深度学习助力检测汽车安全隐患

Hever Amir是计算机视觉技术初创公司UVeye的联合创始人兼首席执行官。几年前，他曾开车进入政府机构，当时门口的保安跪下来仔细检查汽车底部，这让他意识到政府的安全检查流程中存在很大缺陷。

“他站起来后，我就问他在找什么”，Hever说道，“保安特别诚实地说他在排查安全威胁，但是什么也没有找到。那时候我就意识到肉眼检查并非是对汽车进行安全检测的有效方式。”

之后Hever组建了一支团队，并开始研究这一问题和可能的解决方案。他们于2016年在纽约成立了UVeye，并最终打造出了一套使用深度学习提升安全性的车底检测系统。

Uveye主要专注于研究各种各样的汽车底盘，以及汽车行驶几千英里后发生的种种变化。Hever和他的团队明白，识别汽车底盘的异常现象并不容易。Hever说：“我们也不知道要找什么，因为并没有任何标准能够对存在威胁的底盘进行界定。而且，威胁通常是隐藏着的。”

汽车结构图远远不够

UVeye很快便发现，要检测底盘安全隐患，仅靠汽车制造商提供的底盘结构图远远不够。因为行驶了几千英里之后的底盘，与刚出厂的底盘大有不同。他们的解决办法是，开发用于无监督式学习的算法。无论隐藏得多深，汽车底盘情况如何，这种算法都有可能检测到威胁。

该公司租赁了数百辆状况不同的汽车，对汽车底盘进行扫描，生成了2D图片和3D模型。将生成的数据输入其深度学习模型中，该模型会映射所有部件的位置，然后分别分析每个部分，进而查找出异常现象。

这种解决方案可以检测到这些部件的变化、异常、或者USB硬盘般大小的外来物体的存在。也可以判断异常突出物究竟是一堆普通的雪或泥巴，还是为了掩盖某些东西的伪装。

UVeye使用包含多个NVIDIA GPU的工作站来训练其模型。如果超出了其工作站的处理能力，他们也会使用Amazon Web Services或Microsoft Azure上运行的基于云的GPU进行训练或进一步加速进程。

Hever说，GPU和CUDA并行计算模型的使用显著加快了公司的训练和开发进程，增强了系统生成结果的能力。

通过UVeye的首个产品系列，消费者可以对各种汽车底盘异常现象、变动或外来物体进行自动扫描、检测和识别。UVeye已将其安装于全球30多个地点。该系统可放置于地面上，扫描途经的汽车。这为保证系统的有效性提供了大量的测试数据。

Hever说：“GPU让快速检测成为可能。在三秒内，我们的机器学习算法就可以检测出行驶中的汽车的异常现象。”

检测即服务

UVeye正在变革汽车检测行业。其系统中的其他应用程序专注于安全性，对于该公司而言，国家安全是一个前景可观的市场。Hever表示：“汽车的自动外部检查系统可以检测异常现象、变化、凹陷，并跟踪长期变化，人们对这种系统的需求非常大。”

除了底盘之外，该公司还利用算法分析其他汽车部件，对汽车进行全方位检测。Hever说：“UVeye的360度全方位系统可以检测到汽车裂缝、磨损以及各种各样的问题或损坏。”从汽车的销售和租赁到车队的管理和维修，确保汽车安全可靠运行涉及众多方面。Hever从中看到了其公司“检测即服务”模式的无限机遇。

Hever说：“我们将改变消费者和机构检测汽车的方式。”