摘要 隨著新一輪信息技術的發展，基于環境智能的建筑智能終端必將作為工程建造領域高質量發展的重要方向。本文闡述了建筑智能終端的基本概念與重要性，面向構建健康、安全、綠色節能的建筑環境需求，從感知、傳輸、應用、對象四個層面構建了建筑智能終端技術體系。統計了建筑環境智能中常用的傳感器設備與其生成的數據類型，并介紹了處理這些的智能算法與其對應用途，通過物聯網、計算機視覺、深度學習等技術實現建筑智能終端在醫療、居家和公共建筑空間的關鍵場景。對實際應用過程中所面臨的技術、管理、組織及倫理等問題，總結了現有建筑智能終端的發展方向與未來可能面臨的挑戰。

　　關鍵詞 智能建筑;環境智能;物聯網;計算機視覺;深度學習

　　隨著人們對智能建筑的興趣日益增長，以及該領域新技術的出現，已經引發了一些研究，目的是實現不同類型的應用，如能源優化、建筑管理簡化、居民舒適度改善、健康監控等。傳統的自動化系統受到日益復雜的建筑環境的挑戰，建筑需要不斷適應用戶的需求與外部環境的改變。物聯網是智能建筑的關鍵技術元素之一，它由所有連接的傳感器和這些傳感器產生的數據的存儲環境組成，可以收集物聯網中對象產生的大量數據。然而，現有的智能建筑研究中，重點在于構建智能設備的感知和傳輸網絡，基于規則或專家系統進行設備控制，對于人的行為與需求方面的研究較少。環境智能是指對人的存在非常敏感和具有反應能力的電子環境。

　　這個詞最初是由 Eli Zelkha 和他在 Palo Alto Ventures 公司的團隊在 20 世紀 90 年代末發明的[1]，后來擴展到沒有人的環境中：“在一個環境智能世界中，各種設備協同工作，以一種簡單、自然的方式，利用隱藏在連接這些設備的網絡(例如物聯網)中的信息和智能，支持人們進行日常生活活動、任務和儀式”。Juan Carlos Augusto 和 McCullagh給出了一個現代的定義[2]：“環境智能是一種多學科方法，旨在增強環境和人之間的互動方式。這個地區的最終目標是讓我們生活和工作的地方對我們更有利”。環境智能對人的存在敏感，但是卻忽略了人所處建筑空間這一信息，其可以作為用戶需求分析的憑證之一。

　　手機智能終端、汽車智能終端，下一個改變人們生活的智能終端是什么?這是一個值得思考的問題。目前，智能建筑與環境智能在智能感知、智能交互、智能服務等研究領域產生了一定的重合，部分研究者同時關注了建筑和人的存在，但是這一領域卻沒有明確的定義。結合智能建筑與環境智能這兩個概念，本文提出了建筑智能終端概念。在第一節中將會介紹建筑智能終端的定義與體系;第二節中討論了建筑智能終端的關鍵技術;在第三節，本文會從不同的建筑空間介紹建筑智能終端的應用;第四節，討論建筑智能終端的發展方向和可能的挑戰。

　　1 建筑智能終端的定義與體系

　　1.1 建筑智能終端定義本文結合智能建筑與環境智能兩者的定義，從用戶和建筑本體兩個方面出發，提出建筑智能終端。建筑智能終端是指利用環境智能技術構建的，對用戶行為敏感的可控制的智能空間。建筑智能終端將物理空間和信息空間融合一體，各種傳感器、計算設備、人工智能算法嵌入到建筑空間中，用戶通過便捷的人機交互方式與建筑智能終端互動，傳感設備與人工智能算法結合感知用戶的狀態、生理、心理、行為，根據這些狀態、用戶身份、用戶行為習慣和建筑空間屬性理解用戶的需求，并提供相應的服務。

　　(1)物理空間。建筑智能終端中的物理空間包含智能感知傳感器和建筑本體。智能感知傳感器可以通過物聯網技術組成傳感器網絡，主動收集用戶的多種數據，比如用戶的生理數據(心率，血糖，血氧，血壓等)、活動數據(對各類智能設備的開關和設定等)以及視頻數據(家庭或者公共空間的視頻監控)，并且能夠根據系統的指示調節環境中的各種參數，比如溫濕度、燈光或者設備用電情況等;不同的建筑有著不同的用途，用戶在不同建筑中，其需求的傾向不同，比如在住宅中用戶需要的是便捷舒適的居住體驗，而在醫院中，用戶需要的是全面的治療。對建筑進行建模，并且為模型中各個空間分配對于用戶需求的偏好，從而形成了各種建筑空間，比如居家建筑空間、醫療建筑空間、公共建筑空間等。

