#本文由作者授权发布,未经作者许可,禁止转载,文章不代表IPRdaily立场#
发布:IPRdaily中文网(IPRdaily.cn)
供稿:方象知产研究院
原标题:起底AI黑科技:计算机视觉技术专利分析
自4月4日起警方多次在张学友演唱会现场抓捕到痴迷歌神的逃犯,什么是人脸识别系统?人脸识别这么强大?计算机也像人类一样拥有视觉了?一时间计算机视觉成为继AlphaGo之后人们最为关注的科技热点。本文挖掘背后的蓬勃发展的黑科技--计算机视觉,并从专利的角度为您解读这项黑科技的发展趋势。
起底AI黑科技:计算机视觉技术专利分析(一)
内容提要:
1.美国计算机视觉行业领跑,世界竞争格局真得难以撼动吗?
2.计算机视觉能否让中国“看”到行业发展“黄金时期”?
3.计算机视觉创业潮下,国内竞争格局尚未形成,如何成为明日之星?
引言
近期一则新闻引起大家的关注和热议,自4月4日起警方多次在张学友演唱会现场抓捕到痴迷歌神的逃犯,逃犯们落网后纷纷表示,没想到自己藏身茫茫人海中还能被人脸识别系统发现,早知道这样就不来了…
图1 人脸识别抓逃犯
什么是人脸识别系统?人脸识别这么强大?计算机也像人类一样拥有视觉了?一时间计算机视觉成为继AlphaGo之后人们最为关注的科技热点。方象知产研究院顺着这一备受关注的事件,挖掘背后的蓬勃发展的黑科技--计算机视觉,并从专利的角度为您解读这项黑科技的发展趋势。
1、计算机视觉是什么?
人脸识别系统是计算机视觉的一项重要应用,一般认为计算机视觉就是“赋予机器自然视觉能力”的一门学科,也可以说是以图像(视频)为输入,以对环境的表达和理解为目标,研究图像信息组织、物体和场景识别、进而对事件给予解释的学科。计算机视觉与视觉感知、视觉认知、图像和视频理解等概念密切相关,研究范围有很多交叉却又不完全相同。
计算机视觉是人工智能的一个重要的分支,自然与人工智能也有密切联系,但同时与常见的强调推理和决策的人工智能系统不同,计算机视觉主要研究图像信息表达和物体识别。虽然物体识别和场景理解也涉及图像特征的推理与决策,但与主流人工智能系统的推理和决策有着本质的区别。
图2 计算机视觉及相关领域
数据来源:方象知产研究院整理
计算机视觉的研究内容,主要分为物体视觉和空间视觉二大部分。物体视觉在于对物体进行精细分类和鉴别,而空间视觉在于确定物体的位置和形状,为动作服务。
2、计算机视觉发展简史
到目前为止,计算机视觉的发展经过了4个主要的阶段:分别是马尔计算视觉、主动和目的视觉、多视几何与分层三维重建和基于学习的视觉。为了便于分析计算机视觉行业的脉络,下面做一个简要的梳理。
(一) 马尔计算视觉
1982年马尔的《视觉》一书问世,书中将计算机视觉分为计算理论、表达和算法以及算法实现三个层次,不论在理论上还是研究计算机视觉的方法论上,均具有划时代的意义,标志着计算机视觉成为了一门独立学科。由于马尔认为算法实现并不影响算法的功能和效果,所以马尔计算视觉理论主要讨论计算理论和表达与算法二部分内容。
1.计算理论
马尔计算理论认为视觉的核心能力在于通过视网膜成像的二维图像来恢复空间物体的可见三维表面形状,也就是所谓的三维重建,而且生物的视觉能力可以通过计算机来实现。由于二维图像是真实物理世界的投影,计算机视觉的计算理论应该从图像出发,充分挖掘图像所蕴含的物理空间的内在属性和关联信息,并运用先验知识完成相应的视觉问题计算,解释看到的场景和指导相应的行动。
2.表达和算法
马尔视觉计算理论认为,计算机识别物体之前,系统中要有对该物体三维几何形状的存储形式,称之为物体表达。首先从图像中提取边缘信息,然后提取点状基元、线状基元和杆状基元, 通过对这些初级基元组合形成完整基元,完成视觉计算理论的特征提取。其次,在完整基元基础上,通过立体视觉和运动视觉等模块,将基元提升到2.5维物体表达。最后,将2.5维物体表达提升到三维物体表达。
