經過多年的發展和迭代,攝像機已形成了成熟穩定的架構。典型的攝像機主要由鏡頭、圖像傳感器、視頻監控芯片、PHY、存儲器、電源芯片等組成。其中,鏡頭對光線進行聚焦,將光線聚集在圖像傳感器上,圖像傳感器將光信號轉換為電信號,視頻監控芯片則對信號進行處理和壓縮,視頻監控芯片決定了圖像信號的質量和傳遞效率。傳統監控只能依靠云端的智能處理和分析,對數據傳輸、云端運算存儲都造成了較大壓力,同時實時性得不到保障。目前,AI 技術作為全新的技術變革要素進入成像產業領域。移動智能設備和 IoT 設備中,對于圖像的處理和計算在“查看”功能之外更要實現“分析”功能。因此,圖像硬件廠商更多地在硬件系統中加入支持 AI 算法特別是深度學習的軟件集成,更多的視頻監控芯片開始搭載 AI 運算功能,以對圖像信號進行深度智能化分析處理,同時有助于降低監控系統帶寬、存儲成本。目前,攝像機被廣泛應用于智能安防、視頻對講、智能車載等領域。針對不同的應用場景,攝像機的結構和使用的視頻監控芯片亦有所不同。未來,高清視頻在各個領域的應用將越來越廣,形成海量復雜的視頻數據,從而帶動 AI 技術、ISP 技術、視頻編解碼技術等逐步迭代和更新,并進一步推動攝像機及視頻監控芯片的升級。
近年來,在算法、數據和算力的三重驅動下,人工智能的功能越來越貼近社會中的主流需求,智能分析整合、人臉識別、大數據分析等智能視頻技術蓬勃發展,越來越多地被應用于實地場景,如在智能安防、視頻對講、智能車載等領域中得到普及推廣。目前,結合 AI 技術的視頻監控芯片在技術上已突破填充率低、分辨率低和信號干擾嚴重的難題。隨著 5G 商用、高清 4K 時代的到來,視頻處理信息量將迎來爆發式增長。AI 技術升級可極大程度上幫助視頻監控芯片提升視頻信息處理效率、加快各模塊之間的傳輸速度等,是未來發展的主要方向與趨勢。
人工智能產品迭代發展亟需 AI 底層技術的支持,AI 底層技術包括 AI 計算芯片、開源深度學習框架/平臺、AI 基礎理論機器相關模型算法等。AI 底層技術對硬件的發展形成了底層制約,國外大型科技企業也正在為 AI 基礎架構設置生態門檻。因此在該大環境下,具備 AI 底層技術的公司方可更順利地研發核心技術、掌握發展主動權。
中國視頻監控芯片市場需求全球領先,To B 和 To C 端的應用場景廣闊,近年來市場呈爆發態勢。隨著 AI 場景化持續落地,單攝技術已無法滿足兼顧細節分析以及多目標軌跡關聯等各類智能需求,由場景定義的多攝像頭技術將成為趨勢。多攝像頭技術可兼顧不同視角、不同參數、不同功能的需求,在邊緣節點端聚合多種專為復雜場景設計的深度學習算法,形成多場景數據融合分析能力。技術的升級將使處理海量視頻數據更加高效,對行業產生變革性的影響,推動下游多種新興應用場景的滋生和發展。
在智能化的趨勢下,視頻監控芯片與 AI 技術相結合,從而可以更加高效地處理大量非結構化的數據,使芯片對視頻內容的理解更加透徹,實現視頻的結構化處理,具備圖像檢測、人臉識別、車載影像、場景識別等功能,從而幫助傳統視頻監控實現從“看得清”到“看得懂”、“看得快”,實現從“事后查找”到“事前預防決策”、“事中報警”的智能化。