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。

夜间拍摄的痛点在哪里?

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。

几种主流的技术路径

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。

科达“AI超微光”的技术原理及优势

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。

写在最后

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.