AI視頻技術(shù)目前在無(wú)人駕駛、移動(dòng)支付、安防監(jiān)控、智慧醫(yī)療領(lǐng)域取得卓有成效的進(jìn)展。在諸多行業(yè)的推廣應(yīng)用中，安防監(jiān)控行業(yè)成為了國(guó)內(nèi)AI視頻技術(shù)率先落地的行業(yè)。

?？低暫痛笕A股份等龍頭企業(yè)，占據(jù)智能安防監(jiān)控入口優(yōu)勢(shì)，針對(duì)安防視頻數(shù)據(jù)的海量增長(zhǎng)，公司具有優(yōu)化深度算法，為用戶提供優(yōu)質(zhì)有效內(nèi)容的核心競(jìng)爭(zhēng)力。在底層算法逐漸開(kāi)源的背景下，處于上游硬件龍頭企業(yè)依靠強(qiáng)大的資金優(yōu)勢(shì)和海量視頻信息資源，就將著眼布局上游產(chǎn)業(yè)，涉足算法和芯片環(huán)節(jié)，從整體產(chǎn)業(yè)鏈角度提升公司AI視頻核心競(jìng)爭(zhēng)力。從?？低暫痛笕A股份的研發(fā)投入力度上看，目前這兩家行業(yè)龍頭企業(yè)在研發(fā)端的投入均超過(guò)10億，已推出數(shù)款如“深眸”、“睿智”等前、后端智能產(chǎn)品。在此大背景下，海康威視和大華股份將不再是硬件公司，而是數(shù)據(jù)和軟件公司。

1 AI視頻：計(jì)算機(jī)視覺(jué)+深度學(xué)習(xí)的最佳產(chǎn)物

AI視頻指的是利用計(jì)算機(jī)視覺(jué)及深度學(xué)習(xí)、對(duì)視頻內(nèi)容進(jìn)行理解，進(jìn)而完成視頻數(shù)據(jù)的結(jié)構(gòu)化分析，以實(shí)現(xiàn)相關(guān)的目標(biāo)檢測(cè)和跟蹤、人物識(shí)別、動(dòng)作識(shí)別、情感語(yǔ)義分析等功能。

1.1  信息傳播媒介已從音頻向視頻方向推進(jìn)

隨著硬件攝像頭的不斷變革，以及通訊技術(shù)的持續(xù)進(jìn)步，信息的傳播方式已逐步從音頻通訊向視頻通訊演變。圖像是人類感知世界的視覺(jué)基礎(chǔ)，同時(shí)也是我們獲取信息、表達(dá)信息和傳遞信息的重要手段。

1.2  視頻信息是AI的重要輸入

而當(dāng)下人工智能技術(shù)的發(fā)展歷程，實(shí)際上是由數(shù)據(jù)、技術(shù)、產(chǎn)品三者不斷循環(huán)推進(jìn)的一個(gè)過(guò)程，用大量數(shù)據(jù)訓(xùn)練模型，以促進(jìn)技術(shù)升級(jí)，進(jìn)而形成產(chǎn)品，再通過(guò)產(chǎn)品的應(yīng)用再次產(chǎn)生數(shù)據(jù)，進(jìn)行學(xué)習(xí)并優(yōu)化結(jié)果。

因此，視頻作為現(xiàn)今人類接受外界信息最重要的媒介，視頻的應(yīng)用無(wú)疑是人工智能發(fā)展中重要一環(huán)。無(wú)論是知識(shí)表示、自動(dòng)推理和搜索方法、自動(dòng)程序設(shè)計(jì)、智能機(jī)器人、機(jī)器學(xué)習(xí)或知識(shí)獲取，任何一個(gè)人工智能方向的發(fā)展，都不能離開(kāi)視頻在其中的應(yīng)用。

