谷歌推出 AVA 数据库：让机器识别视频中人类行为

几个月前，eBay公布将要添加新的搜索功能，可以让用户使用现有照片来寻找类似商品，同时线上服装零售商ASOS则在时尚领域涉足此项。Shutterstock上周公布了一项全新的测试功能，用户可以根据自己的布局来搜索股票照片。过了几天，谷歌照片应用发布了新的宠物图像识别功能。

简而言之，在计算机视觉领域，发展越来越激动人心，同时也可以看到人们对人工智能领域的大量投资卓有成效。

目前，大多数计算机视觉技术的进步主要发生在静态图像领域，但我们也开始在视频中看到计算机视觉技术的成果。例如，俄罗斯当局在全国的实时监控网络中应用了 面部识别 技术。Pornhub也在做类似的事情，自动对“成人娱乐”视频进行分类，包括训练系统识别特定的性姿势。此外，还有蓬勃发展的自动驾驶汽车行业，在很大程度上依赖于机器对现实世界行为理解的能力。

在这样的背景下，谷歌推出了一个新的视频数据库，希望能够推动计算机视觉识别影像中行为的研究。“原子视觉行为”的英文缩写“AVA”是一个由多个标签组成的数据库，用户可以在视频序列中进行操作。

视频中动作识别的困难主要在于视频中各种复杂的场景交织在一起，多个动作也在同一时间由不同的人发出。

通过对外开放数据库，谷歌希望可以改进机器的“社交视觉智能”，这样他们就能理解人类在做什么，并预测他们下一步会做什么。

该公司表示：“我们希望，AVA的发布将有助于改进人类行为识别系统的开发，并有机会基于时空间隔标签对复杂的活动进行建模。”