Zipstream压缩技术专为视频侦测应用而设计，即在网络摄像机视频压缩引擎内增加了一个新模块，实现视频流中的重要图像细节不丢失、无用数据被压缩，同时可将带宽和存储需求降低50%以上。而且Zipstream压缩技术可以实时分析和优化网络摄像机的视频流，场景中的重要细节按照最高图像质量和分辨率存储，其他不重要的区域会被过滤，优化带宽和存储效率。

Zipstream压缩技术

深度学习的“深度”，实质是“多层多级”的概念，即让算法模拟人的视觉系统进行分级信息处理的过程，从低到高，层层迭代，逐步抽象，实现语义表达。其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。近年来，深度学习在语音识别、图像识别、自然语言处理等应用中取得了显着的成效。但是在安防行业，深度学习刚刚起步，深度学习正影响着安防企业，影响着智能视频分析技术。目前深度学习在安防行业的运用主要是人脸识别和车辆特征识别。

深度学习

将在微光（月光、星光）环境下拍摄的视频、图像进行处理，让原本肉眼看上去黑暗不清的图像变得清晰，主要应用于监控行业。在监控行业，通常用“最低照度”值来表示摄像机的感光度或灵敏度，值可以用来标称摄像机在多黑的条件下还可以看到可用的图像。以摄像机正常工作照度范围划分为普通型，其最低照度值在0.1-1Lux间;月光型，其最低照度值在0.01Lux左右；而星光型就需要达到0.001Lux以下了。在同样的光照条件下，与普通照度的摄像机相比，星光级超低照度摄像机可以呈现更加明亮的图像。

星光级低照度技术

增强现实技术就是把真是环境和虚拟环境结合起来，一个增强现实的系统需要有显示技术、跟踪和定位技术、界面和可视化技术、标定技术。增强现实技术运用在摄像机里面，它将实时视频的“现实”与数字化标签“增强”信息结合起来，使监控用户在监控实时画面时，就能第一时间获得目标对象的信息。一个城市内的所有摄像机联网起来，就相当于把整个城市的信息都装进了摄像机内。如果全世界的摄像机都能联网，就相当于把整个地球的信息都装进摄像机了。

增强现实技术

三维计算机视觉技术采用三维视觉传感器和三维视觉算法，结合深度学习，能够实时捕捉和分析场景的三维信息，解决了传统二维图像中相互遮挡、影随人动、比例混淆的问题，实现对人的检测、跟踪和识别，使得更高精确度和复杂度的智能分析成为现实。多年来，视频监控行业的智能分析都是基于二维的图像处理技术，先将三维场景转化成二维的静态图片，然后利用一些先进的算法对二维信息进行优化，使图片信息达到伪三维的层次。但是在这个过程中，丢失了“深度”这一重要的维度信息，使得计算机很难判断物体的大小、距离、速度等信息。

三维计算机视觉技术

全景摄像机多画面拼接技术即多全景融合功能，它将分散的全景摄像机依据地图坐标而进行多全景画面的拼接融合，实现严格的360度一体化无死角无盲区的监控。同时可实现多个全景摄像机的穿越切换，即可从一个全景摄像机融合切换至下一个全景摄像机，增强相机中间的联动性、互动性。

全景摄像机多画面拼接技术

H.265是ITU-T VCEG 继H.264之后所制定的新的视频编码标准。在安防监控领域中，随着用户对低带宽、高清晰、高智能方面的需求不断升级， H.265以其更高的压缩比、更快的处理速度、更好的适应性和健壮性，在安防监控领域得到迅速的发展和推广。H.265对安防行业产生了重大影响，推动视频监控朝着高清化、智能化的方向发展。和H.264相比，H.265应用价值在于：高压缩、编码效率，存储的便捷，信息共享效率提升，高分辨率。

H.265

目前国内智能分析技术主要有两大类：一是报警类智能，即检测画面中的目标运动信息，根据条件输出相应的报警信号；二是感知类智能，即感知并识别画面中的目标类别及各种特征信息，同时输出语义描述。前一类输出信息简单，应用单一；后一类输出信息丰富，通过与大数据结合，可以衍生出丰富的视频大数据深度应用，如检索、比对、研判等。自2014年科达推出相关产品以来，2015年，有更多的厂商开始加入这一行列。我们相信，感知型智能技术即将迎来快速发展、深度应用的发展前景，意义深远，市场广阔。

智能感知技术