在科技日新月异的时代，各种引人入胜的视界变化尽收眼底。然而，在安防领域，我们始终回归到对图像的追求和打磨，这种本初的精神是我们形成现今以智能视频为核心的安防应用大生态的关键。
图像识别的发展历程
图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。
图像识别是人工智能的一个重要领域。为了编制模拟人类图像识别活动的计算机程序，人们提出了不同的图像识别模型。例如模板匹配模型，这种模型认为，识别某个图像，必须在过去的经验中有这个图像的记忆模式，又叫模板。当前的刺激如果能与大脑中的模板相匹配，这个图像也就被识别了。但是，人能识别的图像是大量的，不可能做到所识别的每一个图像在脑中都有一个相应的模板。于是，格式塔心理学家又提出了一个原型匹配模型，这种模型认为，在长时记忆中存储的并不是所要识别的无数个模板，而是图像的某些“相似性”。从图像中抽象出来的“相似性”就可作为原型，拿它来检验所要识别的图像。这种模型从神经上和记忆探寻的过程上来看，都比模板匹配模型更适宜，但是，这种模型没有说明人是怎样对相似的刺激进行辨别和加工的，也难以在计算机程序中得到实现。因此又有人提出了一个更复杂的模型，即“泛魔”识别模型。
图像识别的发展经历了三个阶段：文字识别、数字图像处理与识别、物体识别。
文字识别的研究是从 1950年开始的，一般是识别字母、数字和符号，从印刷文字识别到手写文字识别， 应用非常广泛。
数字图像处理和识别的研究开始于1965年。数字图像与模拟图像相比具有存储、传输方便可压缩、传输过程中不易失真、处理方便等巨大优势，这些都为图像识别技术的发展提供了强大的动力。
物体的识别主要指的是对三维世界的客体及环境的感知和认识，属于高级的计算机视觉范畴。它是以数字图像处理与识别为基础的结合人工智能、系统学等学科的研究方向，其研究成果被广泛应用在各种工业及探测机器人上。现代图像识别技术的一个不足就是自适应性能差，一旦目标图像被较强的噪声污染或是目标图像有较大残缺往往就得不出理想的结果。
一个图像识别过程通常主要需要分为四步：
一是信息数据获取，图像识别的前提是信息数据的获取，将特殊信号通过各类传感器转化为电信号，从而获取到所需的信息，存储在数据库中。
二是信息数据预处理，这部分主要是对图像进行去噪、平滑及变换等处理，凸显图像中重要的信息及特征。
三是特征选择与提取，这是图像识别技术的关键内容，特别是在识别模式中，其实际操作要求更高，这也直接决定了图像是否能够被成功识别，能否储存所提取的特征。
四是分类器设计及决策分类，可根据某种规律识别图像，而并非在识别中处于比较盲目和混乱的状态，基于此对规律进行识别以突显出相似的特征种类，使图像识别过程具有更高的辨识率，再通过识别特殊特征，实现评价和确认图像的目标。
机器视觉的“技术雏形”
既然回首过去，对于图像，行业最开始做法是不断为图像做加法，一堆的后处理技术进行科研突破，最为明显体现在视频图像处理技术，简而言之就是用计算机对视频数字图像进行处理，其本质是一种信号处理过程，而且是离散信号处理。
这其实就是机器视觉的最初技术形态，虽功能有限，但底子还在。看图像处理技术应用价值，有几个方面：
其一，提高图像的视感质量，如进行图像的亮度、彩色变换，增强、抑制某些成分，对图像进行几何变换等，以改善视频图像的质量。
其二，提取视频图像中所包含的某些特征或特殊信息，这些被提取的特征或信息往往为计算机分析图像提供便利。
其三，视频图像增强与复原。图像增强的目的是将图像转换为更适合人和机器的分析的形式。
其四，图像的分析。从图像中抽取某些有用的度量、数据和信息，以的到某种数值结果。
其五，能使图像再现性。图像在数字化时准确地表现了原稿，则数字图像处理过程始终能保持图像的再现。
