視覺使人類得以看見和感知這個世界，計算機視覺即通過電子化的方式來感知和理解影像，利用人工智能方面的科技成果，可以讓機器在感知方面越來越接近于人類的主動感知，甚至超過人類。

得益于近年來深度學習算法的蓬勃發展，側重于感知智能的圖像分類技術逐漸實現商業價值。由人工智能驅動的智能攝像機廣泛應用，每天產生的龐大數據量，給承擔數據存儲和計算的后端服務器帶來很大壓力。因此，越來越多的研究重心放在智能化前移上，徹底顛覆了以往視頻監控硬件的傳統定義。

所謂前端智能，是指將圖像分析、視頻結構化、人臉識別等AI功能集成到前端的智能攝像頭，在數據源直接對視頻信息進行處理，再將分析結果傳送至中后端服務器。其最大優勢在于幫助客戶直接從視頻圖像中提取關鍵信息，實時高效進行智能分析，快速為行動決策提供可靠依據。前端智能的優勢主要在于減輕后端計算壓力，并節省傳輸帶寬資源。

在搭建前端智能的過程中，各類廠家就硬件還是軟件更能定義智能攝像機這一話題存在著不同看法。近日，千視通受雷鋒網邀請與其他7家行業頭部友商進行了觀點碰撞。

雷鋒網總結道：傳統安防廠商對于軟件定義攝像機這一概念不太茍同；而安防新興玩家則對該說法持以肯定態度。自Bjarne Stroustrup發明C++之后，人類文明便運行在軟件之上。在這場幾十年未見的技術革命性轉變過程中，由“軟件”基礎設施的崛起而驅動的力量，正以高速自動化的方式分配與重新配置，不會受到非動態設置的硬件基礎設施的限制。

“軟件定義”的商業反響也遠遠高于技術本身，它正快速動搖科技企業之間的產品形態和品宣口徑，一些廠商們都在爭先恐后地重新定位自己，借此開拓軟件信息技術的新時代。在這場技術變革中，一直有人提到安防的獨特性，與C端產品不同，這個行業注重應用，軟件有它的實際價值，但未來行業頂尖玩家究竟如何發展還未可得知。

千視通CTO胡大鵬博士認為：以往要提升一個攝像頭的功能，只能在分辨率、幀率等方面改善，包括傳感器性能、解析度大小、焦距遠近、補光強弱等等，但硬件本身局限了攝像頭的功能。而AI芯片的出現，通過為普通攝像頭嵌入人工智能算法，實現了軟件和硬件一體化，使攝像頭的“智能化”真正變為可能。

在硬件基礎上，我們可以直接在攝像頭內、在成像之前或之后完成一些運算，這樣攝像頭就再不只是用于拍攝采集，而是可以根據需求來制定成像程序，可以讓攝像頭在前端進行夜間拍攝以及結構化分析，承擔除了采集圖像之外更多的功能，大大緩解傳輸和后端分析的壓力。

未來攝像頭在基本組成部件不變的情況下，可以說傳感器以外的功能都是由軟件而決定，并由AI芯片作為載體，以嵌入式算法去定義。千視通基于核心算法技術，招攬了智能硬件和IC設計團隊，開展AI前端化算法移植和芯片AI算法集成化技術研究。為廣大終端設備廠家和芯片廠家提供前端AI化集成服務和芯片AI賦能服務：視頻結構化IP Core、人臉識別、車輛識別IP Core、機器視覺定制化FPGA平臺等。

千視通在多年場景應用的觀察中發現，實際上在規模數億的視頻監控市場，視頻數據的來源僅有約2%來自人臉攝像頭，約8%來自車輛卡口攝像頭，而近90%來自于普通攝像頭，普通攝像頭由于其抓拍角度和成像質量等因素，大多無法捕捉可用于識別比對的人臉數據。千視通的核心技術主要圍繞市面上90%的普通攝像頭的高效利用和動態人臉布控這一市場，著重關注實戰效果。

在進行前端智能布控時，除了考慮人臉屬性、識別精度、拍攝角度等基本參數外，千視通主要考慮更多的是用AI算法解決極端場景中難以識別的實際問題。

如超遠距離抓拍時，針對放大后人臉不清晰的問題研發的超分辨率技術，通過超分神經網絡生成清晰人臉，并且可用于庫中比對；而大多數情況下，由于目標故意躲避攝像頭，或者移動范圍偏離導致普通攝像頭無法抓拍到完整臉部，千視通的側臉還原技術可以很好的以局部還原整體，解決大多數側臉抓拍識別的難題。

另外，在進行夜間拍攝時，普通攝像頭的硬件局限性導致目標與黑夜融為一體，無法分辨。而傳統星光級攝像頭解決方案改造成本過高，且噪點過多，也難以達到庫中識別標準。千視通的超夜視算法，即便是用普通攝像頭的視頻數據，通過卷積網絡處理夜間圖片，能有效還原白天場景，并精準提取可識別信息，具有更強實戰價值。

在前端智能和后端智能巧妙結合的應用場景中，我們不得不提到一個很重要的概念，就是結構化數據。結構化數據是指前端采集到了實時信息后，會對信息進行前端分析和處理，得到我們想要的信息，是一個信息過濾的過程。同時，為了提高前端智能的準確度和識別率，僅靠前端處理是不夠的，還需要將圖片傳到后臺，不斷地對圖片進行學習訓練，進而得到更精準的模型。因此，前端智能和后端智能它們是互相協同滲透，解決不同層面的問題。