知情郎·眼｜

侃透天下专利事儿

科创板泡沫破了。

新股破发愈演愈烈，最夸张的是，格灵深瞳近期的股价表现，完美体现了何谓泡沫这一论述。

格灵深瞳在科创板挂牌上市不满1个月，就破发跌了近40％，一地鸡毛。

今天就来聊聊当年头顶“AI天才”格灵深瞳的专利故事。

格灵深瞳破发的节奏，估值成了大笑话

以后傻狗都忽悠不了

01天才AI公司一地鸡毛

作为一家人工智能（AI）公司，格灵深瞳在创立时曾带“天才AI公司”光环。

创始人团队谷歌技术大牛、履历过硬，并且背靠真格基金、红杉资本、策源创投等一众知名投资机构。

当年创投机构可是开出了千亿美元的估值，如今市值不到50亿元人民币。

原以为公司虽然业务不景气，但就算炒作下AI光环，在二级市场刚上市的阶段也能有所表现。

没想到，就这个熊样。

技术实力和估值、股价能挂钩吗？

现实告诉你，这之间半毛钱关系都没。

选股标准千万条，只有一条真金不怕火炼，就是选能自我造血、净利毛利高的龙头股，这种公司要面子、吃相好看，自己手里大把现金流，富得流油，他们自然没那么多龌龊心思去坑小散的钱。

最怕的就是巨亏、缺钱发工资的公司，很多科创板公司无盈利能力，多年亏损，人家都急着搞钱发工资，哪里有心思管吃相如何，是吧？

02科创板的深渊

上周，科创50指数跌破1000点基点。

这也是科创50指数2020年7月23日正式发布后首次跌破该点位。

然后市场一片恐慌，毕竟科创50指数是科创板的风标和定海神针，要是这指数都跌成狗了，其他企业还能活吗？。

唉，科创50的溃败，带动整个板块的个股下挫，最倒霉的就是之前上市的新股，比如格灵深瞳。

为了应对股价崩盘，4月17日晚间，格灵深瞳公告称，公司控股股东、实控人等人延长锁定期6个月，因为跌得触发承诺了，要延长锁定期。

公司控股股东深瞳智数，公司实控人赵勇，公司实控人控制的公司股东灵瞳众智、灵瞳数源、灵瞳智源、灵瞳莱客，公司董事、高管人员王艳，公司董事、核心技术人员李兴华，公司高管人员、核心技术人员冯建帅、周瑞，公司高管人员王政在原锁定期的基础上，延长股份锁定期6个月至2025年9月16日。

值得注意的是，格灵深瞳3月17日上市，到4月15日刚好20个交易日，该股上市首日就破发，上市以来收盘价从未站上发行价，并且一路走低。

03知名估值梗成笑话

格灵深瞳最出名的故事，是创投机构对他估值的分歧。

当年真格基金创始人徐小平和红杉资本合伙人沈南鹏曾就格灵深瞳未来值1000亿美元还是5000亿美元有过争论，最后双方妥协在3000亿美元（约合人民币1．9万亿）这个“中间数”。

估值吹的牛皮满天飞，格灵深瞳如今对应的市值是44亿元。

44亿对1．9万亿。

知情郎感叹，这所谓的估值定价，除了忽悠天生弱智外，幼儿园小学生都懒的听机构的灌水吹牛。

这公司业绩方面也未能摆脱亏损局面。

格灵深瞳2018年到2021年的营业收入分别是0．52亿元、0．71亿元、2．43亿元、2．94亿元。营收规模在AI公司中也不大，利润则是连年亏损。

格灵深瞳2018年至2021年的归母净利润分别是－0．70亿元、－4．14亿元、－0．78亿元、－0．68亿元。

就这样业绩的，3000亿美元的估值，是比谁能喝啤酒比出来的吗？

靠编故事抢钱，悠着点，别闪着腰。

泡沫估值，一刺就破！

04格灵深瞳有技术吗？

格灵深瞳创立于2013年，是国内计算机视觉领域的先行者，与“AI四小龙”的商汤科技（2014年）、旷视科技（2011年）、云从科技（2015年）、依图科技（2012年）基本同一时段入局。

然而，如今的格灵深瞳已远远落后于这些同行。

为啥会落后？

千言万语就一个原因，技术不够成熟。

早期，格灵深瞳研发的产品并未击中线下零售商的痛点，然后开始探索AI在交通和金融场景的应用，也没成功。

之后去安防领域，才有了收入来源。

总结就是一句话，技术不满足客户实际需求，场景化落地不够接地气。

客户自然不会接受这种不成熟的产品。

媒体披露，对于现有的技术成果，格灵深瞳似乎也并不珍惜。在专利数和研发人员总数均低于同行的情况下，以1元的总价转让公司的专利技术给关联公司。

据招股书，驭势科技是一家由格灵深瞳与格灵深瞳董事长、实际控制人赵勇共同设立的公司。

2016年2月，驭势科技设立时，出资各方分别以1元／注册资本入股。值得注意的是，2016年4月，驭势科技与天使轮投资人签署了一项《增资协议》，约定格灵有限应将与驭势科技主营业务有关的知识产权和非专利技术以无偿或法律允许的最低价格转让或授权给驭势科技。

