AI超微光摄像机，采用深度学习图像增强算法， 通过对应用场景目标图像要求的提炼，采集了海量夜间低照情况下车辆卡口、车辆电警、人员卡口以及全结构化摄像机的图像样本与模拟数据，并针对性地进行了数学建模，设计了一套从采集、标图、训练以及模型转化的端到端的深度学习模型 。在低照环境下，该算法模型跳过了传统摄像机的ISP成像调制方式，通过对大量场景抓拍图片的学习，算法直接对传感器输入数据进行图像恢复。这样可以大幅减少摄像机对补光灯的依赖，在提升图像亮度的同时，还能充分还原物体颜色与纹理等细节信息。依托该算法还原出来的图像，不仅大幅度提升了人眼对抓拍图像的主观体验，也能提升后端诸多的智能算法对图像的特征分析。比如对车辆特征分析、非机动车特征分析、驾乘人员特征分析等 。

其他技术原理分析对比

图像成像技术发展至今，市场上也出现了两大类主流技术，一类是超星光摄像机，另外一类则是黑光摄像机。

超星光摄像机的技术原理：主要采用星光级图像传感器，大光圈镜头，以及传统的ISP图像调制技术。其主要是依托图像传感器的灵敏度提升来减少能量转换的效率，大光圈镜头提升进光量亮。超星光摄像机应用于普通的视屏监控是有较大优势的，但是用于专项的应用场景显得不太适用了。比如：人员卡口、车辆卡口以及电警摄像机 。主要是由于超星光采取超大光圈的镜头，虽然扩大了进光量，提升了图像亮度，但也大大降低了成像的景深，以及扩大了车灯强光的光晕的影响。一般普通视频监控摄像机夜间的工作快门是1/25s，人员卡口的快门1/100s，车辆卡口的快门就要更快1/400s。这些专业应用的摄像机由于提升的快门速度，这样就把大光圈镜头带来的亮度提升又抵消掉了，导致目标物体周围的场景一片漆黑，丢失很多有用信息 。

黑光摄像机的技术原理：主要是采用两颗星光级图像传感器，通过特殊的光学元器件，其中一颗传感器通过红外补光采集图像亮度信息和物体轮廓，另外一颗采集色彩信息。然后通过图像融合算法将两颗采集到的图像信息进行融合，输出既明亮，又是彩色的图像 。但是黑光摄像机采集亮度的传感器是依赖红外补光来实现的，而另外一颗采集色彩的摄像机则和普通摄像机一样需要环境光线，实在无光的环境下，黑光摄像机也得依赖比较强的LED补光灯来补光。在交通卡口的应用中，由于汽车前挡风玻璃上粘贴的防爆膜红外透光率很差，所以采用黑光技术和红外爆闪灯的环保卡口，并不能采集到前排司乘人员的图像信息。当遇到一些红外反光材料的物体，采用黑光技术的摄像机在色彩还原上也有一定的弊端。比如因为司机穿的衣物是黑色的反红外光材料，通过黑光技术还原的图像将黑色衣物还原为白色了，这样势必对后续的违法取证造成一定的困扰 。