1.3  視頻識(shí)別擴(kuò)展了AI的想象空間

同時(shí)，人工智能的計(jì)算機(jī)視覺(jué)以及深度學(xué)習(xí)算法的突破，使機(jī)器在“看”這一認(rèn)知能力上的加強(qiáng)，基于人工智能的視頻分析技術(shù)在各個(gè)應(yīng)用領(lǐng)域的空間巨大。

簡(jiǎn)單從安防領(lǐng)域來(lái)看，在很多經(jīng)典的美國(guó)大片中，我們經(jīng)?？吹骄炜梢酝ㄟ^(guò)全國(guó)的交通及安防攝像頭追蹤疑犯的動(dòng)向，從而迅速破案。但實(shí)際上，受于技術(shù)上的限制，現(xiàn)實(shí)生活中對(duì)視頻內(nèi)容的分析依然以人工為主，所以在新聞媒體中，?？吹降氖悄车鼐焱ㄟ^(guò)調(diào)取案發(fā)現(xiàn)場(chǎng)附近監(jiān)控視頻經(jīng)過(guò)數(shù)小時(shí)的分析終于確定疑犯容貌，從而成功將其抓獲歸案的消息。

如果人工智能在視頻識(shí)別、視頻分析等方面取得重大突破，那么只需要輸入一張照片做參照，即可讓機(jī)器從一個(gè)地區(qū)數(shù)以千計(jì)的視頻監(jiān)控服務(wù)器中快速查找定位到相應(yīng)目標(biāo)，工作效率及準(zhǔn)確度是人工分析根本無(wú)法比擬的。

在海內(nèi)外科技巨頭的人工智能發(fā)展藍(lán)圖中，均將對(duì)視頻識(shí)別、感知及分析的相關(guān)研發(fā)放在了戰(zhàn)略地位。扎克伯格在F8大會(huì)上，明確提出把發(fā)展人工智能技術(shù)用以理解視頻內(nèi)容作為Facebook未來(lái)的核心戰(zhàn)略發(fā)展目標(biāo)。人工智能在視頻分析方面的突破，促使產(chǎn)生了眾多具備良好想象空間的應(yīng)用案例。

2 計(jì)算機(jī)視覺(jué)算法開(kāi)源化，數(shù)據(jù)集成為應(yīng)用關(guān)鍵

2.1  計(jì)算機(jī)視覺(jué)技術(shù)：對(duì)質(zhì)的分析

與以量的分析為主的機(jī)器視覺(jué)不同，計(jì)算機(jī)視覺(jué)主要處理的是對(duì)質(zhì)的分析。常見(jiàn)的包含有分類識(shí)別、身份確認(rèn)、行為分析等。形象來(lái)說(shuō)，計(jì)算機(jī)視覺(jué)技術(shù)就是使攝像機(jī)能夠代替人眼，進(jìn)行對(duì)視頻中的物體的識(shí)別、物體形狀與方位的確認(rèn)以及物體運(yùn)動(dòng)的判斷三個(gè)行為。

1)物體的識(shí)別：即理解物體是什么。對(duì)物體的識(shí)別主要體現(xiàn)在兩個(gè)方面，第一是將不同物體歸類；第二是對(duì)同類物體進(jìn)行區(qū)分與鑒別。物體識(shí)別要求既能抽象出物體的共同屬性，又能識(shí)別出相似物體間的細(xì)微差別。

2)物體形狀和方位的確認(rèn)：判斷物體的形狀和方位是為了讓物體在視覺(jué)的三維空間里得到記憶的重建，進(jìn)而進(jìn)行場(chǎng)景分析和判斷。

3)物體運(yùn)動(dòng)的判斷：和物體形狀方位的確定一樣，對(duì)物體運(yùn)動(dòng)的判斷也是一種對(duì)場(chǎng)景的重建和理解，用于進(jìn)行視覺(jué)主體(人或機(jī)器)對(duì)場(chǎng)景的分析，并據(jù)此做出自身行動(dòng)的決策，實(shí)現(xiàn)視覺(jué)主題和場(chǎng)景的交互。

