Page 41 - BP_202012

由于ML没有参与进来，它仍然没有告诉我们有什
么种类的动物或鸟类在那里。”
显然，需要的远不止这些。当研发团队参与到
《春日观察》的操作时，这提供了他们一直在寻找
的机会。通过将本地的野生动物摄像机连接到转播
设备上，立即获得了电力。这为使用高性能计算机
技术帮助实现监视目的提供了可能性。
“我们想创建一个可以同时注意多台摄像机的
工具系统。此要求相当复杂，并且需要一种触发记
录的方法。这不仅对现场节目制作团队有帮助，对
观众可以在家里每天24小时观看摄像机信号的数
字输出也有帮助。” 创建数据
结果是道斯和他的团队设计的解决方案不仅适 该技术还能产生有关动作的数据，因此那些
用于BBC摄像机，而且适用于由第三方野生动物团 信息可被记录下来，供那些可能希望使用这些镜
队（如皇家鸟类保护协会）操作的在英国各地的摄 头的人审看。
像机。“我们的解决方法不需要有人持续不断监视 “我们存储了与事件时间和内容相关的数
所有这些摄像机。” 据，并以此作为提供给制作单位的时间线的基
那么，它是如何工作的？ 础。然后，团队可以使用这个时间轴滚动浏览某
道斯解释说，使用了一个叫做YOLO（你只看 一摄像机输出信号上的活动。此外，该系统使我
一次）的开源机器学习框架网络。“这项技术使系 们能够提供事件的视频片段。一种是一个容易审
统能够识别物体。例如，如果在办公室使用，它可 看内容的小预览，另一种是以原始质量录制并有
以被教会识别椅子、监视器、冰箱或一个人。在自 活动任何一方几秒钟额外视频的片段。这可以下
然历史应用中，我们可以教它识别不同类型的生 载到编辑系统中。”
物，然后在那个物体周围设置一个框。一旦这框就 该系统一被发现是稳健的，BBC自然历史部
位，就有可能追踪动物、鸟或任何在屏幕周围上游 门的员工就接受了使用这项技术的培训。
荡的任何东西的位置。” 他接着说，“这可能是一项精巧的技术，但
为了使系统能够“学习”这些动物，将有关 我们工作的一个重要部分是确保它适用于现有制
动物的多种静态照片输入计算机。因为系统从许多 作周期的流程。我们建立了一个允许访问片段和
不同的角度识别研究对象是很重要的，所以这些过 数据的基于网络的简单界面。事实证明，在如此
程还可能遇上达到数千次。计算机利用这些图像训 多的制作工作都是远程操作的情况下，这种方法
练一个大致模仿大脑结构的被称为“神经网络”的 特别有用。”
系统以识别那些物体的样貌。这是机器学习的一个 当然，机器学习技术的应用范围远不止自然
很好的例子。当该系统“看到”一个它识别为动物 历史节目。正如道斯指出的那样，大多数电视输
的物体时，它会在现场视频上实时跟踪该动物。这 出都涉及到人，而此系统允许记录特定的活动。
种设置意味着摄像机镜头里移动的是正被跟踪的动 “我们还使用这些技术搜索归档素材，这肯定可
物，而不是其它东西。换句话说，制作方可以从知 以节省寻找特定的人或行为的单调冗长的查看时
道“在现场中发生了什么事”发展到“有动物进入 间。”
现场”。 《观察》数字制片人本·莫里森补充说，“今
在每种情况下，导入所有这些基本数据来训练 年在《春日观察》上与BBC研发部团队合作非
神经网络都要花费3天的时间。“一个好处是，所 常棒，他们的技术使我们的工作流程各环节更简
有这些都可以在一台功能强大的家用PC上执行， 单，甚至使我们能够使用我们没料到会这样使用
不需要一个价值百万美元的系统，”道斯强调， 的镜头。他们的AI能够从我们遍布全国的合作伙
“这也意味着，当环境发生变化时，很容易改变系 伴摄像机网络中记录关键的行为瞬间，我们可以
统需要识别的画面。显然，如果这个过程需要6个 将其编入我们的直播节目中。我们真的很期待看
月的时间，这个系统就不可行。” 到这项技术如何向前发展！”

41