2020年智能安防产品及解决方案的进展

　　随着人工智能、物联网、大数据等新技术在安防行业的落地应用，安防产品的更新迭代不断加快，各类新应用层出不穷，同时随着技术、产品的发展，各行各业的应用需求也开始多元化，智能安防产品与解决方案进入快速演进的发展阶段。

　　当前智能安防行业中，新产品、新技术、新工艺不断演进，智能化、信息化、数字化改造扑面而来，在技术研究、产品开发、平台建设、产学研合作等方面企业都抱有极大的积极性，以保持技术先进水平。在安防技术发展方面，中国已经走到国际前列，特别是现阶段发展火热的智能安防相关技术，基于中国开放的政策和国情，智能技术以及相应智能安防产品落地迅速，市场应用广泛。总而言之，用AI换图像，用AI换存储，用AI换效能已经成为当下智能安防产品与解决方案的写照。

　　1、AI摄像机

　　用户对于视频监控的应用需求已经从单纯的安全防范向高清、网络、智能的可视化及综合管理方向发展，在人工智能的加持前，从事中监督、事后侦察走向事前防范

　　越来越多，带动整个产业快速演进，从而带来重量级的市场机会。同时各行业对视频监控的应用需求已经从单纯的安全防范向高清、智能、智慧的远程可视化管理方向发展。视频监控不仅作为安全防范的主要技术手段，同时也逐渐成为行业可视化管理的重要工具，并结合物联网、大数据等技术，向“可视、可控、可管”的新型社会化管理系统转变，行业市场规模进一步扩大。

　　在前端摄像机产品上，近两年来新形态的摄像机层出不穷，以下选取软件定义（场景定义）摄像机与AI多摄摄像机进行阐述。

　　(1)软件定义摄像机

　　相比于传统摄像机软硬件绑定与CPU能力带来的功能固化、算力局限、难升级等问题，软件定义摄像机（SDC）基于智能视觉、多维感知、组网协同的创新技术，打造可持续演进的摄像机，以快速满足行业高速发展，业务不断多样化的需求：

图表：软件定义摄像机三大基石

　　来源：a&s、华为官网

　　在芯片上，传统的智能监控设备通常是在硬件上增加一颗CPU芯片-DSP、ARM或者FPGA，负责完成摄像机内部智能分析算法的运算，虽然能满足当前的需求，但却限制了后期摄像机的升级空间；软件定义摄像机基于等专业的NPU引擎，以N倍于CPU的算力，支撑万亿级视觉解析计算。

　　在架构上，软件与硬件解耦，可以屏蔽底层硬件的差异化，统一调用底层硬件的计算、编排能力统一由操作系统封装，软件只需要聚焦功能侧的能力开发，降低开发复杂度。同时，通过轻量化容器技术构建面向多算法的集成框架，让各算法独立运行在一个虚拟空间上，相互间不影响，实现快速的独立加载、在线更迭。

　　在算法及应用上，基于开放的OS基础上，通过完善的生态工具链服务，实现实现算法与应用的标准化对接、训练、上线，实现摄像机可具备按需定义场景的特点，支持根据不同的场景按需加载不同的软件和算法，通过多样的组合来快速适配瞬息万变的演进步伐。

　　(2)AI多摄摄像机

　　在AI全面爆发之前，大多数用户对监控摄像机的要求即为事后可查阅录像的视频监控，单摄的枪机和球机即可很好的满足需求，但随着AI技术的不断发展壮大，让用户看到了智能的可行性，用户的使用场景未变，但同一个场景下的智能业务需求却在不断增长。以路口场景为例，用户需要对整个路口的车流人群态势进行把控，这就需要一个短焦镜头对路口大场景进行全场景覆盖，同时还需要对所有移动的目标进行全结构化属性提取，这就需要一个远焦镜头对目标细节进行捕获，单一镜头的摄像机是无法同时满足这类需求的。另外，由于同一个场景下不同目标的移动速度等特征不一致，可能需要不同的快门参数和补光条件，这同样也是单摄解决不了的问题。因此，智能时代，单摄技术已经无法满足同一个场景下日益增长的各类智能需求，多摄应运而生了。多摄是用户需求变化驱动带来的一种软硬件技术的革新，一种新的智能产品解决方案，可以兼顾同一个场景下的多重智能需求。

　　总体而言，用户需求的不断爆发驱动整个软硬件技术的创新。多摄并不是简单的硬件堆叠，而是一系列复杂技术的集合，它体现出软硬件集成的最高境界，以海康威视的多摄产品为例：

