“还比较Low，现在正改版呢。”魏京京苦笑道，“项目已启动一年多，一直忙着做产品，都没顾得上打理门面。”

去年6月，魏京京扔掉同创伟业投资总监的身份，成立图麟科技，踏入图像、视频处理领域创业。他对此行业并不陌生，十多年前，曾就读于中科大时，便有所接触。当时同一实验室，有不少同学一直从事相关研究。

他花了半年时间，组建了一个以中科大老同学为核心的6人团队，正式开干，并把以图搜视频作为核心技术。

经过一年筹备，团队攻克核心难题。从2000小时的视频中搜索一张图片，用时在1s以下，视频预处理时间从24小时缩短至5~6小时。

“我们是分布式可增量的系统，对视频总量没有限制，均可在1s内搜索到含有该图片的所有视频。”

至今，图麟有超过30人的硕士博士技术团队，已研发出三款产品。

以图搜视频解决方案（涵盖以图搜图、以图搜视频、以视频搜视频功能）已有6家试用客户；图麟科技机器视觉解决方案已在一家工厂内用于触摸屏质检；图像处理云服务的客户有三家，如泰康保险等。

注: 魏京京已确认文中数据真实无误

二次触电图像技术

十多年来，魏京京只玩一款游戏——《星际争霸》。平时晚上不忙时，他便和以前实验室的博士同学战上一局，疯狂时会玩到凌晨以后。

两人打了几千盘，平时聊天也是围绕游戏话题。一天，魏京京向博士同学请教图像识别和图像分析的技术门槛。这令对方大吃一惊，“你怎么关心起我的专业了？”

本科时，他们同在中国科技大学（简称中科大）学习计算机专业。早在2002年，魏京京便接触过图像处理技术。“当时实验室在给军方做类似导弹导航系统，会涉及到图像分析和识别。”

此后，魏京京并不“安分”，在IBM做了几年“攻城狮”，从北京辗转到硅谷，又从硅谷回到国内跳到咨询行业，然后涉足财务工作、投资分析，搭建金融分析模型，之后就职于同创伟业，转做风险投资。

看项目时，他留意到一些做图像识别、分析的创业公司。这让他想起在实验室时，有不少同学主攻此方向，而且这些年来一直在继续搞研究。

《星际争霸》的老对手博士同学便是其中的佼佼者。他曾在微软亚洲研究院、理光亚洲研究院负责相关领域研究，还在海外研究所、高校担任该领域的高级研究职位。

近水楼台。在跟老同学不断咨询后，魏京京了解到，那些创业公司的技术并不怎么好。

他心里打起了“小算盘”，为什么我们不能自己做呢？然而，这个方向是否靠谱，他没有十足把握。此后，魏京京花了两年时间边做投资边验证方向。

2014年，他发现一个现象，由于深度学习技术的应用，依据图像、视频本身的智能化功能不断涌现出来，原本多年难有突破的技术正逐步实现商业化，如以Face++为代表的人脸识别技术。

魏京京感觉时机成熟。期间，他在同创投过一些项目，担任被投企业的董事会成员并深度参与到企业管理方面的工作，“感觉创业也没那么复杂”。

前后花了半年时间，他组建了一个以中科大老同学为核心的班底，博士同学为首席科学家。“6个人，我们都工作十年以上，最长的和我认识了18年。”

14年6月，图麟科技正式成立。然而，一年后项目才正式启动，同期获得1000万Pre-A轮融资，投资方为同创伟业。

核心技术视频搜索

魏京京花了一年时间来确定最终产品方向。他找了7~8个方向，最终确定以图搜视频为核心技术。

例如，在优酷或百度搜索电影，目前只能用文字来搜索。“你有一张电影截图，有时并不知道片名，这时可用图片搜索出电影。”

彼时，淘宝的拍立淘已将以图搜图商业化。魏京京认为，国内以图搜视频技术还停留在高校实验室开发算法阶段。“视频搜视频技术更为早期，均无成熟通用的解决方案。”

◆以图搜图用于电商

相比之下，他们的技术团队已具备算法雏形，魏京京打算率先将此技术商业化。

第一阶段，团队把以图搜视频的算法转化为产品Demo。“要根据不同的使用场景构建产品，过程很复杂。”