图3 物体表达的过程
数据来源:方象知产研究院整理
马尔构建了一种计算机视觉理论体系,可以通过不断丰富具体的计算模块完善“通用性视觉系统”。为纪念马尔的卓越贡献,国际计算机视觉大会设立马尔奖作为最佳论文奖,是计算机视觉领域最高荣誉之一。
(二)主动和目的视觉
在随后的工程实践中,人们发现基于马尔理论的计算机视觉存在一些不足,一是在很多应用场合并不需要严格三维建模,马尔计算视觉方法代价过高;二是马尔计算视觉的鲁棒性不足,难以广泛应用。
因此,一些学者提出了“主动视觉”、“目的和定性视觉”、“应用视觉”等概念,试图改进马尔计算视觉理论缺乏目的性和主动性的问题。这个阶段的研究仍然是在马尔计算视觉的理论框架之下的改良,缺乏创新的框架、理论和方法,也没有对计算机视觉后续研究形成持续的影响。
(三)多视几何和分层三维重建
上世纪90年代视频会议、虚拟现实、视频监控等具体应用有力的牵引了计算机视觉的发展,同时研究发现基于多视几何理论下的分层三维重建能有效提高三维重建的鲁棒性和精度,而计算机技术的飞速发展也给分层三维重建提供了有利的计算能力支撑。
1.多视几何
“多视几何”本质上是研究射影变换下图像对应点之间以及空间点与其投影的图像点之间的约束理论和计算方法的学科,将多视几何理论引入到计算机视觉中,提出了分层三维重建理论和摄像机自标定理论,丰富了马尔计算视觉的三维重建理论,提高了三维重建的鲁棒性和对大数据的适应性,有力推动了三维重建的应用范围。所以,计算机视觉中的多视几何研究,是计算机视觉发展历程中的一个重要阶段和事件。
图4 多视几何
数据来源:方象知产研究院整理
2.分层三维重建
分层三维重建,是指从多幅二维图像恢复欧氏空间的三维结构时,不是从图像一步到欧氏空间下的三维结构,而是分步分层地进行。首先进行射影重建,从多幅图像的对应点重建射影空间下的对应空间点;其次进行仿射重建,把射影空间下重建的点提升到仿射空间下;最后把仿射空间下重建的点再提升到欧氏空间或度量空间。
图5 分层三维重建
数据来源:方象知产研究院整理
分层三维重建将十分困难的非线性优化视觉问题转化为相对简单的分段线性优化问题,从而大大减小了三维重建的计算复杂度。分层三维重建理论是计算机视觉领域又一个最重要和最具有影响力的理论,是很多重要三维视觉应用的后台核心技术。
(四)基于学习的视觉
基于学习的视觉包括流形学习方法和深度学习方法。
1.流形学习
流形学习理论认为一种图像物体存在其内在流形,这种内在流形解决了直接用图像像素作为表达的“过表达”问题,是一种优秀的物体表达方法,解决了物体识别的核心问题。
流形学习就是通过图像表达学习其内在流形表达的过程,这种内在流形的学习过程一般是一种非线性优化过程。流形学习一个困难的问题是没有严格的理论来确定内在流形的维度,此外流形学习的效果因问题而异,很多时候其识别率甚至不如传统的主元分析等传统方法。
图6 流形学习
数据来源:方象知产研究院整理
2.深度学习
深度网络的概念最早可以追朔到上世纪80年代,但是受限于当时的数据规模和计算能力,深度网络的能力反而不如浅层网络,因此没有得到大的发展。今年来随着数据积累和计算能力的大幅提升,基于深度学习的计算机视觉研究爆炸式发展,在应用领域也取得了丰富的成果,前文提到抓捕逃犯的人脸识别系统就是基于深度学习的具体行业应用。
尽管深度学习在图像识别方面取得了革命性进步,但是一方面关于其算法自身的科学解释缺乏系统性的理论基础,另一方面深度学习在物体定位方面仍无法与基于几何的方法相媲美。
图7 深度学习
数据来源:方象知产研究院整理