　　第一，多摄设备的多镜头之间并不是孤立存在的，而是彼此关联，细节镜头中出现的目标位置能够在全景镜头中一一对应，这样才能够实现后续的各种联动抓拍、轨迹定位、布控跟踪等应用；

　　第二，多镜头之间的协作涉及到各种复杂的光学设计及ISP图像算法，比如上下镜头之间的补光如何能做到互不串扰？再比如黑光的双sensor融合如何能做到极致对准？或者是当全景镜头发现目标，细节镜头怎样在毫秒之间就能够完成变倍对焦抓拍等一系列动作？这些都是多摄技术实现的难点，海康威视通过多年的技术布局，已经很好的解决了多摄应用的这些技术难题，目前其多摄产品都已经开始实战应用。

　　从智能物联网数据采集，到价值数据进入信息网，兼顾同一场景下不同视角、不同参数、不同功能需求的摄像机必然是未来数据采集前端的发展趋势。多摄可以兼顾同一个场景下的多重智能需求，场景定义、多摄合一是未来AI摄像机的必然形态。

　　虽然当下越来越多的安防领先企业开始谈智慧城市、物联网、AIOT，但截至目前为止，阿里、腾讯等仍然牢牢卡住底层基础设施，安防行业的命脉仍然在摄像机等硬件产品上，在行业营收基础设施要远高于技术服务的阶段，笼统地讲在监控行业，智能摄像机的市占率便等同于智能安防的话语权。

　　2、数据中台

　　2019年随着互联网巨头的大规模组织架构调整，中台热度激增，各行各业都在探索中台在企业或行业中的落地，同样也蔓延到了安防领域。尽管此前安防行业内鲜有提及“中台”的概念，但伴随着安防行业进入到智能物联网、大数据及人工智能深化应用阶段，同时为了响应公安部大数据战略规划要求，更为了满足用户层出不穷、变化多样的安防业务需求，一些厂商也开始着手在DAAS和PAAS层方面做一些改进，将系统层中共性的、基础的数据和能力抽象出来作为一个“中台”来赋能上层应用系统，支撑警务应用创新和警务流程再造。

　　以东方网力的数据业务中台为例，作为承上启下的数据治理及赋能平台，对下充分利用其在视频联网和数据联网的汇聚接入能力进行数据融合治理，并在此基础上形成各类主题库、专题库、标签库、关系库、搜索库等;对上是基于公安各条线对于数据需求的分析高度抽象的数据能力中心，将共性的业务能力进行沉淀，并以共享服务的形式提供给实战应用系统，为应用系统进行赋能，驱动产品创新。

　　概括而言，东方网力的数据业务中台通过整合先进的视频AI计算能力和大数据分析能力，依托公司在视频联网市场的领先地位，构建以视频数据为核心的行业级数据治理和赋能平台。其业务特色主要体现为以下五点：

　　1、提供基于元数据驱动的数据标准化治理和数据资产管理能力。数据业务中台以元数据驱动形成数据标准、质量标准、安全标准、服务标准，用于指导元模型的构建、数据质量稽核、数据血缘及关系分析，构建数据全生命周期的标准化治理。同时根据行业业务特点和标准，编制数据资源目录，提供数据资产管理能力；

　　2、提供基于实体映射技术的多维数据检索和对象布控能力。通过对多维数据的融合分析，实现人员对象与其他实体之间的智能匹配，完成实体对象的ID映射，并可基于实体ID映射关系，实现对实体对象多维度数据的关联检索和一键布控；

　　3、提供基于可视化的数据建模能力和分布式的模型运行能力。通过拖拽式的操作，将数据源以及算子根据具体业务需求进行连接组合，通过配置的方式，实现模型的编排、生成、发布、共享和评价。可以让不懂得代码开发的业务专家通过自定义建模，完成数据分析挖掘与数据探索；

　　4、提供基于实体关系的行业知识图谱构建能力。将真实世界的海量异构碎片化数据转换为一张关系大网，与真实世界的人、事、地、物、组织对象一一对应，同时还原对象之间的错综复杂的关系，实现真实世界在数据世界的投影，提供深层次的研判洞察能力，助力公安高效快捷地完成案件线索梳理和分析，寻找破案思路；

　　5、提供基于标签体系的对象档案服务能力。数据业务中台提供公安数据标签体系，包括不同实体对象的基础标签、背景标签、轨迹标签、行为标签、规律标签、关系标签等，通过标签体系实现对对象的实体画像，形成对象的多维度数据融合的全息档案，完成数据到信息的升级，提升数据服务能力，赋能基层实战。