　　(2)信息空間。建筑智能終端中傳感器網絡收集的用戶生理數據、活動數據、視頻數據以及建筑運行過程中產生的數據在信息空間中進行傳輸、分析和利用。建筑智能終端對用戶身份和行為敏感，在同一建筑空間中，不同身份的用戶需求可能千差萬別。在醫療建筑空間中，患者身份的用戶需要的是詳盡的康復指導，而醫護工作人員需要的是對患者健康數據的全面監控。用戶信息在信息空間中的流動和更新是建筑智能終端理解用戶需求的重要前提。結合用戶當前行為、所處健康空間與行為習慣記錄，建筑智能終端能夠智能地理解用戶此時的需求，并提供相應的服務。建筑智能終端與普適計算、上下文理解和以人為中心的計算機交互設計密切相關。建筑智能終端最重要的特性如下：

　　1) 嵌入式：各種傳感器和計算設備集成到環境中，盡量讓智能設備對用戶不可見;(2) 上下文理解：建筑智能終端可以識別用戶，也可能識別用戶所處的建筑空間和情景上下文;3) 自適應：建筑智能終端根據用戶身體或精神狀態的變化改變其環境，并且能夠適應用戶生活習慣的變化;4) 透明：建筑智能終端不要求用戶采取額外的行動，它采用被動的方式來滿足用戶的需求，而不需要用戶主動進行操作或額外增加負擔。

　　1.2 建筑智能終端體系

　　建筑智能終端是環境智能技術在建筑領域的進一步細化，其結合傳統建筑領域、物聯網技術、大數據技術、人工智能技術，在以物聯網等智能建筑體系的基礎上，增加了建筑空間和用戶這兩個對象，將現代信息技術與傳統建筑領域深度融合，構建了聚焦用戶行為與建筑空間的建筑智能終端體系。

　　建筑智能終端體系主要由以下四個部分組成：

　　1) 感知層：感知層是實現建筑智能終端的基礎，以音視頻傳感器 攝像頭、深度相機、麥克風、雷達等 、被動紅外傳感器 紅外成像儀等 、無線射頻傳感器(RFID 標簽等 以及一系列可穿戴設備 智能手環、智能鞋墊等 為主，檢測各種與用戶相關的信息。比如用戶的音視頻記錄，建筑空間中各物體與用戶距離，用戶定位等。

　　2) 傳輸層：各類信息資源在此層中匯聚。主要包括三種核心的信息處理的資源和能力：網絡(無線網絡覆蓋、IP 骨干網絡、互聯網及運營商網絡的互聯)、計算(云計算、大數據、機器學習)和存儲(云存儲、本地數據庫)。該層包括各類信息互通的協議標準、流程規范、服務接口等等。在這一層，信息經過一定的處理，已經具有了語義化的特征，為下一層應用層調用做好了準備。在建筑智能終端中，產生的數據量較大，視頻數據多，一般選擇本地數據庫存儲，以避免數據傳輸延遲和隱私問題。

　　3) 應用層：應用層是數據分析的重點，也即輸入輸出控制終端。例如，手機、智能家居的控制器等等，主要通過數據處理及解決方案來提供人們所需的信息服務。但是在建筑智能終端中，應用層應用普遍遵循對用戶透明的原則，結合預設對象信息、感知數據和上下文理解系統，預測用戶的需求，提前為他提供相應服務。比如生活輔助系統、跌倒檢測、建筑節能等應用都不需要用戶動手操作。

　　4) 預設對象：在建筑智能終端體系中，會預設兩個對象，建筑空間和用戶。其中建筑空間包含建筑類型和建筑模型，用戶對象包含身份、位置、行為習慣。建筑空間和用戶進行匹配可以得到用戶當前所處的具體位置，這些所有信息都會傳輸到網絡層中作為上下文理解系統的輸入，從而為用戶提供個性化的服務。在整個體系架構中，數據傳輸過程為：首先感知層收集數據，傳入網絡層，并且更新預設對象的信息 建筑模型：設備位置;用戶：位置 ，預設對象的所有信息傳入網絡層;然后網絡層進行數據的存儲與分析 行為檢測、目標識別、上下文理解、需求分析 ，預測用戶需要的服務，并將相應的數據傳輸到網絡層，提供相應的服務。

