視頻技術未來發展的三大方向

在當今技術條件已經具備的情況下，標準化已經成為HDR發展亟需解決的問題。目前，標準不兼容、軟體內容匱乏並不妨礙標準的推廣和實踐；商業化的博弈及產業政策導向，使得視頻技術發展趨勢在一段時間內還不會明朗。

標準的規範並不直接帶來技術的發展，更多的是建立秩序，獲得最佳效益。同時，標準建立在技術發展基礎之上，技術在有方向性的發展，更多依賴主導企業、大品牌的先導性技術應用，離不開市場商業化。

一、技術向著逼近人類視覺體驗極限的方向發展

未來視頻技術，從LED、LCD電視到OLED電視的基礎材料技術應用；從1080P到4K解析度；從SDR到HDR；從超窄邊液晶拼接到無框（NoGap）液晶拼接；從由鋅、鎘、硒和硫原子組合而成量子點的自發光技術，到量子點發光技術的QLED TV（背光源發光的量子點液晶電視）；從BPL（藍色磷光體激光器）、ALPD（先進的激光熒光粉顯示技術）的投影顯示技術，到RGB激光系統技術（「純激光」，採用單獨的紅、綠、藍激光器來生成激光，形成圖像）；從激光全息投影技術（front-projected holograph）到基於光場重構（空氣中無介質裸眼全息成像的實像顯示技術）；從小間距LED屏幕到Crystal LED Display顯示設備；從AR HUD（增強現實平視顯示）到光屏障式、柱狀透鏡技術、指向光源和MLD技術的裸眼式3D技術；從虛擬現實（VR，Virtual Reality）、增強現實（AR，Augmented Reality）到混合現實（MR，Mix reality）等。

（本文圖片均源於網路）

這些視頻技術及產品的進化都是為逼近人類視覺體驗的極限而努力。

同時，演化過程中對痛點技術問題也在研發迭代中完善，引發的應用技術革命是顯而易見的。如目前高清（HD）兼容4K的過渡期，如何將高清兼容4K攝錄編不同制式製作流程進化？中國應用系統工作者會在統一環境、制式及域兼容方面下功夫。但是其基礎產業研發，則針對4K製作發布了製作轉換器設備，用戶可以實現HDR和SDR節目的同步製作、同步播出，節目製作者可以在製作4K HDR內容的同時，得到4K SDR或者HD內容，使HD和4K、ITU-R709 & ITU-BT2020、標準電視伽瑪和高動態S-LOG3之間實現實時的轉換，兼容了高清Rec709色域，和4K採用SDR和HDR兩種色域。這一設備徹底消除了HDR和SDR的獨立製作流程，節省了製作的時間和成本。

二 智能視頻監控

有關視頻技術的發展趨勢不得不提及的是智能視頻監控和人工智慧行業。智能視頻監控包含工業自動化跨界的機器視覺技術，涉及到人工智慧、神經生物學、心理物理學、計算機科學、圖像處理、模式識別等諸多領域的交叉邊緣學科。作為人工智慧的兩個分支，計算機視覺與機器視覺在近年都取得了長足的進步。

機器視覺就是用機器代替人眼來做測量和判斷。智能視頻（IV，IntelligentVideo）源自計算機視覺（CV，ComputerVision）技術。計算機視覺技術是人工智慧（AI，ArtificialIntelligent）研究的分支之一，它能夠在圖像及圖像描述之間建立映射關係，從而使計算能夠通過數字圖像處理和分析來理解視頻畫面中的內容。

智能視頻監控機器視覺主要擔負檢測、識別的功能。一個典型的工業機器視覺系統包括：光源、鏡頭（定焦鏡頭、變倍鏡頭、遠心鏡頭、顯微鏡頭）、 相機（包括CCD相機和COMS相機）、圖像處理單元（或圖像捕獲卡）、圖像處理軟體、監視器、通信 / 輸入輸出單元等。除了工業檢測外，在監控和人臉識別中，隨著嵌入式系統處理能力的增強，AI演算法逐漸從大規模伺服器轉向前端部署，其嵌入式人臉識別軟體可實現人臉檢測、跟蹤、屬性識別，並可在視頻處理單元（VPU）上實現人臉特徵提取及比對功能。同時，更多視頻數據來支持視頻分析，也進一步在驅動嵌入智能的監控攝像頭應用，在安防展上到處能看到單畫面抓取100個人臉、每幀識別30個人臉，支持人臉角度側臉45°、50 m外人臉識別、人臉抓取率99.5%、千億數據秒級檢索、百億人/秒人臉識別比對，大數據云圖等。

三 人工智慧

在視頻圖像處理過程中會涉及到對視頻圖像數據的採集、傳輸、處理、顯示和回放等，這些過程共同形成了一個系統的整體周期，可以連續性的運作。目前，市場上主流的視頻圖像處理技術包括：智能分析處理，視頻透霧增透技術，寬動態處理，超解析度處理。特別是解決這一問題的有效途徑是採用基於信號處理的軟體方法對圖像的空間解析度進行提高，即超解析度（SR：Super-Resolution）圖像重建，其核心思想是用時間帶寬（獲取同一場景的多幀圖像序列）換取空間解析度，實現時間解析度向空間解析度的轉換，使得重建圖像的視覺效果超過任何原有的低解析度圖像。還有雷同的基於人眼工作原理的攝像機的像素動態瞬時分配技術，可以瞬時將局部畫面的有效像素提升百倍以上，整體畫面可以達到數億等效像素，在幾十米內可以展現清晰的可識別人臉，100 m內看清全身特徵，極速抓拍、全場景抓拍，每秒可抓拍超過100張人臉，這樣有效破解了高解析度的攝像機的門檻。

在深度學習的幫助下（尤其是隨著卷積神經網路的發展），計算機的圖像識別能力開始超越人類。深度學習是機器學習研究中的一個新的領域，其動機在於建立、模擬人腦進行分析學習的神經網路，它模仿人腦的機制來解釋數據，包括圖像、聲音和文本。雖然受到質疑，但已經在人臉識別、圖像識別、語音識別，自然語言理解NLP（Neuro Linguistric Programming，神經語言程序）技術、大數據挖掘技術、無人駕駛技術等領域獲得了廣泛應用。

結語

未來無法用統計法、調研法去預測。可以預見的是，這些視頻技術將與現有的各項智能技術不斷的融合，變化為更多的智能化產品類型，應用於生活中，從而推動視頻技術更深入地與市場商業的需求相結合，為視頻技術開拓出更大的行業市場，滿足人類視覺最大閾值的要求，使人類更加舒適和享受。

節選自《演藝科技》2018年第2期 穆向昕《標準化推動視頻技術的發展》，轉載請標註：演藝科技傳媒。更多詳細內容請參閱《演藝科技》。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！