　　中台架构的构建可以更好地打通各产品的数据和基础业务，实现数据和应用的分离，支持业务应用的快速开发，提升企业内业务条线进行协作的效率。

　　3、安消一体解决方案

　　随着城镇化建设不断加快，工业化、市场化建设不断提速，各种致灾因素和火灾危险源呈上升趋势，消防安全基层基础还不够扎实的问题逐渐暴露，各类工业园区、高层建筑、商业综合体等大中型场所环境复杂、人流量大，城市中分散的小企业、小厂房等火灾隐患相对突出，福利机构、幼儿园等人员伤亡事故易发场所管理工作难度大。根据Grand View Research最新的报告研究指出，全球消防安全设备市场规模预计到2025年将成长至1059.2亿美元，年复合增长率约为8.8%。

　　新时代背景下，传统与非传统的消防安全因素相互渗透、相互交织，火灾的不确定性、多样性和不可控因素增多，给单位消防安全管理带来新的挑战。在国内消防系统和安防系统的独立建设，各个建筑物消防系统的各自为政，消防隐患的长期存在等多种问题的解决，是传统消防安全管理痛点。为适应现代楼宇安全、工厂安全、社区信息化的需求，必须突破安防与消防系统独立工作的常规现状，实现两大系统深度集成与资源共享。

　　在安消一体化解决方案上，外商的方案更加的成熟，因为在国外两者本是综合安全的一体。在霍尼韦尔推出的综合安全集成平台HUS上，将安防、消防和广播系统无缝集成，包括视频监控、门禁控制、防盗报警、火灾报警、公共广播以及第三方系统，通过电子地图精确定位、关键事件现场复核、应急状况预案指挥等先进手段和核心技术，构建了数字安防平台中综合安全管理的集成体系架构，例如报警触发实时视频及联动录像，报警联动出入口相关门禁，门禁联动视频复核功能，提高安防系统应急响应能力和主动防范能力。在端到端的解决方案、高可靠性高可用性、融合业务预案编程以及数字系统无缝集成四大核心价值加持下，在提供诸多新功能的同时，HUS大大降低整体系统的部署、维护、管理成本，进一步优化用户 TCO。

　　切入消防，安防企业最大的优势在于安防系统面多面广，其在跨界消防时只需要在自身安防系统的基础上进行系统搭建，容易在安消一体化中占据有利地位。近年来国内厂商也加大了对安消一体解决方案的投入，以海康威视安消一体化解决方案为例，其以“多维感知、数据共享、业务联动”为理念，采用创新消防管理流程机制，将消防报警管理流程闭环管理，落实单位消防安全责任，未处理报警将层层上报，有效提升消防报警处理效能。通过平台实时监测设施状态，及时发现隐患，实现消防全时可用、全局可视，为客户提供了一个开放、集成、可视、综合联动、统一运维的安消一体化方案。

　　未来由于不同的消防应用场景的火灾防范痛点各不相同，如何适用于差异化的应用场景，将是安消一体化建设需要探索的又一课题。

　　4、机器听觉与声纹识别

　　自中国安防产业崛起以来，“海大宇”、“AI视觉四小龙”等基于人工智能视觉技术和智能视频处理技术的企业急速扩张，智能视频监控和视觉识别技术得到充分发展，如今视频监控的可视范围已经达到上百米甚至更高，然而声音的有效拾音范围却仍停留在室内环境的应用场景下，针对远场的技术还停留在军用等特殊领域，随着智慧城市建设的不断推进，将远场拾音和视频监控相结合，实现基于异常声音触发的音视联动已经是大势所趋。

　　与光学传播过程不同，复杂场景下的声音处理之所以一直没有实现大规模应用，主要是因为技术层面确实存在较大困难，首先要将声音从复杂环境中清晰地采集下来，其次要分析声音包含的信息，而在声音的传播过程中，其能量不断地被周围环境所吸收，传播距离越远，声音的衰减越剧烈，加上复杂环境下的噪声干扰，声学复杂度与声场距离呈正相关，以至于超过一定距离后，声音就不易被人耳所能听到，因此远距离拾音技术首先要解决的就是噪声干扰难题。