其六，灵活多变的处理功能。把监控画面分割为任意大小的二维数组，这意味着图像的数字化精度可以达到满足任一应用需求。
其七，适用面宽。不论是来自哪个行业的信息源的图像只要被变换为数字编码形式后，均是用二维数组表示的灰度图像组合而成。
其八，灵活性高。即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。
依据八大特性，图像处理研究内容就分三大板块：图像压缩；增强和复原；匹配、描述和识别。
机器读懂视界的行业逻辑
时代在变革，技术在演进，与之相悖的，终将渐趋式微，这同样适用于图像处理技术。如楼宇对讲到智能家居，防盗报警到AIOT一样，图像处理到机器视觉，也只是时代产物，底色未变。
过去图像处理在“后侧”，而机器视觉更多“向前”。
在当下，智能摄像机本身作为前端产品，芯片、镜头、焦距、补光、外壳等一系列硬件工程是基础。能将智能算法跟场景关联后，根据算法需求界定一个范围，尽量做到场景变化，但硬件减少变化，用软件来做调节。
全天候的多维融合全域感知，这是智能摄像机对于图像追求的另一个技术维度，视频、音频、气味、生物特征等技术的发展和成熟，全面掌控防控场景和目标的完整信息成为可能，在安防应用中越来越多的部署更多类别的感知设备，用于从更多维度采集目标信息，包括目标的各种要素、活动轨迹以及关联信息等，从而形成一个动态感知体系，实现防控工作的“无所不在、无所不知”目标。这一点从最近几年的声光划界摄像机、光谱水质摄像机、雷视合一摄像机、气象观测摄像机、环保摄像机等一些列场景定义类产品，无一不在说明，图像处理的多面与多角度，来适配多场景的深度。
当然，摄像机一个单品，不可能一肩挑起这时代与这视界，形成成熟与高价值的解决方案闭环，是必然。
在追求极致更好图像的行业进程中，图像的广度在缩小，更多的是在深度的追求。通用型、一招鲜吃遍天的摄像机已经不复存在，这还是源于用户需求驱动。
在2023深圳安博会参观走访期间，记者了解到很多底层用户或中间生态位集成商大多表示，现有智能视频方案过于通用，不够适配行业具体场景。为此，此届安博会最大不同之一就是硬件展示减少，方案展示居多的原因。
机器视觉解决方案需要与行业自身长期运转而沉淀下来的商业逻辑与行业经验相融合。除了成熟的技术能力外，该解决方案对行业具体场景的全方位适配必不可少。同样，机器视觉解决方案应用门槛高，企业IT架构/基础设施适配难度高。对于很多企业来说，算法训练相对容易实现，但如何与实时推理结合起来部署到实际应用场景，却是一个难题。为此，大模型的出现，或者类似算法商城、算法工厂、AI自动工具等，就开辟了另一个战场，另一个对图像追求无休止的行业逻辑。
图像的未来之愿
对于图像创新，行业心之所向。沉于过去，不能打破现状，之于图像的未来，本当归于平静，来看未来之愿与应用模样。
其一，大视界时代，未来数据图像技术强调高清晰度、高速传输、实时图像处理、三维成像或多维成像、智能化、自动化等方向发展。
其二，智能化方面，力争使计算机识别和理解能够按照人的认识和思维方式工作，能够考虑到主观概率和非逻辑思维。这里有一点需要指出，AI在智能化方面可以做图像数据与内容的提取与分析，但是并不能在视频图像处理方面做文章。
其三，未来图像技术强调操作、运用的方便性，图像处理功能的集中化趋势是必然会存在的。所以，最近几年硬件芯片厂家不断将诸多AI功能固化在芯片上，形成一个SOC级的独立小系统。
有偏差的视界，在以智能路为路径，尽可能形成你是我的眼，你见如我见；不止所见，还能关联其他，以图像为圆点，来画视界。
文章来源：CPS中安网，电子发烧友，活在信息时代
该文观点仅代表作者，本站仅提供信息存储空间服务，转载请注明出处。若需了解详细的安防行业方案，或有其它建议反馈，欢迎联系我们。
