大家肯定看过夜视摄像头拍摄的视频，比如，夜晚拍摄一只美洲狮，但此种情况下拍摄的热图像通常为单色、有纹理，或多或少有点模糊。据外媒报道，现在有一项分析热图像的新技术或许可以改变这一点，其生成的图像与白天用传统摄像头拍摄的图像一样清晰干净。该方法基于人工智能（AI）技术设计，可以帮助自动驾驶汽车在夜间看得更清楚。
一项新技术创造了更清晰，更有质感的夜间图像（图片来源：science.org）
计算机视觉在人脸探测自拍摄像头和自动驾驶汽车等技术中很常见。此类设备通常采用传统摄像头捕捉周围物体反射的可见光，或者采用雷达和激光雷达、通过发送无线电波和激光束来绘制周围环境的地图。但是，在黑暗中看东西对于机器和人类而言都是一个挑战。摄像头在黑暗中无法很好地捕捉图像，因为黑暗中没有反射光，而雷达和激光雷达又容易受到干扰。这对于自动驾驶汽车等高风险应用构成了挑战，在此类应用中，捕捉图像错误可能会导致无法刹车或识别行人失败等致命故障。
对此，通过捕捉环境中物体辐射出的红外光来重建场景的热成像技术可能会有所帮助。伦敦帝国理工学院（Imperial College London）机器人学习实验室主任Edward Johns表示，热成像技术作为一种辅助计算机视觉的技术，还没有得到充分的研究。障碍之一在于每个物体都会发出热信号，让传统热成像有点像在试图拍摄一整个景观，其中每一片草、树和卵石都在发光。普渡大学（Purdue University）电气和化学工程师Zubin Jacob解释说：“有很多信号、噪音和杂波一起进入了摄像头，导致了‘重影’效应，最终让物体外观模糊且低分辨率，很难区分。”
为了摆脱重影，Jacob及其团队求助于人工智能，训练了一个名为神经网络的程序，对普通热成像摄像头的红外信号进行分类，将物体特有的热能标志从环境噪音中分离出来。为此，他们训练算法识别已知材料（如玻璃、木头或织物）的独特发射光谱。通过在场景中识别已知标志，该算法可以描述所观察到的物体的特征。剩下的就是环境信号和“噪音”，会从物体上反弹回来，进入摄像头。通过反向评估噪音信号如何反射和散射，该算法可以填充每个物体的纹理信息，为图像提供更高层次的细节。
经过处理的图像可以清楚地显示单个物体和纹理，可以识别物体是由什么材料构成的。至关重要的是，该分析还提供了深度信息或“测距”信息，这是自动驾驶汽车可能使用到的任何一项技术的关键数据。该团队将该项技术命名为热辅助探测和测距（HADAR），可以生成与传统摄像头在明亮的白天拍摄的同样精细且精确的图像。
与雷达和激光雷达等必须发射信号才能收集测量数据不同，该技术完全是被动的。研究人员表示，这将是未来机器视觉技术的一个基本特征，因为随着自动驾驶汽车和类似技术数量的增加，越来越多不同车辆的信号会相互干扰，造成风险。
但Jacob承认，该项新技术在投入现实世界之前还需要克服几个障碍。例如，到目前为止，该团队只将其应用于静态图像，还需要进一步的研究工作来更快地收集测量数据和处理运动模糊效果。但最终，他们希望这项技术能得到广泛的应用，如提高自动驾驶汽车的安全性、帮助生物学家远距离追踪野生动物等。
