三、未来安防监控产品的发展趋势

　　随着安防行业的不断发展，传统的模拟闭路监控系统正在逐步地被网络监控系统所代替，传统意义上的模拟监控摄像机、视频电缆、切换控制矩阵和监视器的流行组合正在被网络监控摄像机、服务器的未来组合所取代。安防行业经过了几十年的累积和发展，现在乃至未来的视频监控系统将是以融合了数字化、整合化、高清化和智能化的网络监控系统为理念不断发展前行。

　　特别是进入二十一世纪后，无论是在电视节目转播还是在影视作品的制作方面，与视频图像有关的领域都在朝着高清的方向发展，安防视频监控行业自然也包含其中，监控图像的高清化已势不可挡。

　　什么是高清？简单说，高清即为"高分辨率"。根据我国高清电视的标准，高清图像（HD）是指图像分辨率超过720P或1080i，同时视频宽纵比为16:9。当物理分辨率达到1080P时称为全高清（FullHD），如图3-1所示。

　　图3-1标清图像与高清图像的对比

　　相比目前业内主流的标清视频格式（SD），这种清晰度更高而且宽纵比更大的视频图像，更适合于在众多平安城市项目中的应用。一方面当需要对图像细节加以甄别判断时，在视频图像放大到相同倍数的情况下，分辨率越高的图像越可以获得清晰细腻的效果，而分辨率低的图像可能会产生"马赛克"，如图3-2所示。高分辨率，对于在平安城市项目中要求看清人脸、车牌以及监控场景中的各局部区域或行为细节的需求就显得尤为重要。

　　图3-2对相同区域放大相同倍数后，标清与高清图像的对比

　　另一方面，宽纵比更大的图像可以有效地增加对横向区域的监控范围，就平安城市项目而言，对路口或街道等区域的监控区域将大大扩宽，从而可以极大地提高摄像机的使用效率，实现更大的应用价值。

　　图3-3宽纵比更大的图像可呈现更多的监控场景

　　四、索尼高清摄像机的技术优势及在平安城市项目中的应用

　　那么，索尼如何根据平安城市项目的新功能和新特点，依托各项技术和应用优势，有效解决上述应用难题呢？

　　1、索尼高品质的感光芯片，打造出色优异的图像质量

　　索尼摄像机之所以具有高质量的图像效果和出色的色彩还原能力，与摄像机的核心--感光芯片是密不可分的。索尼从上世纪七、八十年代开始从事感光芯片的研发，经过了三十多年的技术积累和沉淀，截至目前已经有上百款各种功能定位的感光芯片。行业内常见的感光芯片主要有两种：CCD和CMOS。一直以来，应用于索尼模拟监控摄像机中的感光芯片以CCD为主，因为其相比CMOS，具有灵敏度高，色彩还原效果好的特点。

　　随着摄像机，特别是网络摄像机图像的分辨率逐步提升，从传统的标清向高清乃至全高清逐步提升的过程中，CMOS的使用优越性也逐步彰显出来。如表4-1所示，传统意义上的CCD与CMOS的性能优劣势对比。

　　CCDCMOS

　　优势*感光度高；

　　*成像质量好；*单芯片结构简单，功耗低；

　　*可随机访问；

　　*读出速度快，无拖影；

　　劣势*有拖影；

　　*需要外部脉冲驱动；*有噪声；

　　表4-1传统意义上的CCD与CMOS的优劣势对比

　　针对高清图像对感光芯片的要求，在索尼高清网络监控摄像机中应用的是新一代的ExmorCMOS感光芯片。不同于传统意义上的CMOS，ExmorCMOS是一款基于CCD像素技术开发而来的感光芯片，使得其灵敏度与以往CMOS相比大幅提升。同时通过列集成数模转换器的架构设计，应用高速数字信号降噪技术，使得ExmorCMOS具有更高的性噪比和更快的读出速度。

　　夜晚时段是平安城市项目最为关注的时段之一，以低照度效果为例，笔者选取了环境照度低于1lux的测试环境，相比索尼高清网络监控摄像机与市场中同系列的产品，效果比较结果如图4-2所示。

　　图4-2索尼SNC-CH240（左）与市场同类型产品在相同低照度环境下的效果对比

　　与此同时，基于感光元器件，各种视频图像处理技术也被融入到摄像机中，针对于几大类使用环境，相关处理技术高效地还原出监控场景内的点滴变化：

　　（1）逐行扫描和动态帧合成技术

　　平安城市项目中大部分摄像机被应用于道路卡口，路段中部等位置，用于实现车辆监控和违法行为监控等。就车辆监控而言，一般城市内机动车的速度限制在40km/h~60km/h，在这种情况下，能够清晰地辨识车牌号码是基本要求，有些城市还要求能够看清楚驾驶员和副驾驶员的面部、衣着等特征。

　　正如上文所提到的，当车速过快时，拍摄到的监控图像会有明显的拖尾现象发生；在夜晚监控时由于光照条件不好，这种拖尾的现象就更加明显。此时，车牌号码很难被清晰的捕捉到，更别提看清楚驾驶员的面部和衣着特征了！拖尾现象产生的原因一方面与感光芯片的扫描方式有关，另一方面也和使用现场环境的光照条件、以及摄像机的光圈、快门等参数设置存在关联。针对于这个难题，就摄像机本身而言，索尼网络监控摄像机应用了逐行扫描技术和动态帧合成技术。其中，逐行扫描技术应用在感光芯片中，力求从扫描方式上消除拖尾现象的发生。动态帧合成技术主要是针对于那些隔行扫描的CCD而言，经过对图像处理后，有效地减轻拖尾现象的发生。