　　在深圳市微纳感知计算技术有限公司推出的超远场拾音解决方案中，采用麦克风阵列智能远场拾音算法，通过在复杂声场环境下的主动自适应降噪和精准去混响，滤除环境干扰噪声(车辆引擎声、刹车声、电动 车鸣笛声、建筑噪声等)，实现60米以上超远距离声音信号拾取，输出清晰自然的高保真语音;实现基于异常声音事件检测及特定目标空间位置触发的音视联动处理，针对特殊音频事件的音视频监测及预警告警处理。

　　在此基础下，机器听觉系统与摄像头监控系统进行了深度融合，可在平安城市视频监控的“千里眼”基础之上，定制化打造了一副“顺风耳”，通过100毫秒极速音频识别并联动摄像机抓拍，实现基于异常声音事件检测及特定目标空间位置触发的音视联动处理，针对特殊音频事件(如枪声、爆炸声等)的音视频监测及预警告警处理，以及针对特定目标空间位置，误差小于0.5m的高精度定位处理，真正意义上做到声色兼顾，所视即所听。

　　在公安领域中，声纹识别是继指纹、DNA库后又一个生物特征库，为案件侦破提供一种新的技术手段。据了解，公安声纹识别应用系统通过预先建立的重点人员声纹数据库和应用基于智能语音技术的语音监控系统能快速确认说话人身份、语种、方言口音以及检测通话中的敏感内容，为案件侦破过程提供新的线索和证据，对于提高办案效率，优化办案方式，提高办案质量，提升案件侦破能力都将起到积极的推动作用，在维护国家安全、打击犯罪工作中具有非常重要的意义。

　　数据来源：阿里聚安全，美国圣何塞州立大学-国家生物特征测评中心

　　当下，为了更好地展开声纹识别的技术应用，正如人脸识别技术的落地路径一样，声纹识别也正在经历着技术产品化、平台化和场景化应用的阶段和流程。针对不同的应用场景，市场上相关声纹识别产品已经具备了一定规模和多样性，包括终端和平台型产品，比如各类专用的声纹采集设备、声纹鉴定软件系统以及声纹布控系统平台等。

　　5、5G安防方案

　　2019年被称之为5G元年，5G商用牌照的发放标志着5G将正式迈入商用阶段。工信部多次发文强调要加快推进5G技术应用，深化5G与工业、医疗、教育、车联网等垂直行业的融合发展。运营商层面也在加快5G基站建设和部署，产业链方面，5G专用通信模块、芯片制造及5G终端设备等企业在加紧实现相关技术攻关和产品方案落地。政策及市场的双重推动，正在加速推进5G时代的到来。

　　可以预测，5G的高带宽条件，超高清视频无疑将是最先受益的市场领域。无线设备也会大量升级，同时5G的到来，将促进安防移动监控、无线监控等设备系统的升级，实现更广泛的应用。在当下5G基础建设加速进行中，5G基站建设、5G模组、5G芯片等领域都将进入到一个新的备战状态。

　　超高清视频同样也将促进大屏显示产业的发展，原本停留在高清、4K像素的视频画面，在5G技术作用下，将迈向超高清屏显阶段，达到8K级效果。安防视频监控、广电视频都将由此受益，进入到超高清视频时代。

　　受超高清视频推动，届时AR/VR领域也将迎来新的突破和发展，市场空间被广泛看好。5G商用的开启，对于视频产业而言，上述这几大视频应用市场，将最先受益于5G技术的推动，在未来几年或将迸发出全新的活力。

　　在华为与中国移动联合发布的《5G时代智能安防十大应用场景白皮书》中指出，5G与人工智能的发展，将推动安防行业在覆盖、视频采集、感知运用、防控能力、产业转型等不断升级，推动安防产业进入大安防时代，从“专制专用”的公安行业走向共建“和谐民生”的千行百业。

　　5G智能安防将加速安防体系的重构，打破时空的界限，结合最新的技术，既可以从物理世界投射到数字世界，也能把数字世界叠加渲染进物理世界，形成虚实协同的数字孪生。重构全天候、全时空、全要素、全融合为特征的安防新体系。

图表：5G时代智能安防十大应用场景

　　数据来源：华为与中国移动联合发布的《5G时代智能安防十大应用场景白皮书》

　　据华为透露，5G摄像机产品不仅仅是5G模组+摄像机的组合，将会有新的智能流控技术加持，以保证在无线传输的方式下，带宽的稳定。目前，围绕着5G创新应用，运营商、设备商、G端/B端用户所构成的建、产、研、用各单位目前也正处于积极探索之中。从视频物联网的应用角度出发，5G的到来，正在推进5G+智慧警务、5G+智慧城市等多个应用场景创新应用模式的开启。如在智慧警务方面，2020年1月，广州市公安局天河区分局即率先推出了国内首个5G智慧警务平台，借助电信天翼云5G网络、AI智能算法、大数据应用等技术的助力，不仅落地了无人机空中巡防、移动巡逻执法、AR识别、4K视频监控等新警务应用，更实现了"5G+智能执法终端+高清视频实时回传+AI智能识别"的立体化巡防。

