這幾天最火的莫不是Google Brain在提升圖片分辨率方面取得的突破性進(jìn)展：成功將8×8(毫米)網(wǎng)格的像素馬賽克轉(zhuǎn)換成為肉眼可辨識(shí)的人物圖像。

效果大概就是這個(gè)樣子：

從模擬到標(biāo)清，再到高清、超高清，安防技術(shù)可是在“看得清”上面做足了功課。畢竟無處不在的攝像頭一年四季都運(yùn)行著，如果因事故現(xiàn)場、立案調(diào)查等調(diào)取監(jiān)控，因分辨率過低而出現(xiàn)畫質(zhì)不清晰，對(duì)公安辦事造成嚴(yán)重影響，安防這臉沒處擱。

那Google Brain究竟是如何做到全程無碼的呢?

右手邊的圖片，是 32 x 32 網(wǎng)格的真實(shí)人物頭像。左手邊的圖片，是已經(jīng)壓縮到 8 x 8 網(wǎng)格的相同頭像，而中間的照片，是 Google Brain 基于低分辨率樣片猜測的原圖。

整個(gè)復(fù)原過程使用了兩種神經(jīng)網(wǎng)絡(luò)。

一個(gè)是 Conditioning Network，將低分辨率照片和數(shù)據(jù)庫中的高分辨率照片進(jìn)行對(duì)比。這個(gè)過程中迅速降低數(shù)據(jù)庫照片中的分辨率，并根據(jù)像素顏色匹配一堆同類照片。

一個(gè)是Prior Network，它會(huì)猜測哪些細(xì)節(jié)可以作為高分辨率照片的特征。利用 Pixel CNN 架構(gòu)，該網(wǎng)絡(luò)會(huì)篩查該尺寸的同類照片，并根據(jù)概率優(yōu)先對(duì)高分辨率照片進(jìn)行填充。例如，提供的同類照片是名人和臥室，Prior Network 根據(jù)優(yōu)先級(jí)最終確認(rèn)了名人的照片。Prior Network 會(huì)在低分辨率和高分辨率照片中做出決定，如果發(fā)現(xiàn)鼻子的可能性比較大，就會(huì)選擇鼻子。

為了制作出最終的無碼高清圖片，需要融合這兩個(gè)神經(jīng)網(wǎng)絡(luò)輸出的數(shù)據(jù)，最終結(jié)果往往會(huì)包含一些似是而非的新細(xì)節(jié)。

所以，看到這里，你會(huì)驚訝發(fā)現(xiàn)：那些細(xì)節(jié)都是計(jì)算機(jī)的“猜測”，也是假的。

但是這不意味著Google Brain的圖像分別率對(duì)安防意義不大。我們需要清楚地知道，盡管計(jì)算機(jī)得出的不是真實(shí)的原始圖像，但是對(duì)于人類辨識(shí)已經(jīng)提供了很大的幫助。

安防企業(yè)在圖像處理方面表現(xiàn)如何?

去年三月，科達(dá)首次對(duì)外展出了科達(dá)獵鷹系列圖偵工具，其中的獵鷹圖像處理系統(tǒng)：提供低質(zhì)圖像增強(qiáng)、模糊圖像增強(qiáng)、車輛處理、人臉重建、去噪聲、去霧等專業(yè)圖像處理功能，是科達(dá)結(jié)合公安行業(yè)特點(diǎn)與自身技術(shù)優(yōu)勢，自主研發(fā)的最新一代圖像處理系統(tǒng)軟件。

在圖像技術(shù)上，?？低?0年前就設(shè)立了專門的圖像處理團(tuán)隊(duì)，對(duì)圖像處理進(jìn)行深入研究。?？低暤男枪庀盗袛z像機(jī)就用到了?？低曌灾餮邪l(fā)的細(xì)節(jié)增強(qiáng)算法和3D降噪算法，其將人眼的主觀感受和自適應(yīng)細(xì)節(jié)增強(qiáng)和降噪技術(shù)相結(jié)合，在低照度場景中表現(xiàn)不俗。

圖像處理技術(shù)到底怎么用?

在很多時(shí)候，描述不夠準(zhǔn)確會(huì)選擇監(jiān)控，監(jiān)控模糊而針對(duì)其低像素進(jìn)行補(bǔ)救，在尋找犯罪嫌疑人的時(shí)候能起到不小的輔助作用，及時(shí)抓住犯罪案件的關(guān)鍵。

其次，在智慧交通中，高清視頻監(jiān)控越來越重要。一旦發(fā)生交通擁堵或事故后，指揮中心通過視頻監(jiān)控系統(tǒng)可以快速調(diào)取現(xiàn)場信息并展開救援。發(fā)現(xiàn)違章行為，可以拍照取證，加大處罰力度，可以有效節(jié)制違章行為。

高清、無碼一直是安防的監(jiān)控技術(shù)追求。有了Google Brain的這項(xiàng)圖像分辨率提升技術(shù)，安防高清無碼不是夢。