　　2 建筑智能終端的關鍵技術

　　2.1 傳感器網絡傳感器

　　網絡在建筑智能終端中的作用是為更高層次的系統提供和用戶有關的信息，為上下文理解和后續的環境控制做準備。由傳感器提供的信息被用來驅動自動分析用戶行為的系統。由于不可能對建筑智能終端中最常用的傳感器進行全面的概述，因此我們將專注于最重要的類型。 概述了在建筑智能終端中部署的常見傳感器與其收集的數據類型及用途。可以看到多數的研究集中在音視頻數據的采集和分析上，因為這些方式幾乎提供了用戶在人際交往和與環境互動的過程中使用的所有信號。視覺數據最廣泛的應用有表情識別[3]、目標檢測[4–6]、動作識別[7–10]和機器人導航[11]等，主要用于識別用戶和物體。音頻被廣泛用于語音識別[12–14]，以及與智能交互相關的聽覺特征估計。

　　被動紅外傳感器記錄來自物體(尤其是人、動物和車輛)的紅外信號，由于它們的光譜特征可能與視覺特征非常不同，它們為運動和物體分類提供了互補的特征。通過在建筑環境中部署被動式紅外傳感器設備網絡，可以探測火災和煙霧[15–18]，還可以分析用戶的運動模式[19,20]。射頻識別(RFID)技術是物聯網中廣泛使用的定位技術，因為它可以感知物體的接近程度和身份信息。無源的 RFID 標簽體積小，靈活，不需要復雜操作。因此，它們可以被放置在日常用品上，織成衣物，甚至注射到動物或人體內。RFID 讀取器將能夠識別經過其附近的物體或人。從不同的標簽收集數據允許系統拼湊出建筑智能終端中用戶的位置[21]。

　　使用 RFID 標記用戶對于人臉、手勢、身體姿勢[22]和語音識別應用程序收集真實數據也非常有用。可穿戴傳感器已經被視為實現智能健康的解決方案之一，常見的可穿戴設備包括手環、手表、腕帶、眼鏡、鞋墊等。其可以在非醫療場所便捷地檢測用戶的生理數據，比如血壓[23,24]、血氧[25–27]、心率[28,29]等，從而對用戶進行長期的健康監測，可以達到預防慢性病。同時還可以記錄用戶的運動數據，進行運動監督[30]等功能。目前，建筑智能終端中涉及到的傳感器種類繁多、應用范圍較廣，但是其各有利弊，應該從具體的應用場景和用戶需求進行選擇。以目標檢測任務為例，較常用來進行目標檢測的傳感器有攝像頭、深度相機和雷達。

　　它們采集到的數據信息量遞減，同時目標檢測的精度也遞減。攝像頭拍攝的RGB 圖像提供最豐富的視覺特征，也提供最準確的目標檢測結果;深度相機提供深度數據與較少的視覺特征，同時檢測范圍有限，設備成本較高，目標檢測的精度不如前者;雷達僅提供聲波的反射數據，并不提供視覺方面的特征，目標檢測精度最低，同時成本也是三者中最高的，但是雷達會暴露最少的用戶隱私。如果是在圖書館等已有監控設備的建筑空間中應用目標檢測技術，可以選擇攝像頭作為傳感器，因為它提供最高的目標檢測精度，并且成本低廉;如果是在醫院等隱私要求較高的建筑空間，一般選擇深度相機作為傳感器，因為它的目標檢測精度和成本都在可接受范圍內，并且也在一定程度上緩解了隱私問題。以人員定位為例，可以選擇使用計算機視覺技術或者 RFID 標簽，前者需要詳細記錄用戶的面部特征，有很高的隱私風險，但是使用較方便，成本較低;后者具有較低的隱私風險，但是成本較高，并且違反了建筑智能終端對用戶透明的原則，相對于 RFID 標簽，攝像頭是更自然的交互方式。

　　2.2 基于計算機視覺的感知技術長期以來，人類行為一直是計算機視覺研究的重點，主要是在個人信號級別，即出于特定目的跟蹤和分析人的面部和身體。人類行為的自動分類涉及對身體運動的理解、手勢和標志、面部表情的分析和其他情感信號。在更高的層次上，這些信號與建筑空間屬性和用戶行為習慣的上下文屬性相結合，以理解用戶當前需求。