　　该方案借助5G网络高速率、大带宽、低时延的特点，“天眼”系统、城市低空巡防无人机、移动巡检车等设备可将拍摄的高清视频实时回传到5G智慧警务平台，再通过大数据、AI智能识别自动判断异常情况，反馈到指挥中心，由指挥中心根据视频情况，快速反应。如在人群中寻找犯罪嫌疑人，“天眼”等设备将采集的高清视频通过5G回传到智慧警务平台，AI智能识别会自动分析并识别人群中的犯罪嫌疑人，反馈给公安系统指挥中心，指挥中心再根据实时视频，快速组织及增派警力实时抓捕。不仅如此，在5G智慧警务的支持下，公安部门还可在人流密集、易发生事故的重大活动期间，开展高空、地面立体巡逻，打造城市核心区域的空地全方位一体化巡防。

　　作为中国新基建的七大方向之一，5G的未来市场潜力不容小觑，随着5G逐步建设和普及，将与人工智能一起作为基础底层技术，推动AIOT市场快速发展。对于未来的市场展望，智能安防、智慧城市等多应用领域也正以积极实践探索阐述着期待。

　　6、AI开放平台

　　现阶段，纵观人工智能应用最为成熟和广泛的领域，仍然以公安、交通、金融、教育等专业性领域为主，而其他的行业对于人工智能的应用需求虽然广泛存在，但由于场景的多样性、需求的高度分散使得人工智能的渗透相对较浅。

　　从技术实现的角度而言，现阶段的人工智能技术发展水平已经毫无疑问能够满足中小型行业轻量级、个性化的AI应用需求，但在技术方案和各式各样的场景之间依然存在着一系列的瓶颈和门槛问题，诸如数据瓶颈（数据采集、数据标注）、算法训练瓶颈、模型评估和发布的平台等等。对于一些中小型行业用户而言，尽管他们可能构想了一套又一套理想的AI应用方案，但如何获取上述这些资源来实现方案的落地是个问题。

　　在过去几年里，互联网科技领域、人工智能以及智能安防产业圈的几大头部企业陆续推出了AI开放平台，这些AI开放平台的一个共同的特性就是均以“普惠AI”为核心理念，而推进AI普惠的一个关键便是降低AI应用的门槛，其中就包含帮助用户实现零基础训练出一套自定义的AI应用模型。

　　2019年，华为、百度云、海康威视等企业都有详细展示自家的AI开放平台在自定义AI应用模型方面的服务，也让我们更直接地了解到了AI开放平台的具体运作：

　　海康威视AI开放平台在助力用户自定义AI应用模型方面，主要有5大服务流程：明确用户需求——数据标注——导入标注后的数据做模型训练——模型部署——应用上线，海康威视工作人员表示，自定义一套AI算法应用只需一个小时内便可完成；

　　百度云VideoMind算法训练平台同样可提供从新建模型、创建标签、上传数据、标注数据、训练模型、评估校验、发布模型全流程服务。开发者几乎可以零开发搭建一套业务demo，据介绍只需2~3天时间即可完成部署，省去业务系统基础功能的重复开发、以及基于AI的业务功能的开发成本；

　　华为ModelArts2.0开放平台可以以全流程的极简和自动化升级已有的AI开发模式，助力用户完成数据准备、算法开发、模型训练、模型管理、模型推理全链条自定义AI应用模型。华为ModelArts2.0拥有十余项新特性及服务，包含智能数据筛选、智能数据标注、智能数据分析、多元模型自动搜索、ModelArts SDK、图神经网络、强化学习、模型评估/诊断、模型压缩/转换、自动难例发现、在线学习等，覆盖AI模型全生命周期。据华为工作人员介绍，ModelArts可自动学习，不断提升识别的准确度和运行速度，还可以不断扩充模型类型，包括文本分类、行为识别等场景模型的定制化开发。