3、全球计算机视觉技术专利申请状况分析
图8 计算机视觉技术全球专利申请量年变化趋势
数据来源:方象知产研究院整理
图8 是计算机视觉技术全球申请量年度变化情况。从图中可以看出,全球专利申请量呈现上升的趋势,至今没有达到最高峰值,表明计算机视觉技术没有达到鼎盛时期,还具有很大的发展潜力。值得关注的是,以2000年作为时间节点,此前世界专利申请量基本处于稳定状态,而此后基本处于大幅增长趋势,尤其是2015年之后专利申请量骤升。据相关资料显示,计算机视觉技术自2000年开始逐步迈入第四发展阶段。在该时期内,计算机视觉能力得到极大提升,这得益于以下两方面原因:一是深度学习算法和传感器技术的发展,以及神经网络技术等新方法的运用;二是相关应用领域的急剧扩张,特别是计算机视觉技术在2015年已超过人类水平,迎来广泛应用。
图9 计算机视觉技术申请目标国/地区比例分布
数据来源:方象知产研究院整理
图10 计算机视觉技术申请原创国/地区比例分布
数据来源:方象知产研究院整理
图9和图10 分别是计算机视觉技术申请目标国和原创国的分布占比情况。从两图中可以看出,计算机视觉技术目标国/地区和原创国/地区均为世界知识产权五大国/地区,即中国、美国、日本、韩国和欧洲,且占比排序基本一致。其中,中国处于计算机视觉技术原创国/地区和目标国/地区的首位,其专利量大幅领先其他各国,分别占全球申请量的55.86%和54.88%,其次为美国,分别占比23.87%和32.56%,再次为欧洲和韩国,最后为日本。这与计算机视觉技术的市场分布情况一致。
人脸识别和视频监控作为计算机视觉技术的重要应用领域,具有更加丰富的应用场景,已然成为计算机视觉技术的主流。据Capvision对相关企业营收的估算数据显示,2015年全球人脸识别市场规模已达200亿,中国约为70亿;而全球监控领域视觉识别市场容量约为740亿,中国约为200亿。据iMedia Research预计,2020年市场规模达到780亿元,年均复合增长率达125.5%.另外,从各原创国/地区和目标国/地区的占比分析,明显可以判断中国即是技术创新水平较高的国家,又是各国申请人最为重视的市场。
在国内良好政策环境的激励下,我国计算机视觉技术逐渐成熟。2015年以来,我国相继出台支持人工智能行业发展的政策,加速了计算机视觉技术创新应用的发展,提升了商业化落地能力,市场发展空间巨大。
图11 全球计算机视觉技术IPC分类号分布
数据来源:方象知产研究院整理
图11显示了全球计算机视觉技术的IPC分类号分布情况。根据小类统计分布情况知,G06K(数据识别,占比24.68%)、G06T(一般的图像数据处理或产生,占比23.28%)、G06F(电数字数据处理,占比10.69%)和H04N(图像通信,占比7.94%)占比分别位列前四,说明相关技术主要涉及以电为表征的数字数据信号处理和图像通信。这也表明相当数量的计算机视觉技术专利均涉及数据识别和图像处理等细分领域,且成为世界在计算机视觉领域中的研究方向和关注热点。这也符合计算机视觉技术应用场景的发展现状。随着身份识别的应用场景被开拓延伸,生物特征识别市场不断得到开发,可预期指纹识别、静脉识别、虹膜识别、语音识别等生物识别技术的相关专利申请将会逐渐增加。
从图11还可以看出,G01B(长度、厚度或类似线性尺寸、角度、面积等的计量)、G01C(测量距离、水准或者方位;通过利用无线电波的传播效应测定距离或速度)和G01N(利用光学手段测试)的占比在第五到第七位。可见在当前申请专利中,涉及较多的物体形状和方位确定等相关技术,因为场景分析与判断也是计算机视觉系统的主要解决问题之一。
4、中国计算机视觉技术专利申请状况分析
图12 中国和美国的计算机视觉领域技术专利申请量的年变化
