身为极客的你不久前买了台特斯拉，没几天居然被偷了！你找到民警叔叔，却得到这样的答复：“虽然有视频监控，但我们得从大量的监控视频数据中去寻找线索，这很耗费我们的精力，警力要用在解决主要矛盾上啊。”

你很无奈，想不到科技如此发达的今天还得靠人来分析海量视频数据，难道就没有更有效率的方法吗？不是有种技术叫做计算机视觉吗？应该可以在没有文字辅助下仅根据图片像素分析出图像内容的。

Bingo！

苏州科达公司研发的感知型摄像机就能帮你解决问题。这种感知型摄像机基于计算机视觉技术，能识别出监控画面中的内容，并对其进行语义描述和最佳图片抓拍，然后通过后端云计算平台进行分析，代替人类做出思考和判断。

以上这段翻译为人话是：你把自己车辆的照片输入进去，这套系统就能帮你在海量的监控视频数据中轻松找到类似的车辆，将人力解放出来，俗称“以图搜图”。

事实上，感知型摄像机分为以下三类产品：特征分析摄像机、车辆卡口摄像机、人员卡口摄像机，每一类产品对应不同的细分需求。上面说到的例子主要是车辆卡口摄像机的应用范畴。

特征分析摄像机适用于相对开阔的场景，能在较为宽广的画面中捕获人、车、物等目标，并准确识别出每一个目标的类型、大小、颜色、方向、速度，然后生成语义与图片信息，送入后端大数据平台。

车辆卡口摄像机不仅能够准确抓拍和识别车牌信息，还能准确识别车标、车型、车身颜色等更丰富的车辆特征。而且，无论是夜间还是白天逆光环境，它都能看清车内细节，并准确抓拍车内司乘人脸照片。

人员卡口摄像机除了能够准确抓拍最佳的人脸照片，还能抓拍人的整个轮廓，即使背对镜头，头的轮廓和全身也能准确抓拍。同时，可识别人员行进的方向、速度等特征。

这种感知型摄像机正在规模化部署阶段，它可以向下兼容旧的视频监控系统，因此升级换代起来并没有想象中的麻烦。通过与大数据平台的结合，感知型摄像机可以在平安城市中实现基于语义的智能搜索、车辆以图搜图、人脸照片搜索等多种应用。

感知型摄像机的愿景是代替人类思考，而这也是计算机视觉技术的野心。1966 年，Marvin Minsky 教授开启了计算机视觉研究的大门。半个世纪后的今天，计算机视觉技术却仍然是一个蹒跚学步的婴儿。

斯坦福大学的人工智能实验室是计算机视觉领域的先驱，他们目前研究的重点是“让计算机用自然语言来描述图片或视频内容”。让人啼笑皆非的是，科罗拉多大学教授 Jordan Boyd-Graber 把斯坦福大学基于 学习的自然语言描述图像技术用在名画上试了一下，结果……

可以看到，计算机视觉技术当前还不成熟，稍微复杂一点的图像就能让它“原形毕露”，代替人类思考仍然是一个努力的目标。然而，技术上的成熟和实际应用是两码事，很多时候实际应用中遇到的问题反而是推动技术成熟的关键因素。

计算机视觉技术虽然还不能完全替代人类的眼睛，但现在已经能在某些细分领域帮助人们大大提高工作效率，上面说到的应用于安防领域的感知型摄像机就是一个很好的例子