习惯上机器视觉被定义为：用于检查、过程控制及自动导航的电子成像。在机器视觉应用中，计算机（不是人类）使用成像技术来捕获图像作为输入来实现提取和传递信息输出的目的。据麦姆斯咨询报道，除传统工业应用，先进驾驶辅助系统（ADAS）、增强现实和虚拟现实（AR/VR）技术及智能安全系统的机器视觉能力均要求使用先进的数字成像技术。该技术可使机器视觉在低光或无光条件下“看得”更清晰、更远，由于无需可见光源，所以不会干扰人类正常活动。
从以往的经验来看，机器视觉技术需要依赖于大量光源来捕捉图像，可用光源包括荧光、石英卤素、LED、金属卤化物（汞）以及氙气。当单独使用其中一种光源时，就需要耗费大量能耗，且生成的图像质量很差。如此来看，这些光源并不能满足已超越传统工业应用范畴的使用需求。
AR/VR、安全系统以及ADAS驾驶监控采用了眼动追踪、面部识别、手势控制和人脸识别技术，以及集成了带有夜视功能的ADAS环视（surround-view）摄像头等功能，但这些应用要达到预期的效果，均需要可见光光谱以外的照明。在过去几年中，数字近红外（NIR）成像技术的进步已彻底革新了机器视觉和夜视的能力。
NIR为何是当前机器视觉应用的必要条件？
NIR用于在可见光光谱范围之外的物体或场景照明，并使摄像头能够在超出人类视觉能力的低光或无光情况下“看到”。虽然在某些应用中低级别LED仍需增加NIR，但NIR需要的电能非常少且几乎不会干扰用户。在如AR/VR或驾驶监控系统等应用中，NIR的这些特点对于精确地眼动追踪和手势控制是非常重要的。而在安全摄像头应用的案例中，NIR可在入侵者不知情的情况下监控他们。
此外，NIR在夜视条件下比可见光产生更多光子，该特点使其成为夜视应用的理想选择。举例说明，下面我们在ADAS系统中，比较夜视条件下两种方法的优劣。
其中一家汽车制造商使用了一种被动式远红外（FIR）系统，它可根据物体热量记录图像并显示为明亮的负像。虽然能探测的有效距离高达980英尺，但由于它是依赖于物体发出的热量来记录，所以产生的图像并不清晰。
而另一家汽车制造商采用了NIR技术，该技术可在黑暗中产生鲜明清晰的图像，就好像用汽车远光灯照着拍摄一样。不管物体温度如何，其图像均可被捕捉到。但是，该NIR系统的最大有效探测距离为600英尺。
NIR的局限性
大多数情况下，NIR相比其它替代方法的改进显著，但使用它并不是没有挑战。NIR成像系统的有效范围与其灵敏度直接相关。最好条件下，目前的NIR传感器结构可实现≤ 800nm的灵敏度。如果可将NIR成像系统的灵敏度增加到850 nm或更高时，那么就可进一步扩大其有效距离。
NIR光学成像的有效距离是由两个关键测量参数决定：量子效率（QE）和调制传递函数（MTF）。成像仪的QE代表其捕获的光子与转化为电子的光子的比率。
QE越高，NIR照明距离就越远，图像也就越亮。100%的QE意味着所有被捕获的光子都被转化为电子，从而可实现最亮的可能图像。但目前，即使是最好的NIR传感器技术也只实现了58%的QE。
MTF则是测量图像传感器以特定分辨率从物体到图像的传递对比能力。MTF越高，图像就越清晰。MTF受到从像素跳出的电子信号噪声的影响。因此，为了维持稳定的MTF并实现清晰的图像，电子需要时刻保持在像元中。
图1 该模拟图像可显示低MTF与高MTF之间的明显差别