数据来源:方象知产研究院整理
图13 中国计算机视觉领域细分技术的年度分布
数据来源:方象知产研究院整理
图12和图13分别为计算机视觉领域中各分支技术的中国专利申请量年变化趋势及申请年度分布情况。从图12中可以看出,中国的计算机视觉技术的专利申请始于1990年,比全球起步晚了近10年(见图8)。但是,中国专利的年均申请量均高于美国,这说明我国虽然起步较晚,但是具有一定的研发基础和实力。
直至2005 年,我国专利申请量才开始出现较大幅度增长,各分支技术年均申请总量约达116件。且此后一直保持高速增长的趋势,这与计算机视觉技术在国内的发展愈发火热有关。从国际环境方面来看,自2011年起,全球大数据资源为计算机视觉算法模型提供源源不断的素材。另外,GPU的出现使得运算力大幅度提升,这均有助于推进计算机视觉技术的发展。从国内政策层面分析,国内相继颁布的利好政策,促进了计算机视觉基础技术的研发和应用。所以,国内的计算机视觉领域的企业不断涌现,至今热度不减。
从图13 所示计算机视觉技术分布来看,我国几乎同时开启G06K、G06T、G06F、H04N、G01B、G01C和G01N等细分技术的研究,这几项技术和计算机视觉系统的各场景应用密切相关,说明中国对于计算技术视觉领域的各分支技术均有关注,且相关研究较为系统化。其中,从2013年至今G06K和G06T的申请大幅增加,且所占比重较大,这与生物识别成为计算机视觉的主流应用有关。
图14 计算机视觉技术全球专利申请人排名
数据来源:方象知产研究院整理
图14是计算机视觉技术的全球专利申请人排名。从图14可以看出,在排名前十一位的申请人中,大多数为中国申请人,有4家美国企业入榜。其中,我国的申请机构基本为高校,仅有成都通甲优博科技一家企业,且大连理工大学的申请量独占鳌头,其申请量高达110件。据公开资料显示,目前我国从事计算机视觉技术的公司有104个,国内知名的创业公司有商汤科技、云从科技、依图科技、创视科技等,且发展均处于偏早期。这表明我国的计算技术视觉产业的市场比较分散,且核心技术集中于高校的现实与企业发展的技术实际需求不匹配。
与中国相关情况不同,美国的主要申请机构均是耳熟能详的工业科技界巨头,包括高通、微软、飞利浦和pointgrab等。同时,美国著名高校也设立了计算机视觉相关实验室,如斯坦福计算机视觉实验室、麻省理工媒体实验室等。相关企业作为工业或互联网界的寡头,依靠计算机视觉技术商业化的盈利压力较小。所以,通过深耕技术研发,拥有引领性技术无疑会带给企业强大的竞争力。而且,国外IT巨头纷纷开启并购狂潮,通过布局计算视觉关键技术领域全产业链,挖掘计算机视觉市场潜力。
面对日益激烈的国际竞争环境,尽管目前我国的计算机视觉企业占据较大市场份额,但若要持续保持竞争优势,需要加强专利的市场竞争力。云从科技孵化于中国科学院重庆研究院,这是高校或科研院所服务企业的典型成功案例。故可尝试通过联合高校核心技术发明人资源,推动高校中强大技术和专利储备资源商业化落地,助力形成技术和企业相互支撑的格局。
5、结论与建议
计算机视觉技术经过几年的飞速发展,已成功应用于众多场景领域,成为了世界各国争相角逐的蓝海市场。尤其是近年来深度学习方法的发展,提升了计算机视觉的准确度,使得计算机视觉技术的应用价值得到进一步体现,市场竞争也日趋激烈。我国虽具有专利申请量的优势,然而国际上工业或互联网巨头也纷纷局计算机视觉技术,若要在市场竞争中取得领先优势,我们必须掌握行业关键技术、增强企业核心竞争力,激发计算机视觉产业蓬勃发展的活力。
尽管计算机视觉技术发端于学术界,但是唯有进行商业化应用,解决视觉识别的实际问题,才能成为计算机视觉公司的核心竞争力。所以,在提高专利申请量的同时,需更加注重专利的商业化应用,产生更高的经济效益,力争量价齐升。