　　以海康威视的AI开放平台举一个例子，比如一家连锁商店的老板需要通过AI技术检测商铺门口是否堆有垃圾，但商户本身没有任何技术能力。这种情况下，只需要商户注册成为海康AI开放平台的合作伙伴，在线上传几十张自己拍摄的店门口的垃圾图片，并通过平台上的标定工具标定垃圾信息，同时选定摄像机，将标定后的垃圾数据进行算法训练后关联到选定摄像机，商户即可自行给普通的摄像机DIY出可实现垃圾堆叠检测的AI能力，整个过程只需半小时左右。

　　显而易见，这种类型的开放平台将算法训练以工具的形式开放给广大的零散的用户，这是企业对于AI赋能意义最接地气的诠释，也是实现价值转换的基础途径。

　　目前市面上的AI开放平台均提供了数据标注、算法训练、模型评估、应用发布和部署的一系列能力，只是各自的平台在不同环节上都有针对性的核心技术来解决响应的问题。

　　厂商通过这一类AI开放平台，可以很好地聚合平台以及用户双方的优势，让AI技术能够深度融合到实际业务需求当中，实现定制化的AI应用。与此同时，通过AI开放平台这一固定平台，可以进一步放大AI技术工具的通用性，让这些能力成为可共享的资源，一定程度上也为海量的、零散的小型行业应用需求提供了一个公共的入口，缩短了中小行业用户在这方面需求响应的距离和速度，让传统的可能需要以项目方式进行的方案能够短、平、快的快速完成方案设计和应用部署。

　　而广大的行业用户他们对于细分的业务需求有着充分的了解，而通过这一类AI开放平台，则可以很好的聚合平台以及用户双方的优势，让AI技术能够深度融合到实际业务需求当中，实现定制化的AI应用。

　　7、算法的长足进步

　　在人工智能赋能安防的过程中，算法是重要的一环。随着算法精度以及各项新研究的突破正不断为智能安防创造新的应用，步态识别以及AI超微光便是其中的典型例子。

　　（1）步态识别

　　步态识别，作为一种新兴的生物识别技术，通过人们行走的姿态特征进行身份识别或验证，具有远距离、多角度、抗着装变化等优势，且每个人的步态特征都不尽相同，应用价值重大。目前该项技术易受目标及相机角度、遮挡物、附属物、小目标等因素的影响，尤其在复杂场景中，步态识别技术产业化面临诸多挑战。

　　图表：市场主流识别技术对比

　　随着安企在AI领域的持续投入，经过多年技术积累，目前步态识别算法已经取得了不错的进展，例如大华股份基于对行人以图搜图技术的深刻理解，创新提出多尺度特征提取的方法，使得特征鲁棒性更强；同时采用一种轮廓注意力特征融合模块，解决步态周期内剪影图分割效果不同带来的干扰，更具应用性。

　　据了解，当前的步态识别支持普通高清摄像机下最远50米的远距离、跨视角识别，不依赖于人脸信息，对光照不敏感，无需识别目标主动配合的识别（超高清摄像机距离更远）。

　　当前步态识别技术在许多行业场景中实现落地，如石油行业引入步态识别技术完善防控网络，防范非法闯入者对油田安全的威胁和对油田经济利益的损害，家居领域应用于家电，实现家电的智能化感知，提供更加个性化的服务，公共安全行业中越来越多的公共安全机关、公共交通机构、大型展会服务商、物业管理等机构开始利用步态识别技术进行人员管理，保障公共安全等。

　　（2）AI超微光

　　为了提升夜间摄像头的成像质量，过去几十年内，业内均是通过传统的主动补光(红外、激光或者LED补光)这一类常规方式。但LED补光强光容易导致人瞬间失明存在安全隐患，而红外补光灯的黑白视频又丢失了重要的色彩信息，无法作为违法取证的证据和获得更加有效的色彩等细节破案信息。为了追求全彩高清的效果，业内很快出现了两种主流技术——超星光与黑光。

图表：低照度技术对比

　　2019年，以苏州科达为代表的安防企业重磅推出了AI超微光技术，与以上两种主流的技术不同的是，AI超微光的实现方式主要是通过深度学习图像增强算法，实现了夜间超弱光环境下的高清全彩抓拍。

　　据官方资料介绍，AI超微光摄像机采用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，并针对性地进行了数学建模，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，该算法模型跳过了传统摄像机的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。这样可以大幅减少摄像机对补光灯的依赖，在提升图像亮度的同时，还能充分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，不仅大幅度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。

　　a&s Research认为，草蛇灰线，伏脉千里。随着算力与算法的长足发展，未来智能安防产品将不再依赖于硬件堆叠的模式，通过软件等其他方式营造产品百花齐放的局面。