置？在標註狗或貓時，也會因為關節位置不同，以及肢體延展的範圍差異（很少人會知道，貓的肢體比狗還柔軟），導致很容易誤判。這些都需要有綿密的原則制定以及教育訓練，才能夠妥善把關品質。
AI應用的數據類型百百種，標註平台工具及方法也需跟著優化，才能確保高效、穩定的產出。從專案的源頭下手，釐清所需要標註的物體讓精準數據助攻，早一步完成AI落地的夢想藍圖。
責任編輯：陳建鈞
主文來源：數位時代
ECDA資料中心編輯