首先,我国应充分发挥高校和科研院所在国家科技创新体系中的作用。在现有技术研发基础上,进一步加大创新力度,推动技术革新,创造出新颖、实用的核心专利,助力国家核心技术竞争实力。另外,可尝试推动高校科技成果转化的相关措施,如选择与拥有核心技术的高校或科研院所合作,择取一个商业落地的方向,实现技术的经济效益。同时,这也是推动我国科技创新和产业生态融合发展的具体举措。
起底AI黑科技:计算机视觉技术专利分析(二)
内容提要:
1.计算机视觉技术的重要应用领域介绍;
2.国内领跑企业融资和专利技术分析;
3.方象知产短评。
引言
上文中,我院介绍了计算机视觉技术概要和专利视角下的全球技术竞争格局,本期文章将继续深挖计算机视觉技术的技术投融资信息、前沿技术竞争情报和产业发展趋势。
1、计算机视觉的重要应用领域
随着信息化、智能化时代的到来,计算机视觉也在我们工作和生活中有了越来越广泛的应用,当前及未来一段时间内,计算机视觉在人脸识别、医学影像诊断、无人驾驶等领域的应用将蓬勃发展,下面方象知产研究院盘点计算机视觉最热门、最重要的几个应用领域。
(一)人脸识别
人脸识别是当今计算机视觉和人工智能最热门、最成熟的应用,该项技术目前已经广泛应用于公安、司法、金融、政府、航天、电力、工厂、教育、医疗等行业,并且有越来越多的行业将引入该项技术。从世界范围来看人脸识别产业的需求旺盛,研究机构和企业投入资金持续推动研究。目前该技术识别率很高,已具备大规模商用的条件,未来几年将迎来高速增长。
(二)医疗影像诊断
据统计,医疗数据中有超过 90%来自医疗影像,医疗影像信息是医生判断病情、做出治疗方案的极为重要依据。与此同时,高水平阅片医生的缺乏和繁重的阅片工作严重的影响了对患者病情的正确诊断、制约了医疗资源的高效利用。目前很多学者针对这个问题开展了研究,并取得了卓越的成果,在识别病理组织切片诊断早期肺癌方面,基于深度学习的计算机视觉系统的准确率甚至超过了人类专家。随着人们对健康的日益重视,可以预计未来基于计算机视觉的医疗影像诊断将有爆发式发展。
(三)无人驾驶
随着各种无人系统(无人车、无人机)的普及,带有视觉传感器的汽车、飞行器成为了计算机视觉技术非常大的应用投放方向。虽然从目前来看,完全实现自动驾驶、自主驾驶、无人驾驶在技术上尚不成熟,但是无人驾驶能够带来的效率和效益的巨大提升,尤其是在军事、重工业、抢险救灾等领域能够消除人类面临的种种危险,促使相关部门和机构投入大量资金发展该项技术。
(四)视频监控和分析
结合人工智能的计算机视觉技术可以对结构化的人、车、物等视频内容信息进行快速检索、识别和分析。这项应用为公安系统在海量监控视频中搜寻到特定罪犯提供了技术上的可能,同时也被广泛应用于人流密集地区的态势监控、紧急预警、人群分析等。视频监控和分析领域的商业模式多种多样,具备广阔的盈利空间,计算机视觉的该项应用将率先在安防、交通以及零售等行业掀起热潮。
2、从融资和专利角度看计算机视觉行业现状与趋势
计算机视觉这样一项有着广泛应用场景的高科技必然会涉及知识产权领域的申请、保护、交易和布局等问题,方象知产研究院从专利的角度分析计算机视觉行业的现状和趋势。
(一) 人脸识别:Face++旷视科技、广州云从科技、依图科技、商汤科技
国内人脸识别技术最强的企业有哪些?各种排行不尽一致,不过获得比较一致认可的排在前四位的公司分别是商汤科技、旷视科技、广州云从科技和依图科技。这几个公司的基本信息、融资情况和专利申请情况见表1:
表1 国内人脸识别技术重点企业融资和专利申请信息表
数据来源:方象知产研究院整理
