华为倡导机器视觉前端智能化 人工智能应用中50%与机器视觉有关

人工智能是让计算机模拟人类去看、去听和去读。图像、语音和文字的理解，基本构成了现在的人工智能。实验心理学家赤瑞特拉（Treicher）的著名心理实验得出：人类感官获取信息有83%来自视觉，所以在当前人工智能应用中，50%以上与机器视觉有关。人类进入智能社会的基础是数字化，万物感知是将物理世界数字化的前提，65%的行业数字化信息来自于机器视觉，而前端视觉感知的种类、数量和质量决定了智能化程度的高低。

作为机器视觉的感知终端，智能摄像机在5年前便已经出现，与传统高清网络摄像机（IPC）不同，在AI深化的智能时代，前端摄像机越智能，就越能适应复杂多变的环境，抓住稍纵即逝的时机，采集到更高质量的视频数据。但是受限于当时算法和芯片技术，在雨天、沙尘、雾霾等不可抗拒的环境因素影响时，会导致成像质量不佳；另外场景中的角度、遮挡、光线和像素等因素也会导致目标识别的准确率偏低，很难将智能真正应用于实战。尤其是复杂场景下的视频采集一直是业界的难题，比如大角度、低照度人脸抓拍、夜间低照度场景人车抓拍，白天玻璃强反光下车内人脸抓拍等。

面对这些挑战，整个业界对摄像机智能化的诉求越来越高，摄像机已经从以“编码”为中心的10年一代转向了以“人工智能”为核心的3~6个月一轮迭代，要求摄像机内置智能算力、有开放OS、能够在线加载算法。让摄像机从“看得见、看得清”，进而能够“看得懂”。前端视觉感知智能化，提升了算力效率同时降低了反应时间，进而提升了视频、图片及各种数据采集的质量和协同性，有效了解决了上述各种挑战，为前端“全息感知”奠定基础。

华为机器视觉在2018年3月提出前端智能摄像机“软件定义”的理念，在2020年6月主导第一个软件定义摄像机国际标准，推动架构及接口形成ITU-T标准。通过前端智能架构，通过AI算力加持，引领在图像和智能感知优势与创新，通过软件定义实现多业务多场景的智能按需使用，可持续演进。华为摄像机以SuperColor算力换存储、SDCOS、IoT生态仓、HoloSensStore等多项突破性创新，深化视觉感知智能化，提升全天候全场景的视觉数据采集的质量，构筑精准视频智能。

华为倡导的机器视觉前端智能化，主要有以下几个方面考虑：

第一，增强全天候图像质量：根据环境的照度、目标速度等变化，前端AI算法实时调节摄像机ISP参数（如快门、光圈、曝光等系数），输出抓拍图（去重的、保证姿态的图片）；前端智能还可以精准地做到人脸和人体数据的关联。从而增强全天候的图像质量。

第二，适配多样性场景：前端智能可适配复杂多场景，如摄像机在不同时段、不同预置点设置不同场景化智能，白天做车辆排队长度检测、事故检测、夜间做违停抓拍检测，或者预置点间不同智能切换，充分发挥智能化的效能。软件定义来消化客户个性化/场景化的算法诉求，降低多样化算法交付的敞口风险，提升客户智能创新的响应能力。如华为X/M/C/D四大系列摄像机均支持SDCOS，使得软件与硬件解耦，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，实现算法的快速加载与在线迭代。同时，华为推出HoloSens商城，旨在聚合机器视觉生态合作伙伴，为客户提供面向各行业应用场景的智能能力选择。

第三，实现ms级联动系统响应：前端智能有利于业务快速闭环和系统间联动，如车路协同V2I高速运动场景，视频感知的路侧信息要毫秒级实时发布给附件车辆，保障通行安全。摄像机与补光灯、雷达、红绿灯信号检测器等外部配套设备需要毫秒级完成联动，在恰当时刻曝光、针对不同区域启动精准补光，与红绿灯信号检测器周期同步，输出有效的取证图片。此外如雷球联动、枪球联动、人车道闸联动场景，前端智能化更有利于保障业务的实时性，大幅提升系统的响应效率。

第四，提升算力效能，降低整体TCO：前端摄像机仅处理单路视频，对算力制程要求比后端更低，信号处理时可直接从RawData获取数据，算力成本低，处理效率高。前端智能化输出优质图片，可减少后端二次解码环节，专注于智能分析。同样算力下，图片分析比视频分析的效率高10倍。在1000路智能分析的典配场景，前端智能比后端智能的TCO节约55%。

第五，提升工程效率：前端智能化系统架构有支持多算法并行、多功能合一的优势，如一个摄像机可同时支持电警、卡口、流量检测等业务能力，而原来需要三个不同设备才能实现，所以前端智能大大降低了工程实施的难度，提升了工程效率。

华为是软件定义摄像机理念的提出者，坚定的践行者。在XX智慧城市建设中，通过前端智能摄像机全部普及，极大的提升了前端数据采集质量，智能分析效率提升10倍，智能可用效果提升数倍，整体TCO降低50%以上。

前端智能化已经形成产业共识，业界主流厂家和用户都在积极思考、参与和拥抱，华为提出了软件定义摄像机，其他有的厂家已经跟进，有的提出了异曲同工的“场景化智能摄像机”等，形成良好的产业生态。而且相关的标准也逐步形成了业界共识。

视觉感知智能化，可以极大提升数据采集的质量，同时降低后端数据处理的算力消耗，降低整体TCO，同时分布式处理也提升了系统可靠性。视觉感知智能化，从源头影响数据的产生，支撑释放海量视频数据的价值，构建物理世界的数字孪生。