　　其中人臉檢測與識別、目標檢測追蹤和人體姿態估計的重點在于視覺特征的提取，而目標追蹤和行為識別還要涉及到時空特征的提取。視覺特征提取以人臉表情識別為例，其網絡結構圖 所示。對齊的人臉圖像作為模型的輸入，經過多次卷積和池化，提取出圖像中較底層的通用視覺特征，并逐步提取特化的和表情有關的高層特征，最后經過全連接層進行表情的分類，給出每種表情的置信度。卷積和池化的過程如圖 所示，經過不同卷積核與原始圖像進行卷積操作，圖像中邊緣，拐角，圓弧等基礎特征被提取出來，再經過最大池化層進行數據的降維，從而降低模型參數，保證模型收斂和訓練速度。通過組合不同的卷積核結果，可以將各種基礎特征進行組合，訓練過程中調整這些參數，就達到了自動提取表情識別相關視覺特征的目的。行為識別 Action Recognition 是指對視頻中人的行為動作進行識別，即讀懂視頻。比如判斷一個人是在走路，跳躍還是揮手。在視頻監督，視頻推薦和人機交互中有重要的應用。

　　近幾十年來，隨著神經網絡的興起，發展出了很多處理行為識別問題的方法。不同于目標識別，行為識別除了需要分析目標的空間依賴關系，還需要分析目標變化的歷史信息，也就是需要考慮到目標的時空線索。下面簡單介紹基于深度學習的行為識別的主流方法：1)雙流法(two stream)。雙流法將行為識別中的特征提取為兩個分支，一個是 RGB 分支提取空間特征，另一個是光流分支提取時間上的光流特征，最后 結 合 兩種 特 征 進行 動 作 識別 ， 代 表方 法 有TwoStreamCNN、TSN[9]、TRN[37]等;2)3D 卷積(C D)。

　　卷積就是在空間和時間維度上同時進行卷積運算，將上文中的二維卷積擴展到三維，添加了時間維度，直接提取時空特征，是研究成果較多的方向，代表方法有 和 [38]等;3)卷積循環神經網絡(CNN LSTM)。LSTM[39]網絡擁有記憶功能，擅長處理時序信號中的長時依賴關系，而視頻正是在時間上變化的圖像。所以很自然地有研究者將 CNN 與 LSTM 結合進行行為識別，CNN 提取出的空間特征可以作為 LSTM 編碼器的輸入，進一步學習時間特征。

　　2.3 上下文理解對用戶行為和建筑空間敏感是將建筑智能終端與人工智能、物聯網區分開來的關鍵問題之一。為了實現場景感知、個性化推薦、環境自適應和需求分析，建筑智能終端的應用需要大量關于環境中建筑空間和參與者的信息。研究重點現在轉向在更自然的環境中進行分析，減少控制條件，增加了更嚴格的實時約束，最重要的是，交互動作的識別。用戶與環境、用戶之間在互動中的相對位置、他們的姿勢、手勢、非語言行為以及他們相互回應的方式都帶有重要的線索，這些線索對于正確的上下文理解至關重要。前文中提到的傳感器和關鍵技術可以提供了許多解決方案，為以下幾個關鍵問題提供答案：

　　(1 )用戶識別。在建筑智能終端中，不同用戶有著不同的行為習慣和活動傾向，在同一建筑空間中，不同用戶對光照、溫濕度等環境因素的需求可能并不相同，建筑智能終端需要針對他們的習慣調整其所處空間的環境，以提供個性化的服務。基于人臉識別、面部和行為的視覺生物識別技術主要可以處理一般建筑空間中相對較少的用戶。在公共建筑空間或隱私要求較高的建筑空間中，可以使用RFID 標簽等設備進行用戶的注冊和識別。

　　( 2)用戶定位。用戶在生活和工作的過程中，其所處的建筑空間和位置坐標是對于上下文理解系統很重要的標識之一。用戶在建筑空間中活動時，其位置信息的檢測和跟蹤可以通過計算機視覺或定位傳感器解決。雖然使用校準相機對人類進行視覺跟蹤已在很大程度上解決了用戶定位的問題，但在復雜活動中跟蹤多人仍然具有挑戰性，并且這涉及到多攝像頭陣列以及丟失用戶后重識別等挑戰。使用 RFID 標簽等定位傳感器可以較方便地記錄用戶的位置信息，但是違背了建筑智能終端對用戶透明的原則;智能手環等可穿戴設備使用 GPS 定位技術，可用于室外運動定位，同時對用戶透明，不會過多影響其生活工作，但是其精度不足以應用于室內定位。建筑智能終端將建筑數字化，建立建筑數字化模型，其中包含建筑的多個建筑空間與用戶的位置信息，將用戶與其當前所處的建筑空間進行匹配，可以提供在此建筑空間下用戶可能需要的服務。

