視頻監(jiān)控作為城市的“天眼”，肩負著守護城市安全的重任。然而，面對復雜的應用場景，監(jiān)控功能仍然存在著死角和軟肋。其中黑夜作為眾多軟肋之一，不斷挑戰(zhàn)著監(jiān)控攝像的技術底線。

為了在黑夜也能看得清晰，人們很早以前就開始了嘗試。二戰(zhàn)期間德軍使用的第一臺夜視儀，便是為了黑夜作戰(zhàn)而生。如今，隨著技術發(fā)展，時代演變，在夜晚具備“彩色視覺”的設備越來越多。

目前市面上彩色視覺設備應用的方法主要有三種：第一，用于安防攝像頭的低照度CMOS，通過增加感光顆粒面積，從而增加光子數(shù)量，但噪點也會同時增大;第二，用于軍事的EMCCD，通過增大光電轉換效率，將原本畫面上的一個光子，轉化為幾十上百個光子，從而看得更清晰，但這種方法價格昂貴，難以大規(guī)模應用;第三，采用的多幀HDR，但是只能用來拍靜物。

所有的夜間“彩色視覺”設備和使用方法，都是為了解決一個問題：低照度的環(huán)境下圖像細節(jié)的還原能力。因此這兩年出現(xiàn)了一個火熱的話題：AI ISP。如何通過AI的賦能融合ISP，將圖像質量進一步提升是行業(yè)很眾多品牌的重要研究方向。

那為什么夜間獲取高質量的視頻成像這么難呢?

首先，我們看下視覺成像中兩個重要的問題

1. 去噪

2. 亮度和對比度的調整

在整個數(shù)字成像系統(tǒng)中，噪聲在從光信號轉換成數(shù)字信號的過程中是一直存在的。而噪聲又分為很多種，有些噪聲很容易被測量出來，但有些噪聲很難測量。如何進行噪聲測量，以及進行噪聲的數(shù)字建模，對整個的夜景去噪過程來說并非易事。傳統(tǒng)方法難以區(qū)別噪聲和細微的信號。

而在夜景拍攝中，因為光線不足/不均勻，為了得到更清晰自然的圖像，我們不僅要調整亮度，也要調整對比度。在對比度的調整中，傳統(tǒng)的方法，學術界稱其為直方圖均衡，但均衡并不代表能得到最佳的成像效果，而是根據(jù)全圖的亮度進行調整，最終生成一個與我們的期望較為接近的圖像。

基于以上兩點，再通俗的來總結一下就是：傳統(tǒng)的攝像機系統(tǒng)在低光照(夜間)條件下，只能拍攝出噪點多或亮度低的黑白或失色視頻;而在高對比度場景下，成像容易存在陰影欠曝或高光過曝，難以兼顧。這兩種情況都會造成圖像的細節(jié)丟失。

雖然去噪一直是 ISP 的重要功能，尤其在視頻感知領域，但隨著夜景、惡劣天氣、復雜光線、高運動的環(huán)境等復雜場景的應用需求擴大，傳統(tǒng)ISP圖像處理技術已近瓶頸，且面臨：參數(shù)多，調試難，開發(fā)周期長、畫質提升難，投資收益低等問題。

市場需求的召喚，在低光照或高對比度場景下拍攝出清晰的圖像是實現(xiàn)攝像機系統(tǒng)場景普適性的關鍵。三旺通信極光夜視全彩攝像機，不同于以上方法，它是基于 AI 引擎的 ISP 架構，可通過神經(jīng)網(wǎng)絡算法增強芯片內置 ISP 模塊的圖像處理能力。同時，利用圖像增強深度神經(jīng)網(wǎng)絡打造的“黑夜視覺”，可以同時做到提亮和降噪，在同樣硬件下，可將夜間圖像的亮度提升200倍，并將 HDR 處理推向新高度，使得圖像具有更自然的色彩再現(xiàn)和更寬的動態(tài)范圍，它也是目前降噪領域最好用的算法。

總結一下，具備的特征有：

低照度清晰成像：降噪的同時保留圖像信息不丟失。

全彩夜視：極弱光環(huán)境下(光照度0.001lux)也能獲得高清彩色畫面。

超大場景：長焦遠距，實現(xiàn)大范圍目標物體清晰監(jiān)控、識別。

反偵察：無需補光燈，彌補了不法分子通過檢測補光來規(guī)避監(jiān)控的漏洞。

超寬動態(tài)技術：強光抑制，實現(xiàn)逆光場景所見清晰(如：交通路口車牌顯示)，暗光場景色彩飽滿(如：車內人員面部特征)。

無拖影：運動物體無拖影成像。

超快對焦：低照度、無輔助情況下實現(xiàn)快速對焦。

超低功耗：因無需補光燈，整機功耗低，綠色環(huán)保。

比起傳統(tǒng)的ISP，引入AI技術的三旺通信極光夜視全彩攝像機不僅擴大了系統(tǒng)的可適用場景，而且還大大降低了成本，可適用于安防領域的大規(guī)模部署。

視頻監(jiān)控作為安防行業(yè)落地的主要“抓手”，城市智慧化的“眼鏡”，在整個安防業(yè)中占據(jù)著重要的角色。AI ISP因具備了智能調優(yōu)、加速開發(fā)交付、高算力+大數(shù)據(jù)、突破畫質極限、迭代學習等優(yōu)點，將是未來ISP技術發(fā)展的趨勢。

（免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）