思特威欧阳坚谈智能安防硬核技术之智能感知

点击报名参加直播

《电子工程专辑》8月刊封面专题的主题是智能安防三大硬核技术，我们从智能感知、图像/视频处理，以及AI计算这三个方面分别采访了多名业界技术专家。本文是思特威副总经理欧阳坚就智能安防硬核技术的智能感知进行的问答访谈。

欧阳坚，思特威副总经理

欧阳坚(James ouyang)，浙江大学硕士研究生，中欧商学院EMBA。曾任全球知名半导体公司及国内半导体企业高管，具有多年资深半导体行业从业经验。并曾负责参与设立半导体智能科技投资基金，并担任高级合伙人。2020年，加入思特威，任副总经理，主要负责公司战略投融资、产业资源整合等工作。

AI为安防监控行业带来了哪些挑战和机遇？

随着AI人工智能等新一代信息技术的快速发展，人脸识别、视频结构化和大数据分析等技术不断完善，原本用途单一的安防产品功能逐步走向多元化，同时，安防产业开始与交通、社区、港务以及机器视觉等多领域进行融合，安防的边界越来越模糊，安防产业已经进入一个全新的时代——泛安防时代。

泛安防时代的下沉发展与场景驱动给CIS芯片提供了巨大的发展空间。然而，这也需要CMOS图像传感器的成像性能提升与之匹配，这既是挑战也是机遇，对此，思特威一直持续对自身产品进行创研更新，以满足多元化场景的应用需求，力求以卓越的成像性能与高品质的视频影像，推动未来智能安防视频应用的深入发展。

智能安防的“智能”主要表现在哪些方面？

当下智能安防的“智能”主要体现在性能与应用两方面。首先是成像性能的不断提升，例如服务于大场景中人脸及车牌等关键信息识别的智能化功能时，CIS分辨率的提升必不可少，从原先的几十万像素提升到当下主流的几百万像素，分辨率也一再提高至4K乃至8K，为的就是看得更高清与更全面。而低照度成像、高温适用性以及色彩呈现力等性能的精进也将进一步为智能化升级添翼。

从应用领域层面，边缘计算与5G技术的加持使安防产业正逐步向包括智能交通以及智能港务等智能化应用场景逐步延展与渗透，无论是本地还是云端处理数据，都让安防摄像头从原来的看得见逐步向高动态范围、低功耗等性能方向延展，同时随着人脸识别及车牌识别等大数据识别应用的出现，安防将从原来的“事后发现”逐渐进化到能够进行“预判、预警”等功能，这也是智能化的一个重要体现。

未来3-5年，智能安防有哪些值得关注的新兴技术及应用？

智能安防为安防监控摄像头广泛覆盖及深入落地营造了良好的成长环境，未来3-5年，安防监控将朝着“智能、精确、高效”的方向发展，而智能安防也将不仅限于安防行业，将会衍生出诸如人脸识别、物品检测、车牌识别、智能卡口、智能家居、智慧城市以及ITS智能交通系统等更多的泛安防细分领域，而暗光成像性能、近红外成像性能、色彩表现力、低功耗以及高温适用性等成像性能也将随着视频影像需求标准的提升而发展。

安防监控行业对CMOS图像传感器有什么特殊的技术和性能要求？

伴随AI的不断普及，安防监控行业对CMOS图像传感器成像的清晰度以及场景覆盖率的要求将会持续提升，随之驱动了从720P-1080P-2K/4K的分辨率升级。此外，图像传感器的暗光成像、产品性能、色彩表现力以及近红外成像性能也为泛安防化的落地发展助力。

安防场景除需要CIS提供更高清的图像之外，还需要应对各种复杂光线下的挑战，除了在光照良好的白天需要提供细节清晰、色彩逼真的图像信息外，晨昏及夜间等光线复杂的应用场景则对CIS夜视性能的要求更为严苛，思特威的SFCPixel®技术可有效提升CIS的感光度从而达到更好的夜视效果。

此外产品性能与近红外成像性能也是智能安防时代CIS的发展重点。产品性能方面除了安防产品的升级迭代外，安防CIS的Pixel Size也逐渐提升至2.0μm以实现更好的感光性能，而对于超低照环境中的成像，思特威近期推出了第二代近红外感度NIR+技术，相较第一代NIR+技术在感度方面显著提升，在超低照度850/940nm红外光补光下可达到可见光下的清晰度，即使在微弱星光场景下也能清晰获取4K高清影像画面。

边缘AI如何与传感器结合让摄像头更智能？

以前图像传感器主要为人眼服务，而在AI进一步发展的现阶段，图像传感器的服务对象逐渐转变为机器与智能后端平台，其成像要求也从看得见转变为快速捕捉（高帧率）、无形变（全局快门）和非可见光下成像（近红外感度NIR+技术）来提供更加可靠精细的影像基础。思特威创造性地将BSI像素设计工艺与全局快门图像传感器设计巧妙结合在一起，推出了SmartGS®技术，可提供信噪比更佳、灵敏度更高与动态范围更大的成像性能，通过全局快门的曝光方式，保障图像不会因物体高速运动产生失真，可进一步为ITS、人脸检测以及生物识别等需要边缘AI计算的新兴应用提供更优质的影像信息。

值得一提的是，为给后续图像传感器的智能化升级打下扎实的基础。思特威创研了集成人工智能算法的“AI智能传感器平台”，该技术可以在图像传感器上集成边缘AI计算，能有效地提高关键区域（如人脸或车牌）的分辨率，降低延时，并拥有高帧率及超低功耗，可为人脸识别、高级驾驶辅助系统、无人驾驶、机器人等先进的人工智能应用解决因帧率不够高、分辨率不足而导致的响应慢、延时高及识别率低等问题，提升整个人工智能系统的能效比。

责编：Steve