我们制造出了上亿像素的相机却无法让盲人看到这个世界；

我们在几乎所有公共场所都安设了监控摄像机，却不能自动帮你辨别罪犯的面貌；

我们已经拥像Google Driverless Car、沃尔沃Drive Me等搭载无人驾驶技术的汽车项目，却还不能准确识别路面上的一个圆形物体是需要避让的石头，还是驾驶过程中可以无视的废纸坨。 

......

这些问题，归根结底都是因为计算机的“眼睛”不够发达，机器鉴别事物的能力还非常有限。即使是最先进的软件仍然不善于处理如此庞大的图像内容，换句话说我们的机器在某种程度上基本等同于眼盲，甚至不如一个3岁小孩子对这个世界的描述更加准确。

而我们不得不了解的是，图像和视频信息将占到未来大数据的90%以上。图片和视频早已成为我们生活的一部分，尤其随着具备拍照功能的移动设备规模化普及，让每一个人都成为了图像视频采集者，于是其诞生的速度也远超乎我们的想象。国外某调查机构研究显示，每一天有10万3680小时视频上传到YouTube、20亿小时电视与电影在Netflix上被用户观看。

上述这些，还仅仅是传统互联网产生的非结构化数据，如果算上非结构化数据来源的大头——负责城市安全与公共管理的视频监控摄像机，这些视频数据将会无法量化，是真正意义上的大数据。 

以某城市的一条主干道“南京路”为例，整条街道有45个摄像头，其中有35个是1080P高清摄像机。一个高清摄像头一秒钟产生0.5MB大小的视频，一分钟为30MB，一小时为1800MB；如果算上一条街，一小时35个高清摄像头将有63000MB大小的视频，如果是一个城市6000个高清摄像机，一小时的视频大小将有10800000MB。

目前，摄像头市场上主要是以安防类产品为主，安防行业通常便是24小时运作，一天算下来，一个城市将有247TB的视频数据，一个月7416TB——这仅仅是一个城市的数据量。如此庞大的数据如何为人所用？

来自苏州的一家高科技公司发布的新品——科达感知型摄像机正在尝试解决这一问题，即如何实现数据感知和处理。

所谓感知型摄像机，顾名思义要具备感知能力，它本质上是物联网中一个个视觉传感器，我们不仅能从单个摄像机中识别内容作出判断，还能从海量的监控数据中，作出深度分析和挖掘。目前科达感知型摄像机主要分为以下三类产品：即可识别人和车的基本特征特征分析摄像机；可准确识别车牌、车标等更详细车辆特征信息车辆卡口摄像机；可准确抓拍人脸和识别更详细的人员特征信息的人员卡口摄像机。

说到这里，就不得不了解一下计算机视觉这个领域，计算机视觉，可以说是人工智能的一个细分领域，而感知型摄像机则是计算机视觉最接近生活场景的实际应用。它帮我们识别的是目标的特征、内容，在一定程度上代替我们做出思考和判断。

我们人类看到的所有画面并不是由眼睛，大脑视觉处理机制作用后产生的结果，映射到计算机当中就是算法，具备这样算法的摄像设备又被科达称为感知型摄像机（Intelligent IPC）。

科达公司推出的这款特征分析摄像机，主打场景为视野开阔地，能在较为宽广的画面中捕获人、车、物等目标，并准确识别出每一个目标的类型、大小、颜色、方向、速度……然后生成语义与图片信息，送入后端大数据平台。

整个过程的实现，运动目标－轨迹跟踪－人车物分类－颜色分析－方向分析－速度分析－尺寸分析等一系列筛选判断。

这样看似在视频监控中可以发挥更多功能达技术，能否在民用智能家居产品中进行尝试？苏州科达副总经历覃明贵告诉钛媒体，在智能家居中这一技术肯定能用到，比如检测是否有人走动，检测老人的活动是否正常，检测是否有外人闯入等，但其公司仍主要专注在安防方面，应用市场偏行业。

举一个真实场景的例子：如果你需要找出一段时间内经过小区门口穿黑色衣服戴帽子的中年男子，只需在监控系统中输入相应的标签，就能自动帮你筛选出符合特征的目标对象，与传统只靠人力逐一去辨别的方式相比，感知型摄像机无疑会大大提高效率——类似的场景应用将比单纯的安防产品更接地气。

整个计算机世界中，大量的形状、颜色、元素、关系......还有太多的内容需要教机器去“看见”，既然机器可以学习，“谁来教”的问题就需要交给更智能的硬件设备了。（本文首发钛媒体）