为什么摄像头能在全黑房间看见人？为什么它分得清"猫在走"和"人在走"？哭声检测、跌倒检测真的靠谱吗？本文用通俗的语言，把看护摄像机背后成像、夜视、AI识别与数据安全的工作原理讲明白，也讲清楚它的能力边界。
摄像机成像与手机拍照的原理同源：景物光线经过镜头聚焦，投射到一块CMOS图像传感器上，传感器把光信号转换成电信号，再由图像处理器（ISP）做白平衡、降噪、色彩还原等处理，最终编码成视频流。家用看护摄像机的传感器按像素分档，常见1080P（约200万像素）、2K（约300万像素）、4K（约800万像素）。像素越高，画面细节越丰富，但同等码率下需要的存储与上传带宽也越大，这也是"分辨率不是越高越好"的原因。
视频流编码普遍采用H.264或H.265（HEVC），H.265在同画质下码率更低、更省存储与带宽，近年新机型大多支持。看护摄像机昼夜不停工作，编码效率直接影响SD卡能存几天、云存储流量花多少。
人的眼睛在黑暗中看不见，是因为没有可见光进入视网膜。摄像机的"夜视"逻辑不是"眼睛变异"，而是主动补光或高感光：
需要了解的是，红外光属于"近红外"，与医疗、理疗中使用的红外线波长与能量都不同；家用摄像头与路由器的无线发射功率受国家标准严格限制，属于非电离辐射，目前没有科学证据表明会对人体健康造成明确危害。担心婴儿房光刺激，选940纳米无红点款即可；关于婴儿看护器与普通摄像头"无红点夜视"等细节差异，可再参考本站 对比区别。
最早的摄像头"看家"用的是移动侦测：算法对比前后两帧画面的像素差异，画面变化超过阈值就触发告警。它的缺点显而易见——窗帘飘动、光影变化、宠物走过都会触发，误报多到让人想关掉提醒。
后来的人形侦测（人体侦测）本质是AI视觉识别：厂商收集海量"标有人体轮廓"的图像，训练出深度神经网络模型，让芯片学会辨认"人形"的形状特征（头肩结构、四肢比例、运动模式等）。当画面出现动静时，算法先判断"动的是不是人"，是人才提醒。经过反复训练调优，人形侦测能把绝大多数窗帘、光影、宠物误报过滤掉。识别可以发生在端侧（机器内置NPU芯片本地计算，不依赖网络、响应快、不上传画面更隐私），也可以在云端（算法更强但依赖网络，涉及画面上传）。
在此基础上，移动追踪让人形目标出现在画面后，云台自动转向跟拍；虚拟围栏/区域侦测则只对用户划定的区域（如阳台、厨房门口）触发提醒——本质上是对AI识别的结果再做一层"空间过滤"。
哭声检测属于声音识别领域。摄像机的麦克风采集声音后，算法提取音频特征（频率、时长、节奏等），与婴儿哭声的模型比对，命中即提醒。成熟的产品能区分婴儿哭声与其他噪声（电视声、宠物叫等）。部分儿童看护机型还带异常声响检测（如喊叫、剧烈响动）与双向语音安抚——检测到哭声后，家长可通过App说话安抚，或用内置摇篮曲播放。
声音识别的边界在于：算法基于样本统计，个体差异与背景噪声仍可能造成漏报、误报，这也是选购时建议"看真实用户评价中的识别表现"而不是只看宣传页的原因。
老人看护最受关注的AI功能是跌倒检测。它的技术路径是人体姿态估计：算法从画面中定位人的关节点（头、肩、髋、膝等），分析其空间位置与运动轨迹的连续变化，判断是否发生"快速倒地+倒地后长时间静止"的姿态。公开资料显示，萤石开放平台的跌倒检测基于时空卷积神经网络（ST-CNN）分析连续动作轨迹，结合姿态角与加速度阈值，用于区分跌倒、蹲下、躺卧等相似行为，误报率可控制在5%以内，检测范围最远约15米，并支持本地边缘计算以减少画面上传。
跌倒检测：基于时空卷积神经网络（ST-CNN）分析连续动作轨迹，结合姿态角与加速度阈值，准确区分跌倒、蹲下、躺卧等相似行为，误报率小于5%；检测到跌倒后可在500毫秒内触发本地声光报警、推送告警信息至监护人APP。—— 来源：萤石开放平台《跌倒检测》产品资料（公开文档）运营商方案则尝试用多传感器融合提高可靠性。例如广东联通"云看护"智能摄像机采用双目摄像头与激光测距双重探测，通过地面标定与环境分割区分人体与背景，研发中在不同空间场景试摔测试超两万次，检测到跌倒后通过电话、短信、APP三种方式通知紧急联系人。
与跌倒检测常搭配的是久卧/长时间不活动提醒：系统设定阈值（如连续2小时没侦测到活动），超时则提醒家属查看。该功能不需要识别"跌倒"这一具体动作，原理更简单，但对阈值设置要求高——设短了老人午睡就误报，设长了又失去意义，需结合老人作息调试（方法见 安装设置）。
