阿v视频在线观看免费播放-阿v天堂2017-啊用力嗯快国产在线观看-爱爱99-爱爱爱久久久久久久-爱爱爱免费视频

如今，“智能”一詞已經頻繁地出現在我們的工作、學習和生活中。電腦類的產品被冠以“智能”自不用多說，就連衣食住行也都“智能化”了——虛擬試衣鏡、全時在線電飯鍋、自動吸塵器、導航儀等等，比比皆是“智能”的影子。同樣，攝像機也經歷了模擬、數字、IP等三個階段進入了智能時代。本文將就筆者在相關技術研究中的一些體會提出三點思考。

一、攝像機智能化的目的和內涵

“智能”的本意是在現實世界中賦予人造工具以最大程度的擬人能力，并使人能通過使用這樣的工具獲得自身相應能力的延伸。在技術實現上，“智能”一般都依賴于對應的軟硬件計算能力。攝像機的擬人功能是視覺，模擬攝像機實現了“看得見”，高清攝像機實現了“看得清”，那么智能的攝像機要實現哪些特質呢？

首先，智能的攝像機要確保“看得清”

在實際應用場景中，這主要與攝像機的環境適應能力相關。為適應我國的大氣環境條件，當前，“透霧”已成為攝像機實現智能化的迫切需求之一。盡管具備這樣功能的攝像機早在十年前就已面世，但由于霧、雨、霾、煙等的光學特性不盡相同，具有普適性的光學處理與自動“霧”判斷算法仍是一個研究熱點。此外，如何保證在攝像機應用環境中高速運動物體的細節能被清晰地連續記錄下來也成為一種智能化需求。由此，能夠按普通攝像機的幀率輸出連續圖像的“快照”算法也成為實現攝像機智能化的一個方面。從“看得清”的立場來看，(超)低照度和寬動態因為都需要有相關的算法支持，也可以被看成是一種“智能化”的功能。從目前的實踐結果來看，實現了上述功能的攝像機，其視頻效果基本都能超越人眼的觀察能力。

其次，智能的攝像機要實現“看得懂”、“看得牢”。

在當前大多數的應用場景下，攝像機主要承擔了現實世界捕捉器的角色，它所提供的圖像需要依靠人工來進行判斷和處理。可以這么認為，目前大部分的監控系統應用還處于“半自動”狀態，系統的效能沒有得到充分發揮。要解決這樣的問題，自然就會想到應該設法讓攝像機“看懂”圖像，并使監控圖像的應用從“事后復現”擴展到“事中控制”，進而可以溯及“事前發現”，真正實現特定的防范功能。要看懂圖像，就需要過濾掉一些一般的、不重要的信息，而將關鍵的、重要的信息分離出來，并進行應用處理。于是，防篡改、車牌識別、人臉識別、人群估計和斗毆行為分析等已成為因為攝像機“看懂”了圖像而提供的、得以廣泛應用的能力，其背后則是特定對象檢測和識別算法的支撐。這里值得一提的是，目前已面市的攝像機“看圖像”的范圍大多為矩形區域，能處理非矩形(或任意形狀)觀測區域的較少見。

在能夠“看懂”圖像后，攝像機在機械裝置的承載下就可以緊緊跟隨目標對象的移動，實現類似于人頭部轉動來盯住目標對象的“看得牢”功能，即所謂的跟蹤取證或跟蹤拍攝。在現實應用中，具有“看得牢”功能的攝像機可以實現“撥浪鼓”式的運動，既其跟蹤拍攝的角度可以達到全周(360度)，而且半周(180度)轉向和對焦的速度達到百毫秒級。

第三，智能的攝像機要“善思考”和“易交流”。

越來越多的攝像頭所產生的視頻數據形成了海量的數據；為節約和控制建設及運行成本，對這些數據的后續保存策略目前基本上是依據“時間”這樣一個維度來進行的。如果能增加“內容”這樣一個維度的話，圖像數據的保存策略將更顯科學。為了要讓整個系統能根據“內容+時間”來進行所保存數據的取舍，就需要讓攝像機會“思考”，既將圖像所表達的意思用“語言”表達出來。這里有必要引用兩個概念：

·視頻內容描述數據：關于視頻內容的數據。視頻內容的描述分為場景或背景、目標或前景以及目標的動作或變化軌跡等，是對視頻內容的客觀描述。

·視頻語義描述數據：關于視頻語義的數據。視頻語義具有領域本體屬性，即按照領域本體知識，對視頻內容的理解。視頻語義又可分為三個層次：底層語義是關于視頻底層特征的語義，如顏色、場景、前景、目標形狀或紋理等的描述；中層語義是關于視頻目標動作、行為、密度、流量統計特性等的描述；高層語義是關于具有領域本體知識的視頻事件屬性的描述。

語言是有結構和含義的，所以一旦能用語言數據來描述視頻內容及語義，也就實現了視頻的結構化和語義化。這將從根本上實現“反應快、效率高”的監控視頻應用以及“成本適中、綠色節能”的監控系統運維。

人與人之間的交流需要用語言作為工具，同樣將來自五湖四海的、具備“思考”能力的攝像機組合在一起為一個共同的目標而工作時，也需要有一套開放的、分層次定義的語義規范來使彼此能夠交流和協同。作為攝像機智能化的高級別任務，視頻語義規范的研究當前正處在起步階段，但其有著較快的發展速度。業界應該對此給予足夠的重視，并迅速聯合起來，一起為國內蓬勃發展的視頻監控行業未來的持續發展，搶占技術高地。