　　( 3)用戶交互對象識別。識別用戶互動的對象是建筑智能終端實現針對用戶和建筑空間的個性化服務的基礎。雖然建筑空間中的用戶數量可能很少，但有許多潛在的交互對象，以通用的方式為每個這樣的對象構建檢測器成為一個挑戰。對于交互對象識別，一般采用 RFID 標簽或者基于深度學習的目標檢測技術。前者通過將 RFID 標簽佩戴在物品或用戶身上，從而直接獲取用戶與周圍物體之間的距離和物品類型，但是建筑空間內移除或添加設備時需要重新注冊;后者能夠自動識別建筑空間中的各類物品，但是測量用戶與各物品之間距離需要多目相機進行 3D 計算，占用計算資源較多。

　　(4 )用戶表情、手勢和動作識別。在建筑智能終端中，建立一個有效的上下文理解系統往往依賴于對用戶行為的正確檢測和識別。目前常見的方法是基于深度學習的視覺方法，需要從視頻中提取用戶的時空視覺特征。雖然低層次的時空特征和詞袋方法在識別某些動作方面似乎很好，但更復雜的動作和更強的泛化能力需要更高層次的表示。同時對用戶的音頻數據進行語音識別是實現無感人機交互的重要手段。建筑智能終端檢測到的用戶的特定行為或特定語音片段，可以作為基于規則的推薦系統的觸發條件，從而提供特定的服務。

　　3 建筑智能終端實踐應用建筑

　　智能終端的關鍵在于結合用戶的行為與所處的建筑空間進行需求分析，在不同的建筑空間中用戶想要進行的活動不同，不同的身份也會導致不同的需求。接下來介紹建筑智能終端在常見的三種建筑空間中的應用。

　　3.1 醫療建筑空間中的環境

　　智能在醫療建筑空間中，對于醫護工作人員，建筑智能終端可以幫助實現更高效的臨床工作流程，并改善重癥監護室和手術室中的患者安全;對于患者來說，建筑智能終端能夠提供詳細的康復指導、更優的康復環境以及盡可能早的疾病診斷與預防。建筑智能終端在醫療健康空間中的應用如圖所示，基于環境對人健康影響的機理，對室內物理環境進行建模仿真可以優化室內空間布局，為用戶提供更優質的康復環境;手術室是醫院的平臺科室，地位重要，業務繁忙。在手術室物聯網應用和業務類應用運轉過程中，產生了大量數據，通過大數據平臺的分析處理，建成了手術室綜合態勢感知平臺，醫護工作者在通道、門口、等待間、餐廳等區域經過人臉識別、掌靜脈識別和手術衣 RFID 芯片識別技術進行識別與管理，實現了手術相關數據的統一建模和匯聚，在此基礎上，構建生成管理指標數據。

　　據統計，臨床醫生花費多達 35%的時間在醫療記錄任務上[40]，每個病人每次就診期間醫生都要進行記錄，這在很大程度上影響了臨床工作的效率。然而，抄寫員的培訓代價大，并且有很高的流動性。建筑智能終端可以通過語音識別技術輔助醫生完成這一工作。在一項研究中，研究人員從病人和醫生之間的90000次對話中提取14000小時的門診音頻，訓練了一個深度學習模型[41]。該模型顯示了 80%的文字水平的轉錄準確性，比專業抄寫員 76%的準確性高。使用語音識別技術代替手寫，能夠很大程度上減少重復性工作，并且增加醫生與病人的相處時間，這有助于提高臨床效率和診療質量。通過計算機視覺技術與環境攝像頭，一項研究訓練卷積神經網絡來來跟蹤前列腺切除手術中的針頭驅動器，以作為外科技術評估的標準[42]。

