智能摄像头之于智慧城市，已经成了一项必然的存在。仿佛城市里要是没有三五千个智能摄像头、张学友演唱会上没抓到过逃犯，整个城市在智慧化进度上就矮人一截一样。
从全球范围来看，通过智能摄像头观测城市运行状况已经成为了让AI进入城市管理最好的窗口。
但不管利用哪种技术，城市的智慧化永远不可能是一蹴而就的。就拿如今最普及的智能摄像头来说，当我们在城市的每个角落都塞满智能摄像头之后，下一步应该做些什么？
今天抓逃犯，明天惹人烦
在讨论这个问题之前，我们需要再熟悉一下关于我们城市中智能摄像头的几个事实。
首先我们要知道，由于中国智慧城市发展的势头较为迅猛，政府不同部门主导和企业主导的情况并存。所以很可能一个城市中交通摄像头和安防摄像头的厂商不是同一家，而企业又在自己的园区内安装了其他厂商的智能摄像头。
而且不同用途的智能摄像头所实现的能力也不同。例如有些在交通道路上的智能摄像头只有利用OCR识别车牌的能力，而有些安防摄像头则只能识别人脸。甚至现在有一些城市在高架桥等基础设施上也应用上了智能摄像头，用来观测基础设施的磨损情况。
尤其是智能摄像头还是一种正在不断成长的产品，其技术本身更新换代的速度很快，5G、终端计算芯片、模型压缩算法等外围技术同样会对智能摄像头产生影响。可能今天刚刚全市换上应用云边一体计算的智能摄像头，明天就会因为5G提升了传输速度，又让云端处理变成了主流。
所以如今我们看似完善的智能摄像头如果想要真正在智慧城市中发挥出长效作用，还可能会遇到以下的问题：
智能摄像头承担任务的变化
城市永远是在变化中发展的，比如某一片区在建设初期时摄像头需要承担的任务是对渣土车的监控，等到建设完成居民入住后，则要注重对小摊小贩占道的监控。当这种需求变化发生时，是更换摄像头硬件还是更新软件？谁来进行这方面的决策？
云边计算资源的分配
从目前的技术趋向看来，未来硬件端必然是云计算与边缘计算相结合的。从城市智能摄像头的用途来看，边缘计算用来处理安防、灾害这些紧急事故，云端计算用来处理违章违规这类非紧急事务，似乎是一个合理的解决方案。可“紧急”与“非紧急”之间的界限究竟该如何界定，社区、园区内非政府部门安置的摄像头，是否也应该被划归与同样的解决方案之内？
信息的更新与同步
同时当未来智能摄像头在安防上涉足越来越深入，未来必然会出现跨省市的信息同步情况。例如将一张照片同步到全国的安防摄像头系统中。这时如何高效处理跨部门、跨设备的信息同步问题，就变得异常重要。
所以，别看现在的智能摄像头很方便，未来可能反而会带来一些意想不到的烦恼。能够明晰规划，进行体系化、组织化的处理，让一个个摄像头变成统一的“城市视觉”，才能在未来让智能摄像头更好地参与智慧城市。
想让城市睁开双眼，数字视网膜可行吗？
但尴尬的是，这一问题如今在世界范围内都还没见到可参考的方案。
原因是其他在智慧城市上成就较高的国家，要么像新加坡那样国土面积小、人口少，并没有面对着我们所面对的复杂问题。要么像美国圣何塞或哥伦布市那样，由单一市政部门负责从零开始牵头建设智慧城市，在摄像头这样设备采购上更加单一简单。
加之我们在智慧城市上本身就走得更靠前，这些问题恐怕还要依靠中国智慧来解决。
目前被提及最多的智慧城市视觉平台解决方案，是我们非常熟悉的高文院士提出的“智慧城市数字视网膜”。
这一方案的大意是在摄像头终端将用来储存和离线观看的视频编码以及为了识别和理解的特征编码分开处理，再分别上传到云端的视频解码器和特征解码器。再利用深度学习优化视频特征模型，尽可能提升计算效率。最后利用视频和特征的联合优化，实现码流的最优分配。
也就是说，在实际应用时摄像头会一边录像一边利用高效深度学习框架从中识别出需要识别人、车、物，在转码时则在识别率和分辨率中寻找平衡，据说可以在不牺牲编码的前提下将识别率提升10%-40%。
从技术解决方案来看，这种在转码压缩前就进行特征识别模式的确可能让视频的智能化分析变得更加高效，而能量密度极高的智能化分析则意味可以改变智能摄像头如今分工过细的现状，让摄像头同时承担人脸、OCR、物体等等多种工作。同时识别模型的更新也能通过软件部署的方式实现。
更秀的是，这一套系统可以被集成在GPU或FPGA芯片上，将芯片安置于普通智能摄像头中就可以完成升级。
从理论上来讲数字视网膜是一种适配性很强的解决方案，很适合我国这种智慧城市模式四处开花的情况。不过目前数字视网膜仍处于试点状况，芯片模式的硬件部署方式成本如何、与终端配套的视频大脑如何部署，都是有待解决的问题。
所以我们很难说数字视网膜就是智慧城市摄像头体系最终的解决方案，但人们对相关问题的投入和关注已经成为不可回避的事实。
即将到来的城市视觉，为智能摄像头带来了哪些新可能？
那么当智慧城市对智能摄像头统一部署和管理需求越来越高时，未来的智能摄像头产业可能发生什么呢？在这里我们可以进行一些“不负责任”的猜测。
或许，我们会出现统一的城市视觉系统，并要求所有厂商为这一系统“开后门”。
城市视觉系统可以与警务系统关联，随时收录例如嫌疑犯、嫌疑车辆数据信息，与所有厂商的设备进行同步。并且在“后门”中与市政系统进行联网，在发现嫌疑信息中自动上传警报。这样一来不管是哪个政府部门或是私人部署的智能摄像头，都可以保证完成最基础的任务。
另外可能发生的是，当越来越多人意识到当前技术能力的巨大波动，未来或许会出现很多模块化的智能摄像头。
其实在“数字视网膜”的解决模式中，就已经出现了芯片和本体区别看待的迹象。现在一些创业公司也提出了模块化智能摄像头解决方案，使用者可以根据不同用途、不同需求来分别购置摄像头、芯片和存储设备。假如当未来边缘计算成为主流解决方案，只需要给摄像头统一更换芯片就可以解决问题。
再有就是，打造系统和平台的能力对于智能摄像头厂商来说将越来越重要。
当人们意识到智慧城市对于智能摄像头的动态化需求时，未来将越来越看重智能摄像头的软件能力：平台是否简单好用、能够敏捷更新识别需求、能否与其他IoT设备相连接……这些软件上的体验细节将成为巨大的加分项。
总之对于智慧城市来说，拥有了智能摄像头只是GAME START的第一步。如今能抓逃犯和抓违章的摄像头只是冰山一隅，当这些摄像头形成城市的视觉体系时，真正的智慧才会开始苏醒。