在这份协议之下，2016年2月，格灵有限将“基于双目的防碰撞视觉雷达技术”等6项非专利技术以总价1元转让驭势科技，将“一种多目相机系统”1项实用新型专利、“一种人体姿态检测方法及装置”等3项正在申请专利的非专利技术无偿许可驭势科技在智能汽车领域独占使用。

2020年5月，格灵有限将上述4项授予独占使用许可的专利权或非专利技术（部分已完成专利申请）全部转让予驭势科技，将“一种多目相机系统”等3项专利权以总价1元转让驭势科技，将“一种多目相机系统、装置及同步方法”1项非专利技术以总价1元转让予驭势科技。

对此，有投行法务人士指出，如此无偿转让格灵深瞳的核心资产——技术专利，已经构成了两家关联公司及实际控制人之间的利益输送和对格灵深瞳公司利益的侵害。

05格灵深瞳的专利分析

截至2021年6月末，格灵深瞳拥有19项发明专利、6项实用新型专利及77项软件著作权。

和头部商汤等AI企业相比，完全不在一个量级了！

从专利布局看，早期格灵深瞳的专利多在摄像头、抓拍、视频数据分析、车辆识别等方面，近期则多在动作标准捕捉、视频剪辑同步、3D姿态估计等方面。

也符合公司业务发展的轨迹，早期公司想在安防领域作出规模，一直在摄像头、相机、画面捕捉处理方面下功夫。

早年格灵深瞳推出了数款创新性的产品，包括皓目行为分析仪、威目车辆大数据系统、深瞳人眼摄像机，也都围绕人车安防领域。

尤其是深瞳人眼摄像机，据说是一款远距离人脸识别利器。

官方对它的评价是，受人眼工作原理启发，颠覆传统摄像机的成像结构，通过像素动态瞬时分配技术，瞬间将局部画面的有效像素提升百余倍以上，整体画面可以达到数亿级等效像素，50 米内展现清晰的可识别人脸，100 米内看清全身特征。与此同时，基于深度学习技术，它可以自动、精确、快速抓拍场景中的每一张人脸，同时兼顾全景与细节特写。

从最近的公布专利看，格灵深瞳在体育竞技、体育健康领域试图想有所作为，部分专利涉及竞技体育动作捕捉识别。

意料之中，在传统金融、零售、安防等领域，竞争对手太多太强，恐怕格灵深瞳都没多少机会抢单，倒是小众细分领域，如体育健康等领域，有机会做大。

分享几个公司最近专利！

06跑道冲刺计时方法

背景技术

径赛是田径运动的一类，是在田径场的跑道或规定道路上进行的跑和走的竞赛项目的统称。径赛规则中，撞线的身体有效部位是头部以下腰部以上的主要躯干部位。运动员的头部或脚部先撞线是不计算成绩的，只有躯干部位撞到终点线的垂直面才是有效的。

目前通常采用射频识别（Radio Frequency Identification，RFID）技术对运动员进行计时。RFID系统由电子标签、阅读器及信息处理器组成，电子标签包括IC芯片与通信天线，电子标签由运动员佩戴，阅读器包括阅读器天线，阅读器天线设在终点线，当电子标签经过阅读器的上方时，信息处理器接收到信号，完成计时。

受现有的电子标签和阅读器之间的通信距离的限制，电子标签通常佩戴在运动员的鞋面或鞋带上，阅读器通常铺设在地面上，减少电子标签和阅读器之间的距离，有利于电子标签和阅读器进行通信。但由于径赛的比赛规则是计算运动员的躯干部位的撞线时间，而电子标签反馈的是脚的撞线时间，二者之间存在时间差。此外，现有的阅读器天线的射频信号向其四周辐射，存在运动员还没有达到阅读器天线上方时，阅读器天线已经与电子标签通信的情况，从而导致计时时间不准确，测量精度差。

另外，这种方式还需要提前安装电子标签阅读器，过程较为繁琐复杂。

发明内容

本申请实施例中提供了一种跑道冲刺计时方法、装置、电子设备和存储介质，用于解决目前通过射频识别技术进行跑道冲刺计时的精度较低的问题。

根据本申请实施例的第一个方面，提供了一种跑道冲刺计时方法，所述方法包括：

获取图像采集设备采集到的图像，并识别出所述图像中的跑道冲刺面的位置信息；

通过人体检测算法检测出所述图像中的各个人体并标号；

通过跟踪算法对各个已标号的人体进行跟踪；

通过3D姿态估计算法检测各个人体的骨骼关键点；

根据各个骨骼关键点的位置信息及所述跑道冲刺面的位置信息判断各个人体是否到达终点；

记录各个人体到达终点的时刻。

整个专利的核心点在在获取人体的骨骼关键点时，首先通过3D姿态估计算法的边界框检测网络从图像采集设备12采集到的2D图像中获取到每个人体对应的一个边界框，该边界框能够将一个人体完整框住。然后通过根节点定位网络对每个边界框内的人体区域进行处理，获得各个人体的根节点的位置信息（XR，YR，ZR），其中XR、YR为根节点R的像素坐标，ZR为根节点R的绝对深度坐标，其中，根节点可以是人体的臀部的中心点。