計(jì)算機(jī)視覺(jué)技術(shù)的進(jìn)步，使機(jī)器能更敏銳的觀察視頻，進(jìn)而抓取各個(gè)場(chǎng)景下所需的信息。

2.2  底層算法開(kāi)源化：Google Video Intelligence API

隨著如谷歌等人工智能領(lǐng)域的巨頭的算法紛紛開(kāi)源，計(jì)算機(jī)視覺(jué)底層算法模型或?qū)⒅鸩阶呦蚪y(tǒng)一。

在今年 3月份的Google Cloud Next' 17大會(huì)上，斯坦福計(jì)算機(jī)視覺(jué)教授李飛飛開(kāi)放了能進(jìn)行視頻識(shí)別的Video Intelligence API，并演示了一個(gè)應(yīng)用樣例；此外，谷歌云工程師Sara Robinson也在GitHub上公開(kāi)了演示樣例代碼。

谷歌這次公開(kāi)的Video Intelligence API 主要有兩個(gè)重要功能：

1)  識(shí)別目標(biāo)視頻中每一幀的內(nèi)容；

2) 在龐大的視頻庫(kù)中搜索當(dāng)前視頻的元數(shù)據(jù)。

Video Intelligence API對(duì)視頻進(jìn)行全片分析，可以識(shí)別視頻中每一幀的具體內(nèi)容，同時(shí)提取出內(nèi)容相關(guān)的顆粒數(shù)據(jù)(Granular Data)。具體來(lái)說(shuō)，就是模型不僅支持自動(dòng)實(shí)時(shí)的識(shí)別視頻中的物體，按場(chǎng)景化提供精確標(biāo)簽分類，及相關(guān)實(shí)體類別信息(如下圖中的老虎，以及出現(xiàn)的相關(guān)“野生動(dòng)物”、“老虎品種”等標(biāo)簽)，分離信號(hào)與噪音；還可以進(jìn)行全片的情景理解，識(shí)別出整段視頻中所有出現(xiàn)該物體的數(shù)據(jù)幀(即能判定老虎在視頻中出現(xiàn)的時(shí)間)，并通過(guò)模型給出不同視頻幀之間的聯(lián)系和區(qū)別。

Gooogle Viedo Intelligence API開(kāi)放，意味著計(jì)算機(jī)視覺(jué)頂尖算法正在開(kāi)源化，算法模型在逐步走向統(tǒng)一。在對(duì)于以數(shù)據(jù)和算法驅(qū)動(dòng)的AI視頻來(lái)看，未來(lái)訓(xùn)練數(shù)據(jù)集上的差異對(duì)計(jì)算機(jī)視覺(jué)解決方案的優(yōu)劣影響權(quán)重增加。

2.3  數(shù)據(jù)集成為AI視頻應(yīng)用關(guān)鍵

底層算法逐漸開(kāi)源，但具體用于各個(gè)應(yīng)用場(chǎng)景的模型，需要大量的場(chǎng)景數(shù)據(jù)進(jìn)行調(diào)優(yōu)與完善，訓(xùn)練數(shù)據(jù)量越大，質(zhì)量越好，訓(xùn)練得到的算法準(zhǔn)確率高。因此，具有特征性的場(chǎng)景數(shù)據(jù)集的獲得，是AI視頻真正落地應(yīng)用的關(guān)鍵。

2016 年，谷歌發(fā)布了 YouTube-8M，一個(gè)由自動(dòng)標(biāo)記的YouTube視頻組成的數(shù)據(jù)集。2017年2月谷歌再次開(kāi)放了Youtube視頻數(shù)據(jù)集——Youtube邊界框(YouTube-BoundingBoxes)，這是一個(gè)在21萬(wàn) YouTube 視頻片段中進(jìn)行密集的標(biāo)注，由包含13類物體的共500萬(wàn)邊界框(bounding boxes)組成的視頻數(shù)據(jù)集。邊界框是指在時(shí)間上連續(xù)的幀中跟蹤對(duì)象的框，到目前為止，這是包含邊界框的最大的人工標(biāo)注視頻數(shù)據(jù)集。

