以前買摩托車送頭盔，現在買頭盔送摩托車。

你怎么都想不到，口罩之后，頭盔又成了 AI 安防圈的熱議詞匯。今年 4 月 21 日，公安部交管局發(fā)出公告，6 月 1 號起全國開展“一盔一帶“安全守護行動。“一盔”指的是安全頭盔，“一帶”指的是安全帶。

多地交管部門近日也紛紛響應，加大對騎摩托車不戴安全頭盔、駕乘汽車不使用安全帶的查處力度。（暫不處罰電動車）

一紙公文瞬間激活了整個頭盔市場，坊間直言又一個因政策出臺而引發(fā)的百億級生意橫空出世。一時間，電商平臺頭盔銷量猛增，價格迅速上漲，朋友圈中原本倒騰口罩的都開始調頭賣頭盔了。

有人甚至嘲諷，以前買摩托車送頭盔，現在買頭盔送摩托車。

單一算法沒前途多技術融合才是未來

騎行佩戴頭盔非常之有必要，2019 年廣東省做過一項數據統(tǒng)計：涉及摩托車、電動自行車的交通事故交通死亡人數占全部事故的比例超過 50%，居各類交通事故之首。同時，摩托車、電動自行車駕乘人員死亡事故中，約 80%為顱腦損傷致死。正確佩戴安全頭盔、規(guī)范使用安全帶能夠將交通事故死亡風險降低 60%至 70%。

如果說立法戴盔確是人間正道，可這與 AI 安防又有何交集？

其實早在一盔一帶政策出臺之前，全國多地就已對頭盔佩戴問題發(fā)布過多項規(guī)定，但實際效果并不明顯。即便一盔一帶新政之后，多地交警抱怨實際查處也比較困難：一來涉及的面太廣；二來涉及的人太多。換句話說：有限的警力每天守株待兔式地面對數量巨大的不戴頭盔者，低效且低質。AI 安防廠商能做的是：能否在原有的攝像頭系統(tǒng)中融入一套“頭盔識別”算法，自動識別騎乘人是否安全佩戴頭盔，提醒騎行者的同時也能方便交警的工作。了解到，目前很多廠商都開始了這一方面的立項工作，譬如博觀智能。其首席算法專家黃攀告訴記者，他們已經開發(fā)了一套名為 AI 安全頭盔識別的算法，可以直接平滑升級至絕大部分智能相機中。

他們首先依據多目標跟蹤、分類檢測等算法，提取出非機動車目標，在多尺度特征金字塔上進行不同層級特征融合，提升了局部微特征的表達能力。然后通過后臺百萬級海量數據訓練，提取了上百種安全頭盔款式的特征數據。（幾乎涵蓋了目前市面所有的安全頭盔款式）同時，他們在不同的 feature scale 上進行融合時引入 attention 機制，進一步提升頭盔、安全帽等局部特征的檢測精度。

“如果是在標準的智能交通卡口或者電警場景中，我們的算法可以做到 95%以上的識別率。”

了解到，目前廣東潮州、普寧等地就已經在人臉識別系統(tǒng)中上線了該技術。

智能感應設備專門抓拍高清圖片，通過人臉識別技術、車牌識別技術、頭盔識別技術、大數據智能分析技術在全市范圍內對騎車佩戴安全頭盔實施全面管理。

不管載人或是被載，未佩戴頭盔一律將收到罰單。

截至今年 5 月 6 號，潮州交警已在他們市區(qū)查獲不佩戴頭盔案件 283 起。

文及至此，便出現了一個疑問，通過攝像頭等智能設備確認違規(guī)者，通常有兩種方式：

一、如果該摩托車 / 電動車未上車牌，通過 1：N 的方式，將騎行者的抓拍照片與當地人像數據庫圖像進行匹配，確認“他是誰”。二、如果該摩托車 / 電動車已上車牌，通過 1:1 的方式，將騎行者的抓拍照片與該車輛的車牌數據進行匹配，確認“他是誰”。倘若該摩托車 / 電動車未上車牌，騎行者未戴頭盔，但戴了口罩，又該如何解決呢？

