消灭爆闪灯 更要消除“光污染” 多场景应用的低照度技术流才是未来

多流派技术及应用存在缺憾

一直以来避免“光污染”，提升低照度摄像机的成像质量是行业追求的目标，尤其是随着夜间经济兴起，行业内众多厂商纷纷发力，可谓是，你方唱罢我登场！

当下市场上出现了多类技术流派的低照度技术，如超星光、黑光、极光等等。

据了解，超星光主要采用星光级图像传感器，大光圈镜头，以及传统的ISP图像调制技术。其主要是依托图像传感器的灵敏度提升来提高能量转换的效率，大光圈镜头提升进光量。

但该技术存在一些缺陷及不适用的场景。镜头扩大了进光量，提升了图像亮度。但降低了成像的景深，扩大了强光光晕的影响。

另外，摄像机拍摄运动物体须提升电子快门，否则容易出现明显拖尾。但提升快门速度，就把大光圈镜头带来的亮度提升抵消掉了，导致目标物体周围的场景一片漆黑。

黑光摄像机主要是采用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。然后通过图像融合算法将两颗采集到的图像信息进行融合，输出明亮彩色的图像。

但是在道路卡口实际应用中，由于汽车玻璃防爆膜缘故，不能采集到前排司乘人员的清晰图像。另外，当遇到一些红外反光物体，色彩还原度会失真。

除了技术方面的缺憾，在应用上也有缺憾。从目前来看，多家厂商低照度摄像机主要应用在道路卡口系统，应用场景较为单一，并且只是针对卡口“爆闪灯”产生的光污染，产品技术应用较为单薄，面对当前城市夜间更多应用场景下的需求，就显得无能为力。

突破技术瓶颈 AI弥补缺憾

近些年，随着边缘计算的普及应用，前端摄像机算力不断提升，结合深度学习的算法，依靠算力提升摄像机夜间成像质量和识别感知能力成为可能。

基于此，科达以自身在人工智能领域的技术积累率先突破低照度技术瓶颈，并******提出AI超微光这一******技术，并在2019年7月发布了首款产品：AI超微光车辆卡口。在随后多个城市的实地测试中，AI超微光技术以无光污染、低照成像清晰、目标识别率高等优势，远远******于其他技术流派，获得广泛认可。

在AI超微光技术中，科达自主研发了深度学习图像增强算法，通过对夜间低照情况下车辆卡口的图像抓拍问题进行数学建模。在低照环境下，该模型跳过了传统意义的摄像机ISP成像方式，通过对大量卡口抓拍图片的学习，直接对传感器输入数据进行图像恢复，大幅减少了卡口对补光灯的依赖，在提升图像亮度的同时，充分还原物体颜色与纹理等细节信息。

***值得称道的是，目前，科达已将该技术应用到多个产品领域，形成了超微光摄像机产品系列族，包括超微光车辆卡口、车辆电警、人员卡口、超微光布控球等等，已覆盖主要智能前端应用场景，并在上海、武汉、苏州等20多个城市实现落地。

技术迭代 应用更多实战场景是***道

“私自安装爆闪灯”

“远光灯灯耀眼”

“雨天路面反光”

夜间低照度摄像机应用，依然面临着场景碎片化难题。

针对这些场景，科达在实践中不断优化AI超微光算法，推出HDR融合算法和像素推理技术，实现AI超微光普及更快、更广。

在普通监控场景，人员卡口和其他移动设备的实际使用中遇到的光线情况比道路卡口更为复杂。科达采用AI超微光+HDR融合算法，能在光线亮度变化较大的环境中提供具有更佳信噪比、更好动态范围的图像。

以雨天路面反光，车灯耀眼场景为例，一般的电子警察摄像机抓拍图像过曝严重，通过AI超微光+HDR融合算法，即可呈现色彩、亮度舒适的清晰图像。

而在人员卡口应用场景下，面对光线不足的情况，抓拍的图片噪声较大，暗部细节丢失严重，开启融合算法后，能够将图片降噪增亮，还原有效的人像及环境信息，同时保持图片亮度、色彩的平衡。

另外，传统摄像机算力不足难以满足复杂场景的图像处理，致使夜间大量对算法有实时性要求的场景难以落地。

科达运用知识蒸馏、神经网络搜索等像素推理前沿技术，降低模型体量和运算量，解决性能功耗比的问题，实现 AI超微光技术广泛的赋能各类应用场景。