双向语音依赖机身内置的麦克风与扬声器：家属端说话经App与服务器（或P2P直连）传到摄像机扬声器，老人孩子的应答又被麦克风采集传回手机。为防止"自己说话自己听"的啸叫，通话处理里包含回声消除（AEC）与噪声抑制技术。部分机型带变声功能（家长声音可变成卡通声）用于安抚幼儿，或预设SOS/一键呼叫——按下机身上的按钮即可呼叫绑定手机，这对不擅长用智能手机的老人非常实用。选购与使用上的注意点见 选购指南。
看护摄像机的录像去向有三类：SD卡本地存储（数据在卡里，无月费，卡坏了数据就没了）、云存储（上传厂商云端，随时随地回看，部分厂商加密存储）、NAS/NVR本地录像机（多路集中存本地）。安全传输方面，正规品牌普遍对App与设备的通信做加密（HTTPS/TLS），对云存储视频加密；账号侧提供强密码、两步验证、设备授权管理。
需要理性认识的是：安全的最大变量往往在用户侧。媒体报道显示，不少家庭摄像头泄露事件源于用户使用"123456"等弱口令、沿用默认口令，或把设备分享给不可信账号。选购正规品牌、改强密码、开两步验证、及时更新固件，是比纠结"加密算法名称"更有效的防护。完整防护清单见本站 隐私安全 页面。
| 功能 | 核心技术 | 识别对象 | 典型误报来源 | 适用场景 |
|---|---|---|---|---|
| 红外夜视 | 红外LED补光（850/940纳米）+CMOS | 无可见光下的物体 | 夜视距离不足、红外遮挡 | 全部夜间看护 |
| 移动侦测 | 帧间像素差异对比 | 一切画面变化 | 窗帘、光影、宠物，误报高 | 不推荐单独使用 |
| 人形侦测 | 深度神经网络识别人体形状 | 人形目标 | 人形相似物、角度遮挡 | 通用（降低误报首选） |
| 移动追踪 | 人形识别+云台伺服联动 | 移动的人形 | 快速移动超出云台范围 | 好动儿童 |
| 哭声/异常声检测 | 音频特征识别 | 婴儿哭声等特定声音 | 噪声干扰、个体差异 | 婴幼儿 |
| 跌倒检测 | 姿态估计（如ST-CNN）+阈值判定 | 跌倒姿态与轨迹 | 蹲下、躺卧、弯腰等相似动作 | 独居、高龄老人 |
| 久卧/不活动提醒 | 活动量统计+时间阈值 | 长时间无活动 | 午睡、久坐（需设好阈值） | 老人 |
| 双向语音/回声消除 | 麦克风+扬声器+AEC算法 | 双向语音流 | 距离远、网络延迟 | 通用，老人喊话必需 |
| 云存储 | 视频上传+云端加密存储 | 录像文件 | 账号泄露（需用户侧设防） | 外出随时回看 |
把这张表与 选购指南 的"按需勾选"原则结合使用，就能判断某一功能对你家是不是"真需要、真有用"。
红外夜视的原理是：摄像机内置的红外LED发出人眼不可见的红外光（常见850纳米与940纳米两种波长），经物体反射后被传感器接收，从而在黑暗中成像为黑白画面。850纳米波长会伴随微弱可见红点，940纳米几乎不可见，更适合婴儿房等对光敏感的场景。
人形侦测属于AI视觉识别：厂商用海量标注了人体轮廓的图像训练深度神经网络，让芯片能识别画面中物体的"形状特征"。当画面变化时，算法先判断变化的物体像不像人形，再决定是否告警，从而过滤掉窗帘飘动、光影变化、宠物走动等非人形动静。识别过程可在端侧芯片或云端完成。
跌倒检测通过分析人体姿态的连续变化判断是否跌倒。公开资料显示，萤石跌倒检测基于时空卷积神经网络（ST-CNN）分析连续动作轨迹，误报率可控制在5%以内；联通云看护采用双目摄像头加激光测距双重探测，并用超两万次实测打磨算法。但它仍是辅助提醒功能，不能替代人工看护与专业医疗设备。
正规品牌在传输与存储环节普遍采用加密（如TLS/HTTPS传输、云端存储加密），并提供强密码、两步验证等防护。安全的关键在用户侧：修改默认口令、开启两步验证、及时更新固件、不把设备分享给不可信账号。杂牌低价机常缺少这些能力，风险更高。
家用摄像头和WiFi属于非电离辐射，发射功率远低于国家标准限值，目前没有科学证据表明其会对人体健康造成明确危害。按国标要求，家用无线路由器与无线设备的发射功率受到严格限制，可放心正常使用。担心夜间光刺激的话，婴儿房选940纳米无红点夜视即可。
跌倒检测的可靠性取决于算法模型质量、端侧算力与多传感器融合能力。专业厂商需用大量真实姿态数据训练并反复测试（如联通云看护试摔超两万次），算法与硬件的工程化投入直接体现在价格上。选购时以厂商官方功能说明与实测口碑为准，警惕低价机对高级AI功能的夸大宣传。