　　（2）超宽动态技术（View-DR）

　　宽动态技术是应用于明暗对比强烈的环境中，使得监控画面同时兼顾到亮区和暗区的一种图像处理技术。在平安城市项目中，该项技术可以被应用在园区、车库的出入口等光线反差大的区域。夜间环境下清晰地看清车牌也是在宽动态场景中的一种典型应用。目前市场上常见的宽动态技术其性能可达到52dB，而索尼最新的超宽动态技术最大可达到125dB，远远领先于同类产品。

　　应用于索尼网络监控摄像机中的超宽动态技术（View-DR）是基于ExmorCMOS平台，综合运用了可视性增强技术和快门多次曝光技术的一项全新处理科技，它可以在增加监控图像的宽动态范围的同时，大幅提升其灵敏度和对比度，从而获得同时兼顾到亮区和暗区的图像效果，如图4-3所示。

　　图4-3超宽动态功能关闭和开启的实测对比

　　可视性增强技术是以图像中单个像素点为单位对整体图像加以优化，提升画面中暗区亮度的同时，降低亮区的亮度，从而实现亮区和暗区的有效整合。此外，快门多次曝光技术的实现过程如图4-4所示。常见的宽动态技术大多使用的是两次快门成像的原理，而索尼的超宽动态技术使用了四次快门曝光，包括一次标准快门和三次不同速度的高速快门，拍摄的四幅图片将监控场景中无论亮区还是暗区的每个细节都逐一采集和还原，再把每个区域从呈现最好的那幅图像中提取出来，通过自然合成的方法合并为一幅高对比度的超宽动态图像。

　　图4-4超宽动态技术的实现过程

　　（3）聚光筒功能和超级动态降噪技术

　　该项技术应用于光照条件不足的监控场景下。聚光筒功能自动将原本四个像素点接收到的光强合聚成一个像素点的光强，从而使监控画面的亮度提升四倍；超级动态降噪技术可以有效地区分出图像中的静态区域和动态区域，对于静态区域应用降噪技术使其噪点明显降低，对于动态区域则应用图像处理的手段来平滑移动物体的边缘，从而获得一幅低噪点、高清晰的移动图像。

　　2、强大的智能分析功能

　　随着安防监控系统的不断发展与完善，系统规模越来越大，功能越来越多。一方面用户对监控图像质量有着越来越高的要求，另一方面变被动为主动的监控思路也越来越被更多的用户所提及和青睐。因此智能化将是未来网络监控系统的发展趋势之一。索尼网络监控摄像机中融入了强大的智能分析功能（包括针对视频和音频的智能分析，以及摄像机自身防破坏的检测），从而为用户带来不同的应用价值。在平安城市项目中，DEPA智能视频分析功能的应用比较常见，其常被应用于辅助进行车辆违法的抓拍以及公共安全事件发生前的预警。

　　索尼网络监控摄像机自带有DEPA智能视频分析功能，可针对动态目标和静态目标进行独立检测和分析，并将分析结果发送给管理平台，如图4-5所示。

　　图4-5DEPA智能视频分析功能的实现方式

　　从功能的实现方式上看，目前市场上各种智能视频分析功能主要有两种实现方式，前端分析和后端分析，大部分监控系统采用的是后端分析。顾名思义，后端分析就是在管理平台上通过平台软件对实时图像进行分析处理，遇到违反规则的情况发生时及时做出报警联动。这种处理方式受制于平台服务器的硬件性能。当同时分析的图像路数过多时，会造成系统消耗过大，从而导致图像帧率下降、分析结果的准确性降低等情形发生。

　　由于索尼网络监控摄像机自带有智能视频分析功能，因此可以通过前端分析的方式来实现。每台摄像机除了拍摄实时图像外，还需要对该路图像进行智能视频分析，一旦有违反规则的情况发生时，及时产生报警信号并将其与图像一起发送至管理平台，由管理平台做出相应的联动报警。这种方式一方面大大地缓解了由于执行图像处理算法而占用大量的系统资源，另一方面也极大地提高了系统配置部署的灵活性，使得在管理平台品牌的选择上对前端摄像机而言，不是那么重要和唯一。

　　从功能可以实现的规则看来，DEPA智能视频分析功能针对移动目标的分析可以提供五类规则，包括"外观"、"消失"、"现有"、"容量"、"正在移动"等，基于这些规则，可以实现平安城市项目中诸如非法停车的判别，车辆逆向行驶的检测，机动车违法压线抓拍，人流量或车流量的统计，围界的防护，区域内数量限制等常见应用。其针对静态目标的分析，可以提供两大类规则，包括"无人值守"和"已移除"等，这些规则在实际应用中常被用于贵重物品的看管和可疑物品遗留等，如图4-6所示。

　　图4-6DEPA智能视频分析功能的规则举例

　　从功能的实现原理看，无论哪种编码方式，传统的移动侦测方法都是通过比较相邻两帧之间的不同来实现的。然而DEPA智能视频分析技术是通过将当前帧与之前15帧做比较的结果来决定是否触发相应的报警设置，这种检测方法最大的好处是可以有效地过滤掉环境因素（例如晃动的树叶、移动的人影、水面的涟漪、图像噪声等等）对分析结果的干扰，从而提高分析质量，降低误报率和漏报率。