10月15日的YunOS智慧专场探讨了物联网很重要的一个环节——感知，这里的感知定义的范围十分宽泛，时空感知，语音感知、图像感知等，一系列“感”和“知”的过程最终实现机器无限趋近于智能化，从而更好的理解世界。比如机器人通过图像感知实现图像内容理解，让语音感知自然语言，从而作出正确反馈；汽车通过感知交通标志作出安全驾驶动作，保障用户驾驶安全。这些感知计算需要技术革命推动，更需要YunOS这个平台构建完整的协同系统，从“感”到“知”，YunOS在智慧专场中向我们展示了它的多项技术能力。

图像感知：让机器理解世界

万物互联时代，手机等智能设备所携带的图像传感器感知的内容会呈现几何级增长，对海量图像内容的理解成为一种挑战。阿里将对图像的理解作为YunOS的一项基础能力，为此搭建了YunOS Vision平台，围绕手机、互联网汽车、机器人以及其他IoT终端产生的图像开发出图像增强、场景识别、检测定位、视觉建模等引擎，通过机器学习将图像转化为人脸识别、文字识别以及内容理解能力，最终通过YunOS Cloud API服务于购物场景（淘宝）、支付场景（支付宝）等。

阿里希望通过YunOS Vision实现从简单识别任务到图像内容理解，比如一开始你可以识别出图片中的物体（照片分类），atv，接下来做到目标物体识别（人像分组），继续深化到细粒度物体识别（视觉识别），最终实现图片的自动描述（智能问答）。现阶段YunOS正在通过利用来自互联网的大规模图片进行数据训练，并通过海量用户的参与让图像理解能力不断提升。

图像感知能力所运用的场景十分广泛，并且已经有部分能力被运用到生活当中，我们来看一看：

1、自动拍照增强

YunOS Vision可实现10+种以上场景的自动识别以及全姿态人脸检测，通过150+的面部特征捕捉实现人像增强，做到头部3D姿态估计和跟踪和个性化人像处理，比如美颜、3D美妆，甚至做到虚拟试戴，为淘宝商家提供全新的商品虚拟体验服务。

2、视觉识别

视觉识别服务中融入了二维码、封面、明星脸、文字/地标识别、拍立淘商品识别等识图服务，你可以通过手机扫码的形式，快速获取图片内容。

3、人脸解锁

通过图像识别能力，YunOS已经可以做到手机的人脸解锁，捕捉人脸的特征点实现智能设备的生物安全防护。

4、互联网汽车避障

YunOS将目标检测识别技术应用于道路标识、车道线以及人与车的检测，辅助高精定位，比如互联网汽车通过感知系统来识别交通标志、交叉车流、行人等，作出防撞、偏离警示，实现自适应续航控制。

5、三维地图的创建

在AR／VR以及机器人的使用场景中，YunOS Vision还能够做到自动的三维地图创建，通过实时的跟踪定位+高效的重定位为我们构建实时地图。

现在YunOS面向生态伙伴推出了很多图像智能服务，比如自动场景识别、图片的自动聚合、全局照片的搜索以及高性能的视觉识别，这些都是未来万物互联服务重要的能力。        

时空感知：驱动位置智能化

对于位置的感知，阿里的理解更向前一步，它认为当下的互联网更需要基于场景和位置触发的应用和内容，场景化服务对时空的感知能力尤为重要，这会影响到App的交互方式，例如当你在外地旅游时，地图呈现出来的内容和搜索的排序会有不同，阿里把这些定义为位置的智能化。

但是传统基于位置的服务（LBS）有以下两个缺陷：

1、没有时间轴和空间上的上下文关联，目前主流的操作系统或LBS平台只能提供孤立的经纬度坐标，不足以判断场景。

2、智能设备的时间和空间都是不连续的，设备无法做到人为中心，将内容和服务串联在一起。

YunOS的时空感知会怎么做呢？举一个最简单的例子，晚上开车快到家时，自动打开家里的热水器，j2直播，这里涉及到两个位置（家和当前位置）、两个设备（汽车和热水器），实现这一场景YunOS做了一个云端一体化的场景围栏，在云上或端上都可以设定围栏规则，当围栏被触发时，云或端都可以接收到相应的事件。这里汽车在快到家的时候触发了围栏，服务端接收到这个事件会把打开指令发送给热水气，并将结果通知给汽车。

实现以上跨设备跨时空感知场景要面临很多挑战：

1、数据层面，要理解空间对于人或某个服务场景的潜在意义，而不是用传统的GIS思维返回一堆冰冷的地址。

2、位置变化的及时性：要持续观察设备时空变化，对功耗和流量都是巨大的挑战，当前的技术条件下只能在有限的资源内做权衡。

3、定位的准确性和可用性：当下的定位精度还不能让我们清楚的识别出用户究竟在那个门店，其次还有盲区的问题，比如隧道或地下车库等场景。

4、算法:时空算法模型的准确度。