在各個(gè)應(yīng)用場(chǎng)景中，安防行業(yè)是天然的數(shù)據(jù)源，具有繁多的數(shù)據(jù)種類、PB級(jí)的數(shù)據(jù)量等特征，非常適合進(jìn)行AI視頻算法訓(xùn)練。

3 AI視頻落地應(yīng)用場(chǎng)景

3.1 安防監(jiān)控

3.1.1安防監(jiān)控：當(dāng)AI視頻處理解決方案成為剛需

在世界各國(guó)政府應(yīng)對(duì)國(guó)內(nèi)安定和國(guó)際反恐的措施中，AI視頻技術(shù)成熟成為安防監(jiān)視領(lǐng)域發(fā)展的迫切需求。日益增多的監(jiān)控點(diǎn)位持續(xù)不斷地產(chǎn)生海量視頻數(shù)據(jù)，按原先的人工處理模式，負(fù)責(zé)安防監(jiān)控的人員數(shù)量會(huì)根據(jù)監(jiān)控點(diǎn)位的增長(zhǎng)而增加，如果不考慮增設(shè)人員，現(xiàn)有的監(jiān)控團(tuán)隊(duì)將無(wú)法保質(zhì)保量地完成自身的工作職責(zé)。

因此，智能化的視頻處理解決方案成為眼下迫切急需的產(chǎn)品。大數(shù)據(jù)技術(shù)、視頻結(jié)構(gòu)化的日益成熟使得AI視頻在安防領(lǐng)域的應(yīng)用存在了可能。數(shù)據(jù)結(jié)構(gòu)化技術(shù)可從視頻中提取既定物體，并通過(guò)物體識(shí)別技術(shù)認(rèn)定物體身份并貼上對(duì)應(yīng)的身份標(biāo)簽，并將處理信息匯總到后臺(tái)數(shù)據(jù)庫(kù)。用戶可以通過(guò)搜索的方式對(duì)對(duì)應(yīng)的信息進(jìn)行查詢和匯總。

目前AI視頻技術(shù)在安防領(lǐng)域的應(yīng)用已經(jīng)實(shí)現(xiàn)從靜態(tài)圖片識(shí)別到動(dòng)態(tài)影像跟蹤捕捉的升級(jí)。AI視頻技術(shù)的功能不僅在于完成靜態(tài)影像的物體識(shí)別，更在于對(duì)動(dòng)態(tài)視頻的跟蹤識(shí)別，并且基于視頻影像動(dòng)態(tài)變化的基礎(chǔ)之上迅速反饋到處理系統(tǒng)，并產(chǎn)生對(duì)應(yīng)的分析數(shù)據(jù)。

與傳統(tǒng)視頻監(jiān)控系統(tǒng)對(duì)比，AI視頻技術(shù)除卻原有數(shù)據(jù)收集和整合功能之外，開(kāi)始具備基于深度學(xué)習(xí)的智能視頻分析能力(Intelligent Video Analysis，IVA)。IVA技術(shù)的發(fā)展使得計(jì)算機(jī)擁有可以辨別物體特征的視覺(jué)處理系統(tǒng)。在視覺(jué)處理系統(tǒng)的支持下，計(jì)算機(jī)在無(wú)需人力參與的狀態(tài)下，對(duì)于攝像機(jī)提供的圖像進(jìn)行有效的定位、識(shí)別和跟蹤。根據(jù)預(yù)先設(shè)定代碼，計(jì)算機(jī)可以對(duì)行為人的軌跡行為進(jìn)行有效判斷，具備了除日常監(jiān)控任務(wù)之外的突發(fā)事件處理能力。

