全彩夜视技术（Full-Color Night Vision）指在极低照度（甚至无可见光）的环境下，无需依靠强烈白光补光，依然能捕获高分辨率、高信噪比且色彩还原逼真的实时彩色视频图像的技术。
它克服了传统"红外夜视（黑白画面，丢失颜色特征）"和"白光补光（光污染，曝光过度）"的局限，是安防监控、智能车载、无人机及军事感知领域的核心技术演进方向。
传统夜视 vs 全彩夜视
| 维度 | 传统红外夜视（IR-Cut 切换） | 传统白光补光夜视 | 全彩夜视（微光/黑光全彩） |
|---|---|---|---|
| 画面效果 | 黑白图像，无色彩信息 | 彩色图像，高光易爆、暗部偏暗 | 全局彩色，高动态范围，细节丰富 |
| 补光方式 | 850nm / 940nm 红外补光灯 | 高亮 LED 暖白光 | 无补光或微弱柔和补光（近无光） |
| 光污染 | 无（肉眼几乎不可见） | 极高（刺眼，易暴露，干扰环境） | 无或极低 |
| AI 识别率 | 无法提取衣服、车身颜色特征 | 高光过曝严重影响 AI 识别率 | 最佳（车牌、衣服颜色、人脸高精度识别） |
全彩夜视的四大核心技术支柱
全彩夜视不是单一器件的升级，而是"物理光学 + 硬件芯片 + 计算摄影（AI）"的全链路协同突破。
物理光学：大光圈镜头（Ultra-Large Aperture）
进光量与光圈孔径的平方成正比。
- 技术核心 ：将普通摄像机的 F1.6−F2.0F1.6 - F2.0F1.6−F2.0 光圈提升至 F1.0−F0.95F1.0 - F0.95F1.0−F0.95 超大光圈。
- 效果 ：相较于 F2.0F2.0F2.0 镜头，进光量提升了 2.5 ~ 4 倍，使极弱的光线也能充分进入镜头。
图像传感器：超感光与大像素 Sensor
- 大像素与背照式/堆栈式架构：采用 BSI（Back-Illuminated）及 Stacked CMOS 技术，将电路层下移，提高感光面积（如 1/1.2" 或 1/1.8" 大底 Sensor，单像素点达到 2.0μm 以上）。
- 超高感光度（High NIR Sensitivity） ：通过优化红绿蓝（RGB）滤色阵列，甚至引入 RGBW（红绿蓝白） 或 RCCB 滤色片，大幅提升对微弱可见光与近红外光的转换效率。
双传感器融合技术（黑光双摄 / 多光谱融合）
- 原理 ：利用"双镜头+双 Sensor"协同工作：
- 黑白（Mono）通道 ：采用无滤光片 Sensor，只关注进光量与轮廓细节（感光度极高）。
- 彩色（Color）通道 ：专门捕获色彩分量。
- 融算法：通过后端 ISP 算法，在像素级别将黑白通道的清晰度轮廓与彩色通道的色彩融合，合成出既清晰又丰富的全彩画面。
颠覆性技术：AI-ISP（深度学习图像信号处理器）
传统 ISP 在极低照度（如 0.001 Lux0.001 \text{ Lux}0.001 Lux）下，3D 降噪（3D-DNR）容易造成画面涂抹、严重拖影、色彩偏色。AI-ISP 是当前全彩夜视的核心突破口：
- 神经网络替代传统算法块：将传统 ISP 中的降噪（Denoise）、去模糊（Deblur）、色彩还原（CCM）、自动白平衡（AWB）等模块替换为基于深度学习的端到端神经网络。
- 黑光模型预测：通过对海量极暗场景图像的训练，AI-ISP 能从极其微弱的噪点信号中"预测"并还原真实的色彩与细节，从源头解决低照度下的时序拖影（Ghosting）问题。
行业主流实现方案分类
目前工业界的"全彩夜视"主要分为三个技术梯队：
- 单摄大光圈 + 超感光 Sensor 方案（星光/超星光） ：
- 环境照度 ：0.001−0.01 Lux0.001 - 0.01 \text{ Lux}0.001−0.01 Lux（如星光下的户外）。
- 特点：结构简单，成本适中，广泛应用于消费级和中端安防摄像头。
- 黑光双摄融合方案（RGB + Mono） ：
- 环境照度 ：0.0001−0.001 Lux0.0001 - 0.001 \text{ Lux}0.0001−0.001 Lux（极暗环境）。
- 特点：画质极佳、细节锐利，但对两个镜头的物理光轴对齐（Optical Alignment）与边缘融合算法要求极高。
- AI-ISP 驱动的"黑光全彩"方案 ：
- 环境照度 ：<0.0001 Lux< 0.0001 \text{ Lux}<0.0001 Lux（近乎全黑、无肉眼可见光）。
- 特点：依托强大算力（NPU），配合普通硬件即可实现超越人眼极限的夜间彩色成像，是目前安防芯片厂商（如海思、国科微、全志、安霸等）竞争的核心焦点。
关键工程挑战
尽管全彩夜视效果惊艳，但在实际工程落地中仍需解决以下痛点：
- 动态拖影（Motion Blur/Ghosting） ：在极暗环境下，为了保证进光量，摄像机往往需要拉长曝光时间（如 1/12 s1/12 \text{ s}1/12 s 或 1/6 s1/6 \text{ s}1/6 s）。当有快速移动的目标（如行人跑动、车辆驶过）时，画面会出现严重的拖影与重影。
- 色彩失真与色噪（Color Noise & False Color）：极低信噪比下，色彩分量极不稳定，AI 或传统算法容易将噪点误判为色彩，导致墙面出现大块彩斑或人脸颜色发绿/发紫。
- 大光圈景深过浅（Shallow Depth of Field） ：F1.0F1.0F1.0 超大光圈虽然带来了大进光量，但导致景深非常浅。距离镜头较近或较远的对象容易虚化跑焦。
- 算力与功耗限制：AI-ISP 需要运行复杂的卷积神经网络（CNN），在边缘端摄像头（Edge Camera）上部署对 NPU 算力（通常需 1~4 TOPS）及功耗（电池供电设备）提出了严苛要求。
总结
全彩夜视技术正经历从"光学物理控光（依赖大镜头大 Sensor）"向"计算摄影与 AI 驱动（算法造光）"的深刻变革。
未来，随着 AI-ISP 算法模型的轻量化 以及 红外/可见光多光谱传感器 的普及，全彩夜视将不再局限于高端安防领域，而是全面渗透至自动驾驶高阶感知、无人机夜航、工业机器视觉及智能家居中，真正实现"让黑夜如同白昼"。