作为安防厂家集结的行业盛会，安博会显然成为了各个厂家亮出自己法宝的重要时节。
科达也在安博会前夕，祭出了自己的最新大杀器——科达AI超微光摄像机。
AI如何应用于改善安防摄像机在应用的关键问题上，厂家们都会公认图像采集和识别中的遮挡、光线、角度等为落地当中最需要优化的问题。
而尤其在夜晚环境下，如何实现高效的图像拍摄，是当前安防厂家面对的一大难点。
今日，科达新发布的“AI超微光”车辆卡口、人员卡口、车辆电警三款摄像机，无疑又为这个问题的解决提供了一条新路径。
由于低照成像技术的局限，摄像机在夜间往往难以获得清晰的目标图片和视频，这一现状影响了AI在安防领域的全天候应用，每一天AI都有将近一半时间无法发挥效能。
夜间由于环境光线不足或者全无光，已成为犯罪分子作案的高发时段。
当前已部署的大量监控摄像机，虽然在白天能提供清晰、色彩还原度高的影像资料，但是大量监控摄像机到了夜间，成像质量差强人意。
在过去的几十年内，均是通过传统的主动补光，红外、激光或者LED补光，来提升夜间监控摄像机的成像质量。
科达首席科学家章勇也介绍道，目前主流解决方式有以下三种，但这几种方式都伴随着新的问题。
一是通过强化补光，在摄像机旁增加补光灯，但这会带来能源浪费和光污染。
二是硬件堆叠，通过超星光技术或黑光技术提升成像质量。但超星光，通过超大光圈，会有景深小、有拖影的问题；黑光技术，通过多光谱融合，会带来红外成像关联的系列问题。
超星光，主要采用的是星光级图像传感器，大光圈镜头，以及传统的ISP图像调制技术。其依托图像传感器的灵敏度提升来减少能量转换的效率，大光圈镜头提升进光量。
但在人员、车辆卡口等场景由于采取超大光圈，虽扩大了进光量，但也降低了成像的景深，扩大了车灯强光的光晕影响。并且，由于要捕捉卡口快速移动的人员和车辆，需要提升快门速度，会导致大光圈镜头带来的亮度被减弱，目标物体周围的场景不够清晰，丢失很多有用信息。
黑光摄像机，采用的则是两颗星光级图像传感器，通过特殊的光学元器件，其中一颗传感器通过红外补光采集图像亮度信息和物体轮廓，另外一颗采集色彩信息，再通过图像融合算法，将两颗采集到的图像信息进行融合。
但在交通卡口的应用中，由于汽车前挡风玻璃上粘贴的防爆膜红外透光率较差，因而，有时也不能采集到前排司乘人员的图像。一些红外反光材料的物体，对黑光摄像机也有一定影响。
第三种方案是，进行复杂的ISP处理，但会带来放大噪声、无法捕捉高速运动物体、各式各样的图像模糊等问题。
那科达的摄像机是如何解决这一问题的呢？
科达监控产品线副总监沈文庆，总结道：对于夜间拍摄，用户目前就需要一个清晰的、成像色彩好，且补光适宜、不刺眼的夜间摄像机。
这也就是科达想达到的，通过AI，而不是单纯的硬件改造，使夜间拍摄的普及度更高。
因此，与当前业内主流技术的做法不同，科达AI超微光摄像机，依托其多年在基础ISP图像调制技术上的积累，并创新性地采用了自主研发的深度学习图像增强算法。
简单来说，科达深度学习图像增强算法，通过对应用场景目标图像要求的提炼，采集了海量夜间低照情况下车辆卡口、车辆电警、人员卡口以及全结构化摄像机的图像样本与模拟数据。
并针对性的利用这些数据，进行数学建模，设计了一套从采集、标图、训练以及模型转化的端到端的深度学习模型。
在低照环境下，该算法模型没有采用传统摄像机的ISP成像调制方式，通过对大量场景抓拍图片的学习，算法直接对传感器输入数据进行图像恢复。这样可大幅减少摄像机对补光灯的依赖，在提升图像亮度的同时，还能还原物体颜色与纹理等细节信息。
依托该算法还原出来的图像，不仅提升了人眼对抓拍图像的主观体验，也能提升后端诸多的智能算法对图像的特征分析。比如对车辆特征分析、非机动车特征分析、驾乘人员特征分析等。
基于此技术，科达还发布了AI超微光车辆卡口、车辆电警、人员卡口三大类产品。这些产品均采用AI超微光技术，能够满足全天候高保真图像线索采集的需求。
当前摄像机内置的AI芯片算力快速提升，是未来的趋势。后续AI超微光算法将能做到足帧实时处理更高分辨率的视频，科达引领的AI超微光摄像机的优势也将更加明显。
目前的安防摄像机，其实都在主要依靠硬件提升性能。但与此同时，随着AI的到来，也有不少厂商提出了“软件定义摄像机”。
对此，章勇也向AI掘金志回应道，科达的目标也是在“软件定义摄像机”不断前进。
而科达本次的摄像机，采用了深度学习图像增强算法，来增强摄像机的“夜视”能力，正是这一能力的体现。未来，科达也希望不再通过单纯的硬件堆叠，而是通过内部软件的处理，尤其AI的技术实现性能的提升。
AI在前端摄像机上的改变，将越来越明显。雷锋网雷锋网雷锋网
正在生成分享图...
马广宇 