「紅燈停、綠燈行、遇到黃燈等一等。」
雖然從小就被教育遵守交通規則，但「中國式過馬路」的行為仍舊頻發、且屢禁不止。
為了規範大家文明過馬路，不少城市（深圳、天津、 莆田、新疆庫爾勒、廣州……）上線了「行人闖紅燈曝光臺」。顧名思義，闖紅燈的行人會被曝光在大螢幕上。
近日，網上流出的一張照片顯示：董明珠的照片也出現在了寧波的「行人闖紅燈曝光臺」上！旁邊還展示了她是在何地闖紅燈的。
然而，細看照片後卻發現：斑馬線上並沒有人。再仔細看看，原來是該系統把大巴車體上的董明珠廣告當成了真人。
這一烏龍事件引起了網友的熱議，小編朋友圈有眾多 AI 社群人員轉發討論，在新浪微博上搜尋「董明珠」，微博已經會自動給你推送「董明珠 闖紅燈」的詞條了。
有網友調侃，「之後估計李小龍也被顯示闖紅燈了」。
如何避免「被闖紅燈」現象的再次發生？機器之心採訪了多家計算機視覺公司，試圖瞭解「行人闖紅燈曝光臺」背後的技術機制，並尋找解題之道。
背後的技術與難題
從曝光圖看來，模型主要會用 SSD 或 YOLO 等目標檢測演算法預測人臉檢測框，並根據檢測框擷取人臉影像，最後透過計算人臉影像相似性而判斷闖紅燈者的身份。雖然過程並不複雜，但還有非常多未解決的問題，在這個案例中，活體檢測就成為了重要的缺失環節。
對於曝光平臺主要採用的技術，雲從科技研究院副院長周翔表示，整體流程可以分為「同步紅燈時間——抓拍人臉——後臺或前端實時比對——實時釋出或人工稽核」；其中，同步紅燈時間會比較簡單，抓取人臉也是比較常見的技術，但既然需要投入到生產中，那麼模型大小、穩定性和響應延遲等都需要特殊的設計。
武漢神目總經理黃瑞表示，這一場景主要是抓拍闖紅燈的行人，「立一個人像卡口與交通訊號燈互動和機動車闖紅燈有點類似，不同只是：一個抓人，抓臉與庫里人員 1:N 匹配核實真實身份；一個抓車抓車牌，與庫裡核對得出機動車真實身份。」不過，即使是同樣的技術應用到行人與車牌，多彩多樣的行人抓取也艱難得多。
儘管闖紅燈曝光流程很簡潔，在 GitHub 上呼叫一些預訓練實時檢測模型就能完成主體功能，但若想減少甚至避免「董明珠闖紅燈」這樣的誤差，還有很多最佳化的方面。
周翔說，出現這種情況的原因主要有：「（1）底庫沒有董小姐，所以自動選擇最相似的人進行顯示；（2）演算法沒有加入活體檢測，在這個距離上目前要判斷活體難度還是比較大的；（3）廣告當真人的現象目前看來比較正常，這是實際落地的一個妥協方案。」
深瞐科技 CTO 王建輝持相同的態度，他表示：「該事件只能說明該平臺的人臉檢測演算法效能還挺好，但是在產品設計過程中沒有考慮廣告牌等異常情況的處理，另外反映的是抓拍演算法並沒有做活體檢測，僅僅做的人臉檢測。技術難點是在非配合情況下如何做活體檢測。」
對於這種行人闖紅燈，難點確實在於非配合情況下的活體檢測，澎思科技首席研究員 Robert Lorenz 說：「這個案例在紅燈狀態下只要能捕捉到人臉就判斷為闖紅燈，缺少了人及動作的判斷。難點是人+動作的檢測，即抓拍人臉來自於「活體」人且有闖紅燈行走的動作。」
不過，黃瑞認為這件事不能算「誤判」，類似的事件全國各地每天都在發生。「按照抓拍機目前在國內市場的一般要求，就是隻做動態影像識別，不做活體識別。」在他看來，抓拍機和門禁等不一樣，判斷活體不是剛需。
解決方案
這些都還是比較明顯和大方向上的難題，那麼，針對這些難題，又有什麼樣的解決方案呢？我們能不能不只檢測人臉，轉而檢測人的整個身體及動作來判斷是不是闖紅燈？
周翔表示，「不考慮語義資訊，目前沒有什麼稱得上特別好的解決方案，因為現在用的活體檢測演算法和硬體主要針對近距離場景，比如 3D 結構光、紅外雙目、動作、唇語、靜默等等，不過可以透過限定抓取人臉尺寸大小範圍來一定程度上緩解該問題。」
其實，如果不考慮語義或環境資訊，還是能透過一些硬體來解決問題，黃瑞說：「目前，部分南方城市某些地點已有的做法是，額外新增紅外攝像頭，但因為抓拍機場景通常距離很遠，所以要安裝的紅外攝像頭比較大型，各項成本都相對較高。」
考慮語義資訊則會有更好的表現，Robert Lorenz 表示，新增人體檢測可以在一定程度上解決這一問題。但也有多方面因素需要考慮，比如人臉的大小和身體軀幹的比例關係，否則也會出現印在行人衣服或者揹包上的偶像人臉被誤抓的問題。
加入姿態估計或移動座標等語義資訊確實可以判斷是廣告還是人，周翔說：「但是這樣會導致模型複雜度提升，如果不換用效能更好的硬體，演算法速度可能會有一定程度下降，在這個場景的必要性不是很大。」因為對於這種大規模應用，模型引數量、計算力和準確度都有很高的要求，複雜模型很難部署到實際應用中。
Robert Lorenz 最後表示，目前的解決方案主要有以下幾種：
加入影像大小的檢測，印刷廣告上的人臉大小一般情況下會比行人的臉大，所佔畫素面積也會更大，只需要設定人行橫道由遠到近可能拍攝人臉的大小，可能很大程度上避免此類情況出現，但衣物等的人臉影像就存在一定的被識別風險；這屬於從工程角度杜絕這類問題，而不是演算法角度；
影像質量判斷，拍攝真人和印刷物產生的照片存在明顯差異，比如膚色、紋理等，可以透過模型訓練讓計算機進行區分；
加入深度資訊，比如雙目相機和 RGB-D 相機，獲取 3D 資訊，就可以遮蔽掉印刷物等 2D 影像，但此方案成本太高，不適用於闖紅燈；
利用人體骨骼關鍵點檢測，並藉助關鍵點描述人體姿態、預測人體行為。基於人體的骨骼關鍵點和關鍵物體分析，還原人體姿態，理解人類的動作。澎思科技擁有的行為檢測技術還可以進行異常行為檢測（利用高精度的人體關鍵點，您可以檢測出影片中或圖片中人體的異常動作），比如針對闖紅燈這個情境下，就可以針對行人意外摔倒、行動緩慢人，坐輪椅殘疾人進行檢測，結合紅綠燈控制，就可以真正為人們的生活提供便利。
「誤拍是小事，切記文明出行，平安最重要。」今日上午 10 時 15 分，董明珠本人在新浪微博上對此事做了回應。
在小編看來，避免「被闖紅燈」的再次發生，需要作出努力的，除了技術方案提供商，還有我們自身。規範自身行為、文明過馬路才是解決問題的根本之道。來，跟著念一遍，「紅燈停、綠燈行、遇到黃燈等一等。」