Page 29 - Cine_202102

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。”
结果是道斯和他的团队设计的 着摄像机镜头里移动的是正被跟踪 统中。”
解决方案不仅适用于BBC摄像机， 的动物，而不是其它东西。换句话 该系统一被发现是稳健的，
而且适用于由第三方野生动物团队 说，制作方可以从知道“在现场中 BBC自然历史部门的员工就接受了
（如皇家鸟类保护协会）操作的在 发生了什么事”发展到“有动物进 使用这项技术的培训。
英国各地的摄像机。“我们的解决 入现场”。 他接着说，“这可能是一项
方法不需要有人持续不断监视所有 在每种情况下，导入所有这些 精巧的技术，但我们工作的一个重
这些摄像机。” 基本数据来训练神经网络都要花费 要部分是确保它适用于现有制作周
那么，它是如何工作的？ 3天的时间。“一个好处是，所有 期的流程。我们建立了一个允许访
道斯解释说，使用了一个叫做 这些都可以在一台功能强大的家用 问片段和数据的基于网络的简单界
YOLO（你只看一次）的开源机器 PC上执行，不需要一个价值百万 面。事实证明，在如此多的制作工
学习框架网络。“这项技术使系统 美元的系统，”道斯强调，“这也 作都是远程操作的情况下，这种方
能够识别物体。例如，如果在办公 意味着，当环境发生变化时，很容 法特别有用。”
室使用，它可以被教会识别椅子、 易改变系统需要识别的画面。显 当然，机器学习技术的应用
监视器、冰箱或一个人。在自然历 然，如果这个过程需要6个月的时 范围远不止自然历史节目。正如道
史应用中，我们可以教它识别不同 间，这个系统就不可行。” 斯指出的那样，大多数电视输出都
类型的生物，然后在那个物体周围 涉及到人，而此系统允许记录特定
设置一个框。一旦这框就位，就有 创建数据 的活动。“我们还使用这些技术搜
可能追踪动物、鸟或任何在屏幕周 该技术还能产生有关动作的数 索归档素材，这肯定可以节省寻找
围上游荡的任何东西的位置。” 据，因此那些信息可被记录下来， 特定的人或行为的单调冗长的查看
为了使系统能够“学习”这些 供那些可能希望使用这些镜头的人 时间。”
动物，将有关动物的多种静态照片 审看。 《观察》数字制片人本·莫里
输入计算机。因为系统从许多不同 “我们存储了与事件时间和内 森补充说，“今年在《春日观察》
的角度识别研究对象是很重要的， 容相关的数据，并以此作为提供给 上与BBC研发部团队合作非常棒，
所以这些过程还可能遇上达到数千 制作单位的时间线的基础。然后， 他们的技术使我们的工作流程各环
次。计算机利用这些图像训练一个 团队可以使用这个时间轴滚动浏览 节更简单，甚至使我们能够使用我
大致模仿大脑结构的被称为“神经 某一摄像机输出信号上的活动。此 们没料到会这样使用的镜头。他们
网络”的系统以识别那些物体的样 外，该系统使我们能够提供事件的 的AI能够从我们遍布全国的合作伙
貌。这是机器学习的一个很好的例 视频片段。一种是一个容易审看内 伴摄像机网络中记录关键的行为瞬
子。当该系统“看到”一个它识别 容的小预览，另一种是以原始质量 间，我们可以将其编入我们的直播
为动物的物体时，它会在现场视频 录制并有活动任何一方几秒钟额外 节目中。我们真的很期待看到这项
上实时跟踪该动物。这种设置意味 视频的片段。这可以下载到编辑系 技术如何向前发展！”

www.imaschina.com 029