綜合以上敘述，從技術角度來看，攝像機的智能化可以理解為：是利用信號處理技術、計算機視覺技術和集成電路技術，對視頻圖像進行清晰的復現，并對其中的感興趣目標或異常事件進行自動的、實時的檢測、跟蹤、識別、分類、分析和語義提取等。同時，我們也不難得出這樣的結論，智能化的攝像機絕不是相關的技術和產品供應商為純粹的商業目的而增加的“噱頭”，而是他們為攝像機能夠更好地滿足實際應用需求所進行各種技術創新的成果。

二、攝像機智能化所面臨的技術挑戰

攝像機智能化的實現依賴于各種圖像處理算法的研究、設計和實現。近些年，國內研究在這方面所取得的成果是十分豐富的，但這些成果所形成的實際生產力卻仍然有限。究其原因，除了市場需求的發展需要一個過程外，最主要的還是有一些技術挑戰尚未完全克服。限于篇幅，這里僅摘取其中兩點進行分析。

一是“智能”算法的前端化、固態化。盡管智能化是新一代攝像機的重要標志，但其進程卻始于模擬時代。經過多年的發展，諸如移動偵測、人臉識別、自動跟蹤等智能視頻算法日趨成熟并在一些特定場合得到了廣泛應用。隨著分布式計算技術架構的發展，特別是云計算概念的提出，與攝像機智能化相關的算法實現也呈現出十分明顯的前端化(即內置于攝像機)傾向。理論上，將前期大量經過實踐檢驗、比較成熟的算法，從桌面以上的平臺移植到嵌入式平臺成為最可行的第一步。但這看似容易的第一步，真的走起來卻并不輕松。最困難的，也是最能體現技術水平的就是算法實現的可移植性。由于不同嵌入式系統在系統結構、指令系統以及處理能力等多方面都存在差異，對本來就對計算效率極其敏感的圖像處理算法來說，要實現高度的可移植性(無論是靜態的還是動態的)是十分困難的。解決之道就是在產品開發中引入軟件可移植性工程，將自主研制的算法以不同目標環境下的支持庫形式提供給需求者。

此外，隨著攝像機所能提供的圖像分辨率的不斷提升，智能視頻算法需要處理的數據量也急劇增加。在很多場合下，算法實現需要固態化才能滿足實時性要求。所謂固態化就是用專用芯片來實現相關的算法。這就需要有既懂算法軟件、又懂硬件描述語言，具有長期實踐經驗的技術人員，來設計可靠、高效的算法芯片。

正是因為上述兩項工作的技術門檻高，并要求產品研發機構保持持續、穩定的資源投入，真正實現前端智能的攝像機產品目前尚不豐富。

二是視頻結構化描述技術。與視頻結構化描述相關的技術大致包括機器視覺與模式識別、語義網與知識庫、大數據或海量信息處理以及系統管理和應用技術等。現階段，上述各項技術研究，就其本身來說，無論開展的時間是長是短，都或多或少取得了一定的成果，有的甚至已經得到了大量的應用(如車牌識別)。可是，如果從滿足實現視頻結構化目標所需的角度來看，“孤島”現象仍十分明顯。我們可以“從視頻圖像中區分出多個不同的感興趣目標”這一最基礎的工作為例來理解這方面的情況。作為一項高度擬人化功能，要完成它就需要依據已有經驗對實時圖像進行時空分割、特征提取、對象識別等處理。這里所說的“已有經驗”在系統中就表現為“樣本庫”、“特征庫”或“知識庫”。鑒于這些庫的形成需要經歷一定的積累或“學習”過程，在沒有一個有效規則的情況下，這些經驗的共享和交流是十分困難的，形成“孤島”也就是很自然的了。

三、攝像機智能化對產業發展的影響

從視頻監控產業的發展來看，包括上述技術挑戰在內的各種攝像機智能化所涉及技術難題的有效解決，都是行業本身、業內企業必須給予足夠重視的。從個人理解的層面來看，要能更加有效地推進攝像機智能化，一個可行的做法就是學習國際上的成功經驗，由對此感興趣的“產、學、研、用”機構一起組成一個合作體，依照“規范標準統一、知識合理共享”的原則，以市場需求為導向，形成產業的、技術的規范，以此來引領整個行業朝著“技術領先、規模占優”的方向發展。

同時，在當前的國內外經濟形勢下，視頻監控行業無疑是一個極其“吸引眼球”的產業，這樣的產業應該具有一定的引領作用。從對其它產業的依賴度來看，攝像機智能化最合適、最可行的是進一步帶動半導體行業的發展。國內半導體行業最近一次的興起始于上世紀九十年代末期，也正是依靠國內有巨大產品需求的多個帶“金”字工程的推進，其在十多年間取得了長足的進步。鑒于國內視頻監控市場的巨大規模，特別是在攝像機智能化達到了“規范標準統一”的條件下，或許應該為國內的半導體行業所重視。視頻監控行業憑借其自身的智能化發展成為推動國內半導體行業再次發展的源動力，這一點確實值得期待。