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，海康威視10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。海康威視的星光系列攝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。