从表1中的融资情况可以看出人脸识别技术行业作为计算机视觉和人工智能最成熟的应用领域在当今社会中的火热程度,动辄都是数亿甚至数十亿融资,特别是商汤科技和旷视科技更是行业的翘楚。继去年旷视科技(Face++)获得由中国国有资本风险投资基金(简称“国风投”)领投的4.6亿美金融资打破AI融资记录后,商汤科技在今年以6.2亿的融资额再破记录。
图1 人脸识别技术重点企业相关专利申请量
数据来源:方象知产研究院整理
从表1和图1还可以看出,旷视科技和商汤科技在人脸识别技术方面的专利申请量远远超过另外两家企业,特别是旷视科技以85个相关专利超过位列第二的商汤科技二十多条,这也许是旷视科技近年在国内外风头强劲的一个因素:2017年6月,旷视入榜“2017全球最具突破性品牌”;2017年7月,旷视获邀参加李克强总理在中南海主持召开的经济形势座谈会;2017年10月,旷视科技在计算机视觉国际顶级会议(ICCV)中获得物体检测、人体关键点以及Places物体分割等三项比赛的第一名,成为了第一个在COCO竞赛中获得冠军的中国企业。
较之旷视科技,商汤科技也毫不示弱,经过几轮大的融资,始终处于总融资额最大、估值最高的人工智能独角兽的地位,而且从它的专利地域布局图来看(图2),商汤在美国欧洲等地都布局了人工智能方面的专利,并且申请的时间还相当早,从2013年和2014年就开始了,说明了商汤的目标从一开始就不仅仅局限在国内市场。
图2 商汤科技人脸识别专利全球布局图
数据来源:方象知产研究院整理
云从科技号称拥有源自计算机视觉之父的人脸识别技术,是人脸识别国家标准起草和制定企业,从2017年8月至10月期间一口气申请了12项与人脸识别相关的专利,下一步的动态值得关注。
(二) 医疗影像诊断:推想科技、雅森科技、汇医慧影
表2 国内医疗影像诊断技术重点企业融资和专利申请信息表
数据来源:方象知产研究院整理
从表2的国内医疗影像诊断技术重点企业的融资和专利申请情况可以看出:成立于2006年的雅森科技是国内最早专注于医学影像人工智能分析的,但其十多年来的融资并不多,专利也才两篇,倒是后起之秀的汇医慧影和推想科技的表现抢眼些,特别是推想科技不仅获得的融资额最高,而且在国内外积极布局相关专利。
总体说来,国内医疗影像诊断技术的融资和专利申请情况不像人脸识别技术那么出色,这可能与智能医学影像诊断在数据规范、数据智能处理、临床准确率以及数据隐私保护中的问题有关。要突破传统思维和技术障碍以达到实际的临床应用,医学影像的智能诊断技术还需要继续努力。
(三) 无人驾驶:纵目科技、图森未来科技、驭势科技、佑驾创新
表3 国内无人驾驶技术重点企业融资和专利申请信息表
数据来源:方象知产研究院整理
人工智能下的无人驾驶技术与人类的出行方式息息相关,因此最受大众瞩目,产业大鳄和科技巨头纷纷将无人驾驶技术视为变革的钥匙,聚集了庞大的资金和聪明的人才。据统计,计算机视觉/图像技术是2017年无人驾驶项目中融资金额最高的,从表3的重点企业融资情况也可以略见一斑。
图森未来科技成立虽晚,但它是表3中几家与计算机视觉相关的无人驾驶技术重点企业中累计融资额最高的,超过五亿元,同时它的相关专利也不少,有19篇,并且在国内和美国都有布局。
与图森未来科技同年成立的驭势科技的融资情况虽不如图森未来那么亮眼,但是其在2016年和2017年就密集布局了40篇相关专利(其中四篇在世界知识产权组织),申请量是图森未来的两倍多,可见其技术团队真的是实力雄厚(驭势科技网站上宣传的就是三支顶尖团队强强联合:源于国际顶尖IT和汽车科技公司的系统团队、脱胎于中国顶尖计算机视觉公司的AI团队、和代表中国高校无人驾驶最先进科研水平的自动驾驶技术团队),未来的发展不容小觑。
图3 无人驾驶重点企业相关专利申请量
