编者按

电子商务早早就运用大数据来分析消费者的购物习惯，预测未来的购物需求，并提供个性化的购物推荐。如今，机器视觉技术可以帮助商家们捕捉消费者的动作和微表情来分析消费者对产品的喜好厌恶。

文 / 齐卿 本刊资深编辑

来源：中欧商业评论

人类获取的信息中，有80%来自于视觉，而在企业决策中，信息主要来源于文字和各类数值数据，大量视觉信号被排除在决策信息之外。

随着数字、深度学习等技术的成熟，带来了图像识别行业的快速发展。根据风投调研公司Venture Scanner和平安证券的相关统计，通用型的图像识别技术公司截至2015年获得约7亿美元的投资，排在人工智能行业的第三位，专注于行业应用的图像识别技术公司获得了4.5亿美元的投资额，远高于近几年火爆的语音识别技术。

机器视觉行业涌现了大量公司，除了我们熟知的自动驾驶、安防外，主要的应用场景有哪些？又会为未来商业带来哪些改变？

        商业：将情感注入大数据

大数据并不是一个新的概念，电子商务早早就运用大数据来分析消费者的购物习惯，预测未来的购物需求，并提供个性化的购物推荐。亚马逊、淘宝、京东都是个中高手。但是这种大数据的一个问题在于，商家并不能很好地判断顾客对产品的情绪。顾客没有退货可能是非常喜欢这件产品，超出了他的期望；也可能只是达到顾客基本的预期。

对于现阶段的电子商务网站而言，主要销售的是高度标准化、需求价格弹性较高的商品，用户的情绪可能不那么重要。但是对于强调用户的体验的线下场景、新零售等业态而言，如何有效的获取顾客的情感具有很强的现实意义。

新加坡争先迴转寿司在这方面做出了有益的探索。

在运用机器视觉之前，争先迴转寿司运用传统的大数据方法，统计每位顾客从传送带上拿取的各类寿司的数量，以此对顾客的消费行为做出预测。但运行一段时间发现，有时候顾客可能是对寿司的外观所吸引，但对其口味并不是十分满意，但又不能将寿司放回传送带，因此对于决策后台来说，单纯统计拿取的数量并不能准确反映顾客的偏好。

在此基础上，争先迴转寿司与慧与（Hewlett Packard Enterprise）合作，将摄像头部署在用餐区域，记录顾客食用寿司时的表情，以及拿取寿司的动作。通过记录顾客微妙的表情，争先迴转寿司可以真实的了解顾客对寿司口味的感受，了解顾客是由于好奇尝鲜，还是对味道喜爱而取食寿司，进而优化寿司的产品组合。

通过对顾客动作数据的挖掘，可以更进一步地分析顾客的偏好。例如顾客在取食的时候是否会有犹豫？是否将寿司拿起来又放下？是否起身去取远处的寿司？这些行为都表达了消费者不同的情感。而这些情感的捕获，依靠单纯的结果数据是无法实现的，需要机器视觉对消费者的消费过程进行全程的跟踪。

娱乐：未来是电影在看你

喜爱美剧的朋友，可能会对《别对我说谎》（Lie to me）中莱特曼博士，对微表情的深刻洞察力印象深刻。如今，迪士尼正准备化身莱特曼博士，通过机器视觉和人工智能，分析影院中观众的面部表情，以判断观众的情绪，用于改进影片的剪辑。

通常，电影制作公司在电影制作完成之后，影片公映之前，会招募测试小组，进行影片的试映工作，以了解观众的反应与影片制作意图是否相符（观众是否在影片制作者希望观众感动、愉快或者悲伤的情节，能够产生共鸣），并作为改进影片剪辑的依据，甚至据此来选择影片最终的结局（西方电影在拍摄时，往往有多个结局，根据试映观众的反馈情况选择某一个结局，作为公映影片的结局）。但目前这一过程往往依靠工作人员的人工观察，和试映后的调查问卷来完成。

而部署机器视觉后，可以节约大量的人力和时间成本。更为神奇的是，迪士尼的这套系统（FVAE），在观众观看影片10分钟左右，就可以预测观众对剩下的内容是否感兴趣。如果进一步优化，按观众意愿推进电影情节，也可能在不远的未来实现。

这一技术还可以应用到智能机器人、游乐场等多种场景，当机器能够真正的理解人的情感时，或许才是人工智能真正成熟之时。

          医疗：见微知著

机器视觉的另一个重要的应用领域是医疗影像。医疗影像诊断的难点在于，不同的疾病有不同的影像特征，医生需要记忆和识别大量的影像模式特征。而有些影像特征非常微小或者与其他疾病的特征相类似，这需要医生具有非常扎实的专业知识才能准确的分辨。而这种模式识别正是机器视觉与人工智能的优势。

国内人工智能医疗影像公司主要有两个发展方向，一是通过积累电子病历，实现对医疗影像的诊断分析，帮助医生提高影像诊断效率，主要参与公司有Enlitic、推想科技等。另一个发展方向是对医疗影像本身的解读，提高医疗影像诊断的精准度。主要参与公司有Arterys、雅森科技等。

第一种发展方向的代表应用有肺结核与肺癌的诊断。这两种疾病，在医疗影像上具有很高的相似度，临床的误诊率很高。而运用人工智能对模式识别，可以更为准确地识别出两种病症的不同的影像特征，提高医生诊断的准确率。

第二类发展方向是提高影像的精确度，如配合机器视觉极高的分辨率和宽容度，影像中极小的病情，人工智能技术也可以轻易的识别出来。下图就是这种应用的一个典型场景。

对企业的建议

机器视觉的发展带来很多新的应用场景，企业如何利用这一趋势，创新业务模式？埃森哲互动数字营销部门Fjord给出了三点建议。

01 重新思考服务

信息的视觉化捕获越来越普遍且广泛，企业必须开始构思新一代服务。首要一步就是考虑设备或服务依据“眼睛”捕捉的信息做出何种程度的响应。

02 重新思考数据处理方式

第一：可以想象未来会有更多的数据，因为，摄像头智能化捕捉技术可减少繁琐的操作，而无须用户手动输入数据。第二：思考可从处理的大量视觉图像中提取哪些数据，哪些数据最有用。第三：为海量不同级别的数据输入做好准备，并即刻计划如何合理整理数据，以有效使用、避免数据过载。

03 重新思考设计情境

计算机视觉技术推动计算机越来越能读懂我们的情绪，为此，设计人员应当在服务设计过程中充分考虑人类行为和固有特征，从而吸引客户。

埃森哲大中华区数字服务总裁俞毅，埃森哲互动数字营销部门Fjord高级设计总监叶慧儿对本文亦有贡献

主要参考资料：

《Fjord趋势2018》. 埃森哲. 2018.05

《人工智能图像识别专题报告》.平安证券. 2016.11