论视频监控摄像系统的清晰度问题

主页（http://www.pttcn.net）：论视频监控摄像系统的清晰度问题

    在现实生活中，我们经常可以看到普通手机拍摄的图像质量会优于多数公共部门的视频监控系统，这是为什么呢？本文从提出问题，到提供解决方案，论述了视频监控摄像系统的清晰度问题，供读者参考。

    目前普遍从CCTV模拟视频系统中截取并放大用于识辨恐怖分子的图像非常不清晰，质量远远不如只有基本配置的、最简单的数码摄像机所提供的图像。在2006年德国举办世界杯足球赛期间，几乎所有球场都还在使用这些已经过时的模拟视频监控摄像机来提供安保。只有凯彻斯劳滕赛场采用了目前为止最先进的、高分辨率的数字视频监控系统。

    只要把这两种系统提供的图像作一个简单比较，就能发现图像清晰度的差异有多大：即使一个最简单的数码照相机所存储的图像也能达到大约300万像素，而“传统”的视频技术所提供的像素只是它的1/30，即101000像素或0.1百万像素。如今有哪位即使是最新手的业余摄影爱好者还会购买如此低分辨率的模拟摄像机？尽管如此，这种系统直到现在仍然在95%的公共安防系统中被普遍使用。

症结所在
    这些用于公共安防的图像质量之所以低劣，原因并不如人们所想像的那样，是因为受到当今技术水平的限制，而是因为人们人为地选用50年前的电视技术标准来部署系统。这种系统所提供的实时图像最高不会超过40万像素。再由于技术和成本的制约，这些系统的图像在存储时像素被进一步降低到1/4，即只有10万像素。这样一来，把图像局部放大用以识别罪犯面部特征就几乎不可能了。

    不管是哪个厂家生产的，模拟视频摄像机能提供的最高分辨率是40万像素。既然如此，为什么我们不以40万像素的分辨率保存原始图像，而只有10万像素呢？虽然也有一些录像机可以按40万像素的分辨率保存图像，但这些设备成本太高，且清晰度也不足以用于人脸识别。这也归结于早已过时的电视技术标准——视频流以“半帧”传输。恰如其名，清晰度也只有一半。由这样隔行扫描生成的两个半帧组合起来的图像必然会导致快速移动物体的图像产生边缘模糊，也即梳状失真，而移动物体恰恰是安防监控所要重点关注的对象。

    CIF格式图像的10万像素是怎样计算而来的？模拟视频摄像机提供的图像有576线，即纵向有576行。它由两个半帧组成。每个半帧为288线，隔行显示。这两个半帧被相继摄录后逐帧传输。由于技术和成本的限制，目前95%的系统只对一个半帧进行数字化处理并存储。为了使宽高比适中，288线中的每一行被分成352个水平像素。这样就生成了一个具有352×288=101000像素（相当于10万像素）的CIF格式图像。

问题频出
    那么使用2CIF或4CIF格式是否能使图像更清晰呢？答案是：2CIF或4CIF格式虽然成倍地增加了像素，但并不能有效地提高图像的清晰度。2CIF格式的图像纵向也只有288线，但每行的水平像素却翻了一倍，即704个水平像素。因此，图像像素大约为20万像素。虽然每一行的像素增加了，但由于整幅图像中每隔一行即被忽视，因此，仍然丢失了大量重要信息。所以，我们看到的图像恰如其名只是半帧或半图。

    4CIF格式的图像由两个时间上连续的隔行扫描半图像拼合而成，这种格式的实际像素达到704×576=40万，但由于两个半帧是在不同瞬间生成的，所以行与行之间会发生错位（如图1所示）。这样会导致所谓的梳状失真，这就是4CIF格式很难在实际系统中得到应用的原因。即使在德国世界杯足球赛这样的重要场合，也只存储CIF或2CIF半帧图像。

    现有的视频技术还存在一个问题，那就是回放或存储图像时刷新率（帧频）很低。同样由于技术和成本的原因，95%的现有系统不会超过每秒1到3帧的帧频范围。由于“快照”的刷新率太低，所以罪犯面对摄像机的瞬间很难碰巧有图像被拍摄下来，即很难找到可用于面部识别的图像。

    帧频之所以这样低，是因为一个视频存储设备（通常是一台带视频管理软件的计算机）要负责对多台摄像机摄录的视频进行数字化和存储。一台计算机的计算能力一般只够两台模拟摄像机之用，因此当需要存储的摄像机超过两台时，帧频就必须相应降低。由于计算机有限的处理能力，所以MPEG-4视频格式也不适于摄录高分辨率视频——计算机的处理能力是绝对无法应对多台摄像机的。

    为何不使用分辨率更高的摄像机？为什么传统摄像机生产商不在他们的摄像机中使用分辨率更高的图像传感器？答案很简单，但不令人愉快：这些系统所依托的技术标准已经有五十年的历史了，让传统的视频传输线缆处理高分辨率的图像，从技术角度讲是根本不可能的。这个过时的标准最后导致整个视频行业技术上停止不前，经济上蒙受损失。考虑到公众利益，技术革新势在必行。