AI 摄像头系统可用于多种工作场景，能够为用户带来安全无忧的体验。在建筑工地等危险性较大的工作场合，系统可以及时发现建筑工人的不当操作并通知临近的工人，从而保证了施工安全；在医院中，系统能够帮助医生迅速赶到需要帮助的病人身边提供救助，防止病人出现突发状况；在企业办公场合，系统可以分辨出企业员工和外来人员，帮助企业维持日常秩序。在上述场景中，计算机视觉始终贯穿其中。
     随着未来视觉技术的进步，未来的生活与工作的系统中将会出现更多的计算机视觉集成应用。 

生物特征识别

    生物特征识别是当前最有前景的身份认证技术之一。生物特征包括人脸、语音、指纹等。与传统的密码认证相比，生物特征识别技术具有安全、便捷、保密等优点。尽管如此，欺诈问题一直伴随着生物特征识别。已经有人尝试使用照片和模型等伪造的生物特征来替代真实却的生物特征，并且成功地欺骗了检测系统。为了确保生物检测的可靠性，必须保证识别对象是真实的生物体而非其他替代物，而活体检测能通过一些细微的动作或者表情变化记录独有的生物信息，从而形成活体的唯一识别标识和密码。 

    创业公司 Biomio 采用了与传统活体检测技术完全不同的全新技术。传统的活体检测技术包括温度、排汗、导电性、位移、呼吸、器官生理反应等。在现有的技术水平下，这些手段一直是生物特征识别系统中最薄弱的一环。Biomio 另辟蹊径，将牛津大学与 Deep Mind 等机构共同开发的 LipNet 深度网络运用在了生物活体检测中，并取得了独家的使用权，计算机视觉用于生物细微特征捕捉进入了新的领域。
     LipNet 使用了时空卷积、长短期记忆单元等深度学习模型，能够将不同长度的视频序列映射为文本。该模型最初用于自动读唇，在 GRID 语料库上实现了 93.4%的准确率。这一成绩远远超过了人类读唇者。Biomio 创造性地将读唇技术用于生物活体检测。通过要求受检测者完成特定的嘴唇动作，Biomio 可以使用读唇技术获取唇动的含义并与要求做对比，从而完成可靠的活体检测。由于读唇技术处于发展早期，并且不易受噪声信号影响，在未来较长时间内均会是一种较为安全的活体检测技术。利用以读唇为代表的一些列活体检测技术，Biomio 提供了一套完成的认证和权限控制平台，用户可以获得免密码登录、智能锁、邮件加密等多种安全服务。 

智慧医疗

    传统的医疗影像处理方式主要是由医务工作者基于规则和经验对影像做出诊断。因为在现实情况中存在较多不确定性，所以传统方式会存在效率低、准确率差等缺点。另外，中国还存在医疗资源分布不均、病理医生缺口较大等问题。这导致在某些地区医疗诊断问题极为严重。计算机视觉技术的进展一定程度上缓解了上述问题。高度并行化的深度学习技术能够迅速分析医疗影像资料，并给出高准确率的诊断结果。 

    Airdoc 是将深度学习用于医疗诊断的代表性企业之一。公司取用大量的糖尿病视网膜病变患者眼底照片来训练了一个深度网络模型。该模型的样本使用量远超人类医生的诊断量，因此可以被看作是一位具有丰富经验的智能医生。模型对有明显症状和无明显症状的分类准确率已经能够与三甲医院的自身医生相媲美，而对糖尿病严重程度的 5 分类准确率也能达到专业眼科医生的水准。 

     除了诊断眼部病变外，Airdoc 还提供了皮肤、心血管、肺部等其他器官病变的诊断业务。计算机视觉技术在多器官、多病种诊断方面的优势已经逐渐展现。未来智能医疗有望成为医生诊断的重要辅助手段，甚至有望在部分领域取代人类医生。