AI視頻分析平臺(tái)的強(qiáng)大之處不僅在于可以精準(zhǔn)計(jì)算在監(jiān)控范圍內(nèi)的人群數(shù)據(jù)，更在于智能化地分析個(gè)體行為的軌跡蹤跡，形成重點(diǎn)區(qū)域的面狀布防。AI視頻側(cè)重于人群密度管控和個(gè)體行為分析，旨在通過(guò)優(yōu)化的AI算法與框架模式實(shí)現(xiàn)對(duì)監(jiān)控范圍內(nèi)物體行為的有效分析。與傳統(tǒng)的視頻分析軟件不同，AI視頻分析可以做到以下四大智能化功能：

第一，精準(zhǔn)測(cè)算視野范圍內(nèi)人群數(shù)量，對(duì)于可疑人物進(jìn)行行為軌跡追蹤，在重大節(jié)日事件節(jié)點(diǎn)設(shè)置人群密度臨界值，控制人流量；

第二，通過(guò)人臉識(shí)別技術(shù)與運(yùn)動(dòng)軌跡追蹤發(fā)現(xiàn)可以特定人員，通過(guò)調(diào)撥警力和封鎖道路實(shí)現(xiàn)人員追捕；

第三，特定區(qū)域?qū)崟r(shí)管控，對(duì)于違規(guī)進(jìn)入特定區(qū)域的人員進(jìn)行預(yù)警，并有效進(jìn)行實(shí)時(shí)報(bào)警；

第四，對(duì)視野范圍內(nèi)的人員進(jìn)行分類識(shí)別，標(biāo)識(shí)區(qū)分不同類型人群，對(duì)于特定人員的異常動(dòng)作行為設(shè)定預(yù)警信號(hào)。

3.1.2 微軟推出全自動(dòng)智能監(jiān)控產(chǎn)品Workplace Safety

從國(guó)際領(lǐng)先的安防監(jiān)控技術(shù)而言，微軟公司在今年5月Build 2017大會(huì)推出AI for Workplace Safety，可以作為AI視頻技術(shù)在智能安防應(yīng)用的典范。

AI for Workplace Safety的特別之處就在系統(tǒng)從視頻影像收集、整合、分析、判斷、預(yù)警的全過(guò)程實(shí)現(xiàn)了機(jī)器化、自動(dòng)化操作，真正意義上提供了了去人化安防監(jiān)控解決方案。

AI for Workplace Safety將攝像頭數(shù)據(jù)處理、大數(shù)據(jù)搜索分析、云端儲(chǔ)存等先進(jìn)技術(shù)進(jìn)行整合，致使系統(tǒng)可以如何谷歌百度一樣對(duì)可視范圍的物體進(jìn)行搜索，實(shí)現(xiàn)對(duì)可視范圍內(nèi)人、事、物的實(shí)時(shí)監(jiān)控。

在監(jiān)控影像中，系統(tǒng)可以通過(guò)一整套系列參數(shù)(rendered、dropped、current、average)的設(shè)定各個(gè)物體的位置予以明確，并通過(guò)數(shù)據(jù)庫(kù)里各類物品的特征對(duì)影像內(nèi)的各種物件進(jìn)行有效對(duì)照識(shí)別，用戶可以通過(guò)語(yǔ)音系統(tǒng)輸入既定物體的名稱，系統(tǒng)即可以完成對(duì)畫(huà)面里物體進(jìn)行有效搜索并將搜結(jié)果通過(guò)系統(tǒng)平臺(tái)反饋給用戶。

在這個(gè)場(chǎng)景中，如果行為人沒(méi)有按照公司規(guī)定要求將工具放置到指定坐標(biāo)位置，系統(tǒng)則將通過(guò)平臺(tái)發(fā)生文字與圖像信息對(duì)于行為人的舉動(dòng)進(jìn)行提醒。如果行為人未經(jīng)過(guò)授權(quán)擅自使用特定工具，系統(tǒng)則將對(duì)該行為人的舉動(dòng)發(fā)生警告，當(dāng)然如果行為人完成獲得授權(quán)，系統(tǒng)則不會(huì)發(fā)出任何指令。