　　這可以避免可穿戴設備對于外科醫生手靈敏度的影響，同時也降低了感染風險。一項研究通過在洗手臺上方安裝深度傳感器，利用深度學習算法檢測手衛生活動[43]，建筑智能終端可以通過手衛生的結果和目標用戶的位置信息進行院內感染的控制與追蹤。患者的早期運動恢復可以大幅度降低患 ICU 獲得性虛弱的可能性[44]。常規的患者移動性評估是通過直接的、面對面的觀察，正確的測量需要對病人的運動有細致入微的了解，而這在很大程度上占用了臨床資源，成本很高。而建筑智能終端可以在 ICU病房中提供基于深度傳感器的患者移動測量，不需要占用醫生時間，并且隱私風險很低。同時在 ICU病房中，可以通過建筑智能終端監測患者的康復狀態，檢測其精神狀態并統計其行為分布，為醫生的后續治療提供更深入的了解。

　　3.2 居住建筑空間中的環境

　　智能人的大部分時間都呆在家里，特別是老年人。在世界范圍內，人口老齡化的趨勢不斷擴大。建筑智能終端能夠提供更便捷的生活環境并輔助老人日常生活。在為輔助生活創建以人為中心的智能環境時，兩個最基本的任務是：(a)對日常活動進行分類;(b)檢測異常活動。建筑智能終端輔助老年人生活的例子包括探測異常情況，如家中跌倒、搶劫或火災，識別日常生活模式，以及獲取與各種日常活動相關的統計數據。在所有的活動中，檢測跌倒是最受關注的話題之一，因為它有骨折、中風甚至死亡等相關風險。觸發緊急援助往往是必要的，尤其是對那些獨自生活的人。通過智能手表、聲音傳感器、可穿戴運動設備 陀螺儀、速度計、加速計 、視覺、深度和紅外相機等不同類型的傳感器，可以進行行為檢測。但是每個傳感器都有其優缺點，例如，可穿戴設備很簡單，然而，它需要定期充電，并且老人也很容易忘記佩戴。基于視覺的技術對于老人是透明的，存在一些隱私問題，但是可以通過特征提取后去除原始數據僅保留人形或僅形狀可見數據的方法來進行改善[45]。

　　4 結論

　　本文通過對智能建筑和環境智能的討論提出了建筑智能終端的定義與體系，并討論了其中的關鍵技術，最后介紹了在不同建筑空間下建筑智能終端的應用情況。建筑智能終端是人工智能在建筑空間下對用戶行為進行反應的產物，在很大程度上依賴于信息社會和人工智能的進步。而人工智能目前正處于高速發展階段，并且其發展速度要遠超硬件，即使是在更好的硬件上，由于更先進的軟件算法和系統，也會產生新的解決方案，所以每年都會出現幾個重量級的人工智能應用。基于人工智能技術這樣的發展前景，建筑智能終端會成為之后相關研究領域的重點。

　　但是建筑智能終端仍然存在以下待解決的問題：(1) 成本：基于深度學習的人工智能技術需要大量數據進行訓練，并且對于算力要求很高，在部署建筑智能終端時，要同時考慮模型訓練的時間和設備成本;(2) 隱私：基于視覺的方法能夠在最大程度上滿足建筑智能終端對用戶透明的特性，但是對于用戶來說有很大的隱私風險。可以從數據傳輸安全和僅保留視覺數據中的形狀特征這兩個方面解決;(3) 規模：基于視覺的解決方案需要考慮部署的規模，要考慮多相機、多用戶、多交互對象、密集行為檢測的技術難度。但是這個問題將會隨著計算機視覺領域的發展而逐步解決。

　　參 考 文 獻

　　[1] Arribas Ayllon M. Ambient Intelligence: An innovationnarrative[DB/OL]. [2022 04 22].

　　[2] Augusto J C, Mccullagh P. Ambient Intelligence: Conceptsand applications[J]. Computer Science and InformationSystems, 2007, 4(1): 1 27.

　　[3] Schroff F, Kalenichenko D, Philbin J. FaceNet: A unifiedembedding for face recognition and clustering[C]//2015 IEEEConference on Computer Vision and Pattern Recognition(CVPR). Boston, MA, USA: IEEE, 2015: 815 823.

　　[4] Ren S, He K, Girshick R, et al. Faster R CNN: TowardsReal Time Object Detection with Region Proposal Networks[J].IEEE Transactions on Pattern Analysis and MachineIntelligence, 2017, 39(6): 1137 1149.

　　[5] Liu W, Anguelov D, Erhan D, et al. SSD: Single ShotMultiBox Detector[C]//Computer Vision – ECCV 2016. Cham:Springer International Publishing, 2016: 21 37.

　　作者：周 迎2，* 徐亞寅1，2 丁烈云2