数据来源:方象知产研究院整理
从图3还可以看出,除了佑驾外,其它几家企业2017年的专利申请量都较前两年有较大幅度增加,说明无人驾驶技术处于技术发展期,其研究开发力度还将持续加大,它的市场应用前景也值得期待。
(四) 视频监控:商汤科技、格灵深瞳、依图科技、云天励飞、深网视界
表4 国内视频监控技术重点企业融资和专利申请信息表
数据来源:方象知产研究院整理
视频监控是安全防范系统的重要组成部分,身为人脸识别技术领军企业的商汤科技在视频监控领域也有重要布局,申请了23个专利,并同样在多地域布局。另外同样为人脸识别技术重点企业的依图科技也在视频监控方面有积极参与。
扣除商汤科技和依图科技因为人脸识别技术的融资情况,其它几家企业的融资情况与前几个领域相比比较一般。不过云天励飞的专利申请量很是抢眼,远远超过其它几家企业,这应与它宣称其开发的第一代动态人像识别系统具有全球首创“云+端”动态人像智能解决方案,并支持大规模部署是分不开的。
图4 视频监控技术重点企业相关专利申请量
数据来源:方象知产研究院整理
从图4的视频监控技术重点企业相关专利申请量情况可以看出,格林深瞳从2014年到2016年专利申请量是稳步增加的,但是在2017年却一篇未有,不知是尚未公开的缘故还是根本就没有申请。
比较有意思的是商汤科技本身在视频监控方面是有积极布局的,但同时又跟东方网力公司一起投资了深网视界,说明商汤科技对视频监控的发展前景是十分看好的,这或许也解释了2016年和2017年各公司总的相关专利申请量居高不下的情况(2017年申请的专利还有可能尚未完全公开)。
总体说来,视频监控技术不仅出于安防目的被政府机关要求应用,在民用市场也会进一步渗透和普及,因此它的研发和应用都将持续发展。
3、方象知产短评
在分析了计算机视觉领域的发展、应用和专利情况之后,我们可以得到一些结论。
(一) 计算机视觉行业整体处于迅速发展阶段,应用前景广泛;
(二) 人脸识别技术是计算机视觉的重要应用领域,也是计算机视觉专利高发的领域;
(三) 旷视科技公司是人脸识别领域代表性企业,拥有85项相关专利,掌握核心科技,成长状况良好;
(四) 智能医疗影像诊断技术的发展尚需努力;
(五) 无人驾驶技术改变人们的出行方式,其广泛应用值得期待;
(六) 视频监控技术会持续发展,应用会更加普及。
最后要指出的是,计算机视觉行业中技术固然重要,但是,产业的切入点、技术应用场景、行业综合服务质量也是重中之重。最重要的是解决困扰传统领域的实际问题,从而带来预期收益。
发布:IPRdaily中文网(IPRdaily.cn)
供稿:方象知产研究院
编辑:IPRdaily赵珍 校对:IPRdaily纵横君
推荐阅读
“投稿”请投邮箱“iprdaily@163.com”
「关于IPRdaily」
IPRdaily成立于2014年,是全球影响力的知识产权媒体+产业服务平台,致力于连接全球知识产权人,用户汇聚了中国、美国、德国、俄罗斯、以色列、澳大利亚、新加坡、日本、韩国等15个国家和地区的高科技公司、成长型科技企业IP高管、研发人员、法务、政府机构、律所、事务所、科研院校等全球近50多万产业用户(国内25万+海外30万);同时拥有近百万条高质量的技术资源+专利资源,通过媒体构建全球知识产权资产信息第一入口。2016年获启赋资本领投和天使汇跟投的Pre-A轮融资。
(英文官网:iprdaily.com 中文官网:iprdaily.cn)
本文来自方象知产研究院并经IPRdaily.cn中文网编辑。转载此文章须经权利人同意,并附上出处与作者信息。文章不代表IPRdaily.cn立场,如若转载,请注明出处:“http://www.iprdaily.cn/”
文章不错,犒劳下辛苦的作者吧