3.2  自動(dòng)駕駛

3.2.1 自動(dòng)駕駛：貨物運(yùn)輸領(lǐng)域的TaaS2.0版

目前業(yè)界對(duì)自動(dòng)駕駛技術(shù)的認(rèn)知按照美國(guó)汽車工程師協(xié)會(huì)(SAE)和美國(guó)高速公路安全管理局(NHTSA)的標(biāo)準(zhǔn)分為6個(gè)等級(jí)。行業(yè)協(xié)會(huì)根據(jù)自動(dòng)駕駛汽車視智能化和自動(dòng)化程度水平劃分出：無(wú)自動(dòng)化(L0)、駕駛支援(L1)、部分自動(dòng)化(L2)、有條件自動(dòng)化(L3)、高度自動(dòng)化(L4)和完全自動(dòng)化(L5)等分類級(jí)別。

基于無(wú)人駕駛技術(shù)應(yīng)用的貨物運(yùn)輸服務(wù)在業(yè)界被稱之TaaS2.0(Transportation as a Service)。與之對(duì)應(yīng)的TaaS1.0(Transportation as a Service).0則為人力駕駛提供服務(wù)。根據(jù)摩根士丹利提供的無(wú)人駕駛報(bào)告顯示，無(wú)人駕駛的實(shí)現(xiàn)可以極大地減少車輛運(yùn)輸費(fèi)用，致使每輛車的運(yùn)輸成本降低為原來(lái)的1/7。

國(guó)家發(fā)布的《汽車產(chǎn)業(yè)中長(zhǎng)期發(fā)展規(guī)劃》提出到2020年，中國(guó)汽車駕駛輔助、部分自動(dòng)駕駛、有條件自動(dòng)駕駛系統(tǒng)新車裝配率超過(guò)50%；網(wǎng)聯(lián)式駕駛輔助系統(tǒng)裝配率需要達(dá)到10%。到2025年，汽車駕駛輔助、部分自動(dòng)駕駛、有條件自動(dòng)駕駛系統(tǒng)新車裝配率應(yīng)超過(guò)80%，其中部分自動(dòng)駕駛、有條件自動(dòng)駕駛系統(tǒng)新車裝配率裝配率應(yīng)達(dá)到25%。同時(shí)高度和完全自動(dòng)駕駛汽車開(kāi)始進(jìn)入市場(chǎng)。

眼下，發(fā)達(dá)國(guó)家正在逐漸布局智能網(wǎng)聯(lián)汽車。Intel以153億美元完成了對(duì)全球領(lǐng)先的自動(dòng)駕駛技術(shù)公司Mobileye的收購(gòu)；豐田公司在美國(guó)建設(shè)大型自動(dòng)駕駛汽車測(cè)試基地；國(guó)內(nèi)的知名互聯(lián)網(wǎng)巨頭百度也發(fā)布“阿波羅計(jì)劃”旨在為無(wú)人駕駛行業(yè)的廠家開(kāi)放一整套完整的軟件操作平臺(tái)。

3.2.2  自動(dòng)駕駛技術(shù)公司Mobileye業(yè)務(wù)發(fā)展迅猛引得外界側(cè)目

根據(jù)P&S Market Research的數(shù)據(jù)，2017年的ADAS 全球市場(chǎng)容量高達(dá)252億美元，按照每年27%的市場(chǎng)增長(zhǎng)率測(cè)算，到2022年，ADAS行業(yè)的市場(chǎng)規(guī)?？梢赃_(dá)到990億美元。

在ADAS市場(chǎng)中，以色列公司Mobileye業(yè)務(wù)之發(fā)展迅猛引得外界側(cè)目。與其他技術(shù)提供商和算法類公司不同，Mobileye依靠其自身海量多元視頻數(shù)據(jù)構(gòu)筑了強(qiáng)大的技術(shù)數(shù)據(jù)壁壘，目前Mobileye已經(jīng)獲取超過(guò)25家汽車企業(yè)超過(guò)5年的高清車輛行駛數(shù)據(jù)，總里程累計(jì)超過(guò)4000 萬(wàn)公里。