黃攀坦言，這一塊是各個技術廠商目前都在攻堅的方向，但遠距離的口罩識別至今還沒有一家廠商可以得到一個比較好的結果。口罩識別的技術攻克，主要會遇到三大技術難題：1、由于口罩遮擋、人像信息減少，學習到的特征判別性隨之較少，二維紋理信息會由于遮擋而丟失、三維形狀信息會帶有噪聲。2、口罩類型比較多且口罩遮擋程度不一，如何更多地利用非遮擋區(qū)域的信息也是一個影響因素。3、戴口罩人臉的人臉檢測和人臉關鍵點檢測的精度受到光線等外部環(huán)境影響。華為此前在這塊便進行了多種嘗試，并申請了一項名為“人臉識別方法、裝置及計算機可讀介質”的影像重構技術專利。該專利顯示，通過圖像重構網絡可以將戴配件（眼鏡、口罩、帽子等）的人臉圖像重構為未戴配件的人臉圖像。

另外，華為還申請了一項“一種人臉識別方法及系統(tǒng)”的技術專利。通過人臉識別方法實現了對人臉上存在遮擋物的人臉圖像進行準確的識別，提高了人臉識別的精確性。

此技術關鍵點是建立遮擋人臉圖像庫，具體來說就是在判斷需要識別的人臉圖像上有遮擋物（例如眼鏡、口罩等）時，將遮擋物提取出來并增加到參考數據庫中未遮擋的人臉圖像上。例如在判斷出待識別人臉有佩戴眼鏡時，就提取出眼鏡特征并在原圖像庫的基礎上新建一個戴眼鏡的參考圖像庫，再將需要識別的人臉圖像與該庫中的參考圖像進行匹配查找，從而完成識別。華為之外，阿里也申請了相關專利。不同于華為，阿里則用“局部特征細化與整體相似度評估”的方式來提高準確率。他們通過綜合局部器官圖像匹配技術完成識別，此時局部器官不僅可以是眼睛圖像、鼻子圖像、嘴巴圖像和耳朵圖像等，還可以是下巴區(qū)域、臉部輪廓、胎記或黑痣圖像等等。根據面部多個局部器官的相似度評估指標和對應的權重，得到整體相似度評估指標，從而獲取更精確的遮擋下的面部識別結果。的盧深視副總裁朱海濤博士告訴記者，為了逃避天眼追蹤，絕大多數犯罪嫌疑人在反偵察過程中都會選擇戴帽子或者戴口罩，以遮擋部分面部特征。考慮到安防場景的現實所需，部分廠商很久之前就開展了對于面部遮擋技術的研究工作，在提升技術可用性方面做了不同程度的嘗試。也就是說，口罩識別等小眾需求在某些場景已是大眾問題，未來的識別精確度會越來越高。從這也能發(fā)現：上到公安部天眼抓逃、下到基層民警地網識人，每一個看起來很小的系統(tǒng)中，都繁雜地加載了包括人臉識別、頭盔識別、口罩識別、形態(tài)識別等多種算法。正如商湯聯(lián)合創(chuàng)始人此前接受專訪時所說：“未來 AI 賽道的比拼，一定不是單一算法技術能力的競逐，而是技術創(chuàng)新體系能力的比較。”

一堂必修課，而非選擇題

“頭盔識別等技術的研發(fā)難度并不大（相對而言），真正難的是技術的落地及管理層面。”黃攀說，目前中國大部分農村地區(qū)的摩托車、電動車基本屬于無牌無證狀態(tài)，即便算法可以成功識別也無可奈何，相當于做了無用功。但這類算法成功上線后，交警部門至少可以做到兩件事：

1、手握準確識別結果，交警就有了大量的統(tǒng)計數據，可以借此數據向上級部門反饋，推行摩托車、電動車的上牌法規(guī)立項工作。

2、可以準確統(tǒng)計哪些路口、哪些時間段不戴頭盔的現象比較多，可以為現場執(zhí)法提供依據。

騎行戴頭盔應該成為一種習慣，其實在很多地方也已經成為習慣。

譬如臺灣，一來不禁摩、二來街道狹窄，摩托車基本成為臺灣成年人的出行標配，現在每天行駛在臺灣大街小巷的摩托車超過 1500 萬輛。為了方便這些騎手，臺灣交管部門一方面劃出了專門的摩托車專用道，同時制定了非常嚴格的規(guī)定：騎車不戴頭盔罰款 2000 元新臺幣（相當于 400 元左右）。

強制戴盔之下，今天臺灣因為騎摩死亡率降低了 40%。摩托車、電動自行車與汽車相比，行駛穩(wěn)定性比較差，發(fā)生事故的可能性較大。戴頭盔騎行，不應該是一道選擇題，而是一堂必修課。畢竟，你的腦殼一定沒有地面硬。

最后腦洞一下：頭盔之后，下一個熱門關鍵詞會是啥？
責任編輯：tzh