在获得各个人体的根节点的位置信息之后，即可通过3D姿态检测网络先检测出人体的其他骨骼关键点的相对位置信息（Xj，Yj，Zrelj），其中，Xj和Yj为骨骼关键点j的像素坐标，Zrelj是骨骼关键点j与根节点R之间的相对深度坐标，最后将骨骼关键点的相对位置信息转换为绝对位置信息。

可选地，其他骨骼关键点可以为脚尖关键点、手腕关键点、头部关键点、肩膀关键点及腰部关键点等。

在本实施例中，可以采集大量的人体的图像以计算人体的各个骨骼长度的平均值，例如，人体的大腿对应的骨骼的平均长度、小腿对应的骨骼的平均长度等。

从而可以根据各个骨骼的平均长度构建3D姿态检测网络，并通过大量的训练集和检测集对该网络进行训练和验证。

在计算出各个人体的骨骼关键点之后，即可根据骨骼关键点和跑道冲刺面的位置关系判断各个人体是否到达终点。

07人脸遮挡判断法

背景技术

随着科技地进步，越来越多的身份验证场景或图像处理场景中都采用了人脸识别技术，即基于人的脸部特征信息进行身份识别的一种生物识别技术。

近年来，虽然人脸识别取得了长足的进步，但是目前的人脸识别技术在对图像中的人脸进行识别时，若被识别的人脸被遮挡或者人脸图像不完整，会导致无法进行人脸识别或者人脸识别的结果不准确。

为了提高人脸识别的准确性，在人脸识别之前还会对人脸是否被遮挡进行判断。常用做法是通过特征提取算法，例如SIFT（Scale－invariant feature transform，尺度不变特征转换）算法，先对图片进行特征提取，然后再通过支持向量机等机器学习模型对提取出来的特征进行分类，从而判断人脸是否被遮挡。

特征提取算法是通过不同尺度的滤波卷积对图像进行处理，然后做差值分析，得到局部的一些关键点特征比如边缘信息等，但是在图像比较模糊以及边缘比较光滑的时候，受SIFT算法本身的限制，导致判断准确度较低。

因此，如何准确判断待识别的人脸图像是否被遮挡是目前亟需解决的问题。

发明内容

本申请实施例中提供了一种人脸图像遮挡判断方法、装置、电子设备和存储介质，用于解决现有技术中人脸的遮挡情况的判断准确度较低的问题。

根据本申请实施例的第一个方面，提供了一种人脸图像遮挡判断方法，包括：

获取待处理的人脸图像；

对所述人脸图像进行关键点检测，获得所述人脸图像中的各个关键点的遮挡置信度；

分别根据所述人脸图像中的各个人脸部位对应的关键点的遮挡置信度对所述人脸图像是否被遮挡进行判定。

整个专利最核心的算法判断点在这，每个人脸部位都对应有多个关键点，可以根据每个关键点的遮挡置信度判断该关键点是否被遮挡，然后判断每个人脸部位中包括的被遮挡的关键点的数量是否超过预设值（例如是否超过一半），若超过，则认为该人脸部位被遮挡，反之则未被遮挡。

具体地，以嘴巴为例，假设嘴巴对应的关键点的数量为16个，则需要根据这16个关键点中的每个关键点的遮挡置信度判断该关键点是否被遮挡。遮挡置信度的取值范围为0到1，在一种实施方式中，假设遮挡置信度大于0．3时，认为该关键点未被遮挡，若小于或等于0．3，则认为该关键点被遮挡了。

值得说的是，在对遮挡情况进行判断时可以结合不同的场景设置不同的阈值，例如，在人脸识别库较小的场景（例如公司门禁、单元门禁）中，由于人脸识别库中的人脸图像较少，在此种情况下，脸部有一点点遮挡对人脸识别的准确度影响不大，此时，可以降低人脸图像的遮挡情况的判断阈值。例如，若只有下巴部位被遮挡，也可以认为该人脸图像未被遮挡，可以进行后续的人脸识别。反之，在人脸识别库较大的场景（例如室外监控）中，则需要适当提升人脸图像的遮挡情况的判断阈值，只要任意一个人脸部位被遮挡，则认为该人脸被遮挡，无法进行后续的人脸识别。