目前Mobileye已經(jīng)超過(guò)90%的全球汽車廠商合作，為汽車企業(yè)提供防止碰撞安全技術(shù)服務(wù)。2014年11月推出EyeQ3已經(jīng)與德?tīng)柗迫〉没蛘?。而EyeQ3的升級(jí)版半自動(dòng)駕駛系統(tǒng)EyeQ4將于2018年初問(wèn)世。與EyeQ3不同，EyeQ4將內(nèi)置14 核心(包括 10 個(gè)定制化圖像處理加速核心)，支持超過(guò)10個(gè)36fps攝像頭數(shù)據(jù)輸入，并且向馬路穿越識(shí)別(Lateral Turn Across Path, LTAP)能力。

3.2.3 Tesla：當(dāng)智能攝像頭成為自動(dòng)駕駛慧眼

特斯拉通過(guò)目前已售出車輛的外部攝像頭傳感器對(duì)行駛路面道路信息進(jìn)行收集整合，寄望于眾包形式進(jìn)行地面路況信息搜集，并在此基礎(chǔ)上為特斯拉下步在自自動(dòng)駕駛的道路選擇、交通標(biāo)示辨別、路況更新、路徑選擇提供更加全面的視頻信息線索。

特斯拉的攝像頭作為實(shí)現(xiàn)自動(dòng)駕駛的慧眼，是實(shí)現(xiàn)智能預(yù)警、識(shí)別類ADAS功能的基礎(chǔ)。車載攝像頭作為路況視覺(jué)影像收集的基礎(chǔ)硬件，包括車道偏離預(yù)警(LDW)、前向碰撞預(yù)警(FCW)、交通標(biāo)志識(shí)別(TSR)、 車道保持輔助(LKA)、行人碰撞預(yù)警(PCW)、全景泊車(SVP)、駕駛員疲勞預(yù)警等眾多功能等在內(nèi)的智能輔助駕駛功能均需借助攝像頭，因此攝像頭的性能和配置將直接影響無(wú)人駕駛功能的實(shí)施。

從2016年10月，特斯拉完成了對(duì)Autopilot硬件傳感器套裝的系統(tǒng)升級(jí)，實(shí)現(xiàn)了從Autopilot 1.0到Autopilot 2.0的過(guò)渡升級(jí)。特斯拉Autopilot 2.0的硬件系統(tǒng)需要配置8個(gè)攝像頭，而單車多攝像頭也成為為未來(lái)無(wú)人駕駛配置的趨勢(shì)。

每款汽車依據(jù)ADAS功能的差異，攝像頭的安裝位置也需要做出對(duì)應(yīng)的調(diào)整。從攝像頭的安裝位置看，無(wú)人駕駛車的攝像頭可分為前視、側(cè)視、后視和內(nèi)置四個(gè)部分。未來(lái)要實(shí)現(xiàn)全套ADAS功能，單車需配備至少5個(gè)攝像頭。與此同時(shí)，此番硬件系統(tǒng)的升級(jí)致使對(duì)應(yīng)軟件的輔助駕駛功能參數(shù)受到顯示，并未達(dá)到1.0版本時(shí)期的水準(zhǔn)。

特斯拉的無(wú)人系統(tǒng)駕駛將模擬現(xiàn)實(shí)路況，測(cè)算道路寬度，判定前后車輛間距，并根據(jù)系統(tǒng)設(shè)定參數(shù)進(jìn)行無(wú)人駕駛。由攝像頭搜集的“短視頻”將被公司后臺(tái)搜集形成實(shí)時(shí)路況圖示并根據(jù)道路分叉路況和交通等待時(shí)間規(guī)劃最佳線路。