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展：成功將8×8（毫米）網格的像素馬賽克轉換成為肉眼可辨識的人物圖像。

效果大概就是這個樣子：　　

從模擬到標清，再到高清、超高清，安防技術可是在“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行著，如果因事故現場、立案調查等調取監控，因分辨率過低而出現畫質不清晰，對公安辦事造成嚴重影響，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 網格的真實人物頭像。左手邊的圖片，是已經壓縮到 8 x 8 網格的相同頭像，而中間的照片，是 Google Brain 基于低分辨率樣片猜測的原圖。

整個復原過程使用了兩種神經網絡。

一個是 Conditioning Network，將低分辨率照片和數據庫中的高分辨率照片進行對比。這個過程中迅速降低數據庫照片中的分辨率，并根據像素顏色匹配一堆同類照片。

一個是Prior Network，它會猜測哪些細節可以作為高分辨率照片的特征。利用 Pixel CNN 架構，該網絡會篩查該尺寸的同類照片，并根據概率優先對高分辨率照片進行填充。例如，提供的同類照片是名人和臥室，Prior Network 根據優先級最終確認了名人的照片。Prior Network 會在低分辨率和高分辨率照片中做出決定，如果發現鼻子的可能性比較大，就會選擇鼻子。

為了制作出最終的無碼高清圖片，需要融合這兩個神經網絡輸出的數據，最終結果往往會包含一些似是而非的新細節。

所以，看到這里，你會驚訝發現：那些細節都是計算機的“猜測”，也是假的。

但是這不意味著Google Brain的圖像分別率對安防意義不大。我們需要清楚地知道，盡管計算機得出的不是真實的原始圖像，但是對于人類辨識已經提供了很大的幫助。

安防企業在圖像處理方面表現如何？

去年三月，科達首次對外展出了科達獵鷹系列圖偵工具，其中的獵鷹圖像處理系統：提供低質圖像增強、模糊圖像增強、車輛處理、人臉重建、去噪聲、去霧等專業圖像處理功能，是科達結合公安行業特點與自身技術優勢，自主研發的最新一代圖像處理系統軟件。

在圖像技術上，?？低?0年前就設立了專門的圖像處理團隊，對圖像處理進行深入研究。?？低暤男枪庀盗袛z像機就用到了海康威視自主研發的細節增強算法和3D降噪算法，其將人眼的主觀感受和自適應細節增強和降噪技術相結合，在低照度場景中表現不俗。

圖像處理技術到底怎么用？

在很多時候，描述不夠準確會選擇監控，監控模糊而針對其低像素進行補救，在尋找犯罪嫌疑人的時候能起到不小的輔助作用，及時抓住犯罪案件的關鍵。

其次，在智慧交通中，高清視頻監控越來越重要。一旦發生交通擁堵或事故后，指揮中心通過視頻監控系統可以快速調取現場信息并展開救援。發現違章行為，可以拍照取證，加大處罰力度，可以有效節制違章行為。

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