我們制造出了上億像素的相機卻無法讓盲人看到這個世界；

　　我們在幾乎所有公共場所都安設了監控攝像機，卻不能自動幫你辨別罪犯的面貌；

　　我們已經擁像Google Driverless Car、沃爾沃Drive Me等搭載無人駕駛技術的汽車項目，卻還不能準確識別路面上的一個圓形物體是需要避讓的石頭，還是駕駛過程中可以無視的廢紙坨。

　　……

　　這些問題，歸根結底都是因為計算機的“眼睛”不夠發達，機器鑒別事物的能力還非常有限。即使是最先進的軟件仍然不善于處理如此龐大的圖像內容，換句話說我們的機器在某種程度上基本等同于眼盲，甚至不如一個3歲小孩子對這個世界的描述更加準確。

　　而我們不得不了解的是，圖像和視頻信息將占到未來大數據的90%以上。圖片和視頻早已成為我們生活的一部分，尤其隨著具備拍照功能的移動設備規模化普及，讓每一個人都成為了圖像視頻采集者，于是其誕生的速度也遠超乎我們的想象。國外某調查機構研究顯示，每一天有10萬3680小時視頻上傳到YouTube、20億小時電視與電影在Netflix上被用戶觀看。

　　上述這些，還僅僅是傳統互聯網產生的非結構化數據，如果算上非結構化數據來源的大頭——負責城市安全與公共管理的視頻監控攝像機，這些視頻數據將會無法量化，是真正意義上的大數據。

　　以某城市的一條主干道“南京路”為例，整條街道有45個攝像頭，其中有35個是1080P高清攝像機。一個高清攝像頭一秒鐘產生0.5MB大小的視頻，一分鐘為30MB，一小時為1800MB；如果算上一條街，一小時35個高清攝像頭將有63000MB大小的視頻，如果是一個城市6000個高清攝像機，一小時的視頻大小將有10800000MB。

　　目前，攝像頭市場上主要是以安防類產品為主， 安防行業通常便是24小時運作，一天算下來，一個城市將有247TB的視頻數據，一個月7416TB——這僅僅是一個城市的數據量。如此龐大的數據如何為人所用？
來自蘇州的一家高科技公司發布的新品——科達感知型攝像機正在嘗試解決這一問題，即如何實現數據感知和處理。

　　所謂感知型攝像機，顧名思義要具備感知能力，它本質上是物聯網中一個個視覺傳感器，我們不僅能從單個攝像機中識別內容作出判斷，還能從海量的監控數據中，作出深度分析和挖掘。目前科達感知型攝像機主要分為以下三類產品：即可識別人和車的基本特征特征分析攝像機；可準確識別車牌、車標等更詳細車輛特征信息車輛卡口攝像機；可準確抓拍人臉和識別更詳細的人員特征信息的人員卡口攝像機。

　　說到這里，就不得不了解一下計算機視覺這個領域，計算機視覺，可以說是人工智能的一個細分領域，而感知型攝像機則是計算機視覺最接近生活場景的實際應用。它幫我們識別的是目標的特征、內容，在一定程度上代替我們做出思考和判斷。

　　我們人類看到的所有畫面并不是由眼睛，大腦視覺處理機制作用后產生的結果，映射到計算機當中就是算法，具備這樣算法的攝像設備又被科達稱為感知型攝像機（Intelligent IPC）。

　　科達公司推出的這款特征分析攝像機，主打場景為視野開闊地，能在較為寬廣的畫面中捕獲人、車、物等目標，并準確識別出每一個目標的類型、大小、顏色、方向、速度……然后生成語義與圖片信息，送入后端大數據平臺。

　　整個過程的實現，運動目標－軌跡跟蹤－人車物分類－顏色分析－方向分析－速度分析－尺寸分析等一系列篩選判斷。

　　這樣看似在視頻監控中可以發揮更多功能達技術，能否在民用智能家居產品中進行嘗試？蘇州科達副總經歷覃明貴告訴鈦媒體，在智能家居中這一技術肯定能用到，比如檢測是否有人走動，檢測老人的活動是否正常，檢測是否有外人闖入等，但其公司仍主要專注在安防方面，應用市場偏行業。

　　舉一個真實場景的例子：如果你需要找出一段時間內經過小區門口穿黑色衣服戴帽子的中年男子，只需在監控系統中輸入相應的標簽，就能自動幫你篩選出符合特征的目標對象，與傳統只靠人力逐一去辨別的方式相比，感知型攝像機無疑會大大提高效率——類似的場景應用將比單純的安防產品更接地氣。

　　整個計算機世界中，大量的形狀、顏色、元素、關系……還有太多的內容需要教機器去“看見”，既然機器可以學習，“誰來教”的問題就需要交給更智能的硬件設備了。