人工智能(AI)是2018年世博会的核心议题，而与人脸识别相关的产品和解决方案仍然是本届世博会安全监控应用领域人工智能中最大的一部分。车辆识别。每个人都关心识别算法的准确性的提高。如何提高这种精度，无论算法水平如何，从设备硬件结构上讲，首先要保证监控图像传感器的性能。  

在世博会上，作者还荣幸地采访了国内一家专注于图像传感器技术和产品开发的企业SmartSens人工智能部门总经理白振东先生。在采访中，白振东详细分析了当前国内图像传感器的创新技术亮点和应用现状。举个例子，安全视频监控相机的核心组件具有更多的认知和理解层。  

由于行业的特殊性，安全视频监控摄像机的图像传感器主要考虑三个关键点的信噪比、灵敏度和动态范围。这对视觉系统提出了更高的要求。  

传统的安全监控领域中使用的图像传感器的灵敏度已经不能满足当今智能安全领域复杂的应用场景，特别是对人脸图像准确捕获和识别的要求。使用该传感器的居里监控相机通常将快门时间增加到40ms以上，并且使用较高的增益来保证成像亮度。然而，在照相机拍摄的过程中，人们在不断地移动，所以较长的快门时间会导致人脸图像模糊，同时又较高。ER增益将导致图像质量的恶化和噪声的增加。白振东说，这两个因素严重影响人脸图像的输出质量，甚至导致最终识别效果较差。  

正如移动电话从功能向智能化转变一样，安全领域也正在经历着这样的升级，针对该行业的发展趋势以及智能监控的具体应用形式，准确捕获、有效输出fa的特征信息。斯图尔特研制了一系列1/1.8超大型星级图像传感器，该系列图像传感器是针对智能安全设计的颠覆性产品，采用BSI背光技术，可以提高CMOS图像传感器的灵敏度。采用独特的传感器设计结构，进一步提高了图像传感器的灵敏度和信噪比，提高了动态范围输出，充分保证了智能安全摄像机对复杂场景（暗背光）的适应性。  

滚动快门：滚动快门的曝光模式是以逐行的方式曝光，也就是说，当传感器成像时，每行像素逐行曝光，并且每行像素的曝光之间会有一定的时间间隔。 

全局快门：不同于滚动快门，整个图片同时曝光。相机中的图像传感器的所有像素同时曝光。传感器同时读取相同的图片。  

（左边图片由SmartSensSC132GS使用全局快门技术拍摄，右边图片由Ro.Shutter传感器拍摄）。  

据白振东，滚动快门是常用的传统相机。这种方式是渐进式曝光。例如，图像传感器是阵列，其曝光数是逐行曝光。它适用于静态或慢速运动场景，但在动态场景中，特别是在面对高速运动物体时，此时需要全局快门曝光模式。它的曝光是整个画面同时被冻结在一帧中。不管画面有多快，只要快门设置合理，就可以拍得非常清楚。  

据了解，全球快门图像传感器技术是工业自动化领域中第一项高端应用技术，主要用于工业生产线自动检测系统采集高速、清晰的图像，并提供准确的图像数据源。随着人工智能时代的兴起，越来越多的应用需要使用具有边缘计算能力的智能感知产品。斯图尔特敏锐地意识到该应用程序的发展趋势，并适时推出了SmithGlobal快门CIS产品。  

今天，我们可以看到，这项技术诞生在人工智能爆发的时候，事实上，它也源于史蒂夫敏锐的市场洞察力和远见。  

至于人工智能的市场发展趋势，我们已经开始预测2015左右。如果工业界对人工智能进行一些革命，应用全球快门技术将是必然的趋势，但其中一件事是，用于工业自动化的全球快门在现场确实有光补充。它的环境相对稳定，但人工智能场景不确定，环境更复杂。白振东说，因此，在全局快门的基础上增加BSI背光传感器，以提高传感器的灵敏度，将BSI技术与全局快门技术相结合，可以大大提高全局快门的场景适用性。  

目前，Stevie将GlobalShutter+BSI技术结合应用于许多垂直应用领域，以辅助人工智能场景中的智能视觉应用，如智能交通、智能商务、智能感知等。以智能交通的实际应用为例：  

从宏观上看，为了使城市交通更加便利，缓解日益拥挤的公共交通，智能交通系统是解决交通发展瓶颈的有效手段之一。t形交叉口、智能停车场管理、道路流量监控、电子警察等应用场景离不开成像技术，只有准确的成像信息，才能更准确地判断当前的道路状况、车辆行为以及车辆状况。c身份信息，更好地实现城市道路交通系统的平稳运行。  

从微观角度看，汽车产品也从ADAS辅助驾驶向自动驾驶发展，无论是辅助驾驶还是自动驾驶，传感器接收到的图像信息越来越受到汽车中央控制芯片的要求。髋关节不仅需要图像传感器提供清晰的图像而不会在车辆的高速运动中变形，而且需要提供周围物体与车辆之间的距离，甚至对驾驶员的疲劳监测。对车辆高速行驶时的图像变形进行分析，结合智能驾驶／自动驾驶／驾驶员疲劳检测的算法和逻辑判断，为行车安全提供重要保证。  

虽然人工智能的第一年已经开始，但白振东认为，目前还处于弱人工智能阶段，基于图像传感器的智能视觉系统还有很长的路要走。  

在人工智能薄弱的时代，越来越多的人利用传感器进行环境信息的智能感知。白振东说，在感知系统的改进之后，他们开始逐步将更深层次的智能应用扩展到垂直应用场景。  

从目前在人工智能和机器视觉领域中的传感器应用来看，传感器的主要功能是人们可以看到的成像、用于机器的成像，以及一些已知的场景应用，例如手势识别、面部支付、面部解锁交互。体验：从一套视觉感知工具到服务大众日常生活的角色，应用的价值也随着场景的丰富而不断发展，这就是Stevie的力量所在。  

在人工智能和机器视觉领域，图像传感器的应用涉及面很广。用户对图像传感器在成本、性能或应用协调方面的要求也将成为我们在新产品开发过程中的持续推动力。通过我们在图像传感器技术领域的不懈努力，更好地服务于应用技术的发展趋势，为公众创造更好的生活！  

{版权声明}本网站所有未被认定为中国科学网的作品均由其他媒体转载、编辑或提取。复制、编译或提取的目的是传送更多信息。这并不意味着网站及其分站同意他们的观点，并对他们的真实性负责。其他媒体、网站或个人在复制和使用这些文章时，必须保留本网站所指明的文章来源，并承担自己的法律责任。在其陈述和意见中保持中立，并且不为内容的准确性、可靠性或完整性提供任何明确或隐含的保证。