更复杂的是将Demo产品化。期间，最大的挑战为搜索算法与数据处理性能的博弈。

2000多小时的视频，数据量约为2T，搜索一张图片的时间在1s以下。然而，最初预处理这些视频要花24小时。“视频是由海量连续的画面组成，不可能把它拆成一帧一帧的图片，然后利用以图搜图的方式来做，这样处理速度很慢。”

如何在算法和性能之间权衡？团队用了半年多时间来寻找答案。“负责算法的人员不了解产品，负责产品的又不擅长算法，双方不断地沟通协商。最终解决方法主要是优化预处理方案，加入运动跟踪等技术。此外，还要优化视频搜索算法。”

◆以图搜视频

15年年底，团队预处理2000小时视频的时间缩短至5~6个小时。“今年计划将处理速度再提升10~20倍。”

最终的产品形态为以图搜视频的综合解决方式，基于公有云或私有云。“服务功能包括以图搜图、以图搜视频、以视频搜视频。”

半年后，经朋友介绍，一家上市公司找过魏京京，想要体验产品。对方拿着大量图像、视频数据在图麟的系统里做测试。

结果以图搜图和以图搜视频的准确率都是100%，即使把图像打了马赛克、做了滤镜等附加噪声，依然不影响准确率。“对他们来说，是很惊讶的。”魏京京说。

随后，陆续有6家企业在试用该解决方案。比如媒体资产类公司，他们会把图片授权给客户试用，但无法判断客户使用的所有图片是否全部经过授权。“如果利用文字搜索的话，需要花费大量的人工。”

◆以图搜视频在公安行业的应用

此外，有三家公安机关正在试用产品。此前，刑侦人员通过监控视频要查找某一辆特定的车，需要用人眼去识别车牌等信息。在图麟的解决方案中，会截取车身颜色、环保标签、划痕等细微细节信息搜索。

用于工业机器视觉

除了以图搜视频外，魏京京将图像处理技术用于工业机器视觉。比如工厂要聘请大量的质检工人，检查生产手机的尺寸，屏幕、元器件的大小等，判断是良品还是次品，确保最终出厂产品的良品率。

由此，质检质量尤为重要。暴走漫画曾打造出虚拟的质检工形象——富士康质检员张全蛋，火爆一时。而魏京京要用机器取代“张全蛋”们。

◆质检机器实体

“质检的核心是图像处理、识别，人眼并不能保证始终在同一标准下质检，且质检员的工作状态也会影响质检结果。”

工业机器视觉方向，魏京京前面摆着两个标杆，日本的基恩士（KEYENCE）和美国的康耐视（COGNEX）。

◆质检机器示意图

“之前国内的大部分机器视觉公司，都是采购基恩士或康耐视的成熟视觉解决方案搭建产品，而图麟没有用任何国外现成的技术，从最底层开始构建自己的视觉解决方案。”

去年项目启动时，魏京京找到一家合作方进行项目研究。可几个月过去，进展缓慢。

“主要是我们对机器视觉的硬件不熟悉，而硬件和软件之间存在很强的关联性。获取图像的质量会严重影响质检结果，之前是他们给什么图像我们就用什么，只在后端优化算法效果甚微。”

他感叹，“此前没有接触过制造行业，完全没概念。后期为主动了解一线工厂的实际情况，我下工厂超过10次。”

他决定让团队参与硬件获取图像环节。“必须软硬结合。”

影响图像获取的因素诸多，如镜头、光源、工业相机等。“光源就是几千种，要考虑如何组合。”

又花费约半年时间，团队把硬件部分一一梳理，最终获取质量合格的图像。“来回地组装、搭配各种硬件。”

前端摸顺之后，搭配后端图像处理算法，机器质检质量达到稳定。已有一家工厂与其合作质检手机触摸屏。“一台质检机器可替代4~5名工人。”

此外，魏京京还设下了第三个方向，为企业客户提供图像处理云服务，包括识别、搜索、运动跟踪等。“比如一些App要处理或搜索海量图片或视频，又没有专门的技术人员。我们可以提供SaaS系统或API接口。”

年初，图麟的云服务已搭建完成，如今已有三家企业客户在使用，如泰康保险等。

筹备一年多，接下来，魏京京将拿出精力用于产品推广。

此外，魏京京已在布局面向C端的产品，如智能机器人、辅助驾驶设备等。关于产品细节，他表示暂时保密。

“我们已经联系了海外高校资源，聘请了全球领域多名在计算机视觉、运动控制、自动驾驶领域的专家作为图麟科技的技术顾问，研讨产品方向。”