几年前，Amir Hever 开车进入政府机构时，发现了他们安全流程中的巨大缺陷。当他靠近大门时，保安跪下来查看汽车底部。

“他站起来后，我就问他在找什么，”计算机视觉技术初创公司 UVeye 的首席执行官兼联合创始人 Hever 说道。“保安特别诚实地说，他在查找威胁但是什么也没有看到。那时候我就意识到有些事情不对劲。”

Hever 组建了一支团队，然后就开始研究这个问题和可能的解决方案。这样，他们于 2016 年成立了 UVeye，并最终打造出一套使用深度学习提升安全性的车下检测系统。

这家位于纽约的公司将大部分的工作重心集中于研究各种各样的汽车底盘上，当然还有汽车在路上行驶几千英里后发生的变化。Hever 和他的团队认识到，识别汽车底盘的异常现象并不容易。

Hever 说：“我们也不知道要找什么，因为并没有标准说明存在威胁的底盘是样子的。而且，威胁通常是隐藏的。”

不单单需要电路图

UVeye 很快便发现汽车制造商提供的电路图根本就不够，因为在行驶了几千英里之后，底盘会变得与从组装线上下来的样子不一样。解决办法就是开发用于无指导性学习的算法，无论隐藏得多深，汽车底盘情况如何，都有可能检测到威胁。

该公司租赁了数百辆不同状况的汽车，然后扫描汽车底盘，生成了 2D 图片和 3D 模型。将该数据输入其深度学习模型中，该模型会映射所有部件的位置（分割），然后分别分析每个部分，进而查找异常现象。

这样可以检测到这些部件的变化或异常现象，或者 USB 硬盘般大小的外来物体的存在。这样也可以判断一堆雪或泥巴究竟是正常的，还是可能在伪装进而掩盖某些东西。

UVeye 使用运行多个 NVIDIA GeForce GTX 1080 GPU 的工作站来训练其模型。如果超出了其工作站的处理能力，他们专为使用 Amazon Web Services 或 Microsoft Azure 上运行的基于云的 GPU 进行训练或进一步加速进程。

Hever 说，GPU 和 CUDA 并行计算模型的使用显著加快了公司的训练和开发进程，增强了系统生成结果的能力。

通过 UVeye 的首个产品系列，消费者可以自动扫描、检测和识别各种汽车底盘中的异常现象、改动或外来物体。该公司已经在全球 30 多个地点安装了其系统。该系统被包装成一个放置在地面上的硬件，可以扫描途经的汽车。这为验证系统的准确性提供了大量的测试数据。

Hever 说：“我们的机器学习算法可以在三秒内检测出各种正在行驶的汽车中的异常现象。GPU 正在让这成为了可能。”

检测即服务

如今，UVeye 正在变革汽车行业中的汽车检测。其系统中的其他应用程序专注于安全性，因为对于该公司的技术而言，国家安全是一个前景可观的市场。

Hever 说：“汽车自动外部检查系统可以检测异常现象、变化、凹陷以及跟踪长期变化,人们对这种系统的需求非常大。”

除了底盘之外，该公司还利用算法分析其他汽车部件，对汽车进行全方位检测。

Hever 说：“UVeye 的 360 度系统可以检测到汽车裂缝、磨损以及各种各样的问题或损坏。”

从汽车销售和租赁到车队管理和维修，确保汽车安全可靠运行涉及众多方面。Hever 从中看到了其公司“检测即服务”模型的无限机遇。

Hever 说：“我们会改变大众和机构检测汽车的方式。”