新的算法和工具加速嵌入式视觉的采用

自从2011年嵌入式视觉联盟（EVA）成立以来，嵌入式视觉在广泛的市场范围内，在投资、创新和实用视觉技术的使用方面，都取得了前所未有的增长。为了帮助人们理解技术选择和趋势，EVA每年对产品开发人员进行一次年度调查。             

最新一轮的年度调查于2018年11月完成，在此次调查中，93%的受访者表示，他们预计其组织在未来一年内与视觉相关的业务会增加（61%的受访者预计会大幅增加）。而如果没有大量的新算法和开发工具来加速视觉系统的采用，这种增长预期是不可能实现的。   

有三个基本因素正在推动着视觉系统的采用。视觉系统越来越              

•适用于各种实际应用              

•能以低成本和低功耗部署              

•可供非专业人员使用              

传统上，计算机视觉应用依赖于为每个特定应用设计高度专业化的算法,而这是一项非常耗时耗力的辛苦工作。这意味着为计算机视觉设计算法是一件困难的事，因此这一点也显著减缓了视觉系统的采用。此外，这使得新的视觉应用非常昂贵且耗时。              

然而，计算机视觉已经变得越来越普及。换句话说，开发基于计算机视觉的算法、系统和应用以及大规模部署这些解决方案，正变得越来越容易，从而使更多的开发人员和组织能够将视觉融入到他们的系统中。              

深度学习是这种趋势的驱动因素之一。由于深度学习算法的普遍性，因此对开发专用算法的需求越来越少。相反，开发人员可以将它们的主要精力转移到在可用的算法中选择适合自身应用的算法，然后获得必要数量的培训数据。              

深度神经网络（DNN）已经改变了计算机视觉，在识别物体、在一帧内定位物体以及确定哪个像素属于哪个物体等任务上，DNN能够提供优越的结果。即使之前能够用传统技术解决的问题，现在使用深度学习技术也能提供更好的解决方案。              

因此，计算机视觉开发人员正在越来越多地采用深度学习技术。在EVA最近开展的调查中，59%的视觉系统开发人员表示已经在使用DNN（比两年前的34%大幅增加）。另外28%的开发人员表示计划在不久的将来使用DNN实现视觉智能化。              

简化计算机视觉开发和部署的另一个关键因素是云计算和更好的开发工具的兴起。例如，现在的工程师再也不用花费数天或数周的时间安装和配置开发工具，他们可以即时访问云中预先配置的开发环境。同样，当需要大量的计算能力来训练或验证神经网络算法时，这种计算能力可以在云中快速、经济地获得。              

云计算为许多视觉系统的初始部署提供了一条简单的路径，即使最终开发人员将转向边缘计算以降低成本的情况下也是如此。EVA最近的调查发现，75%的受访者（在产品中使用深度神经网络进行视觉理解）在边缘部署这些神经网络，而42%的受访者使用云。这些数字总计超过100%，因为一些受访者两种方法都使用。             

处理器和传感器驱动嵌入式视觉增长              

在过去五年中，用于嵌入式计算机视觉应用的处理器和传感器的技术格局发生了显著变化，预计在未来五年中，这种巨大变化将会继续发生。              

在市场快速增长的推动下，用于嵌入式视觉领域的处理器和传感器，实现了速度惊人的快速创新。例如，根据Tractica的预测，从现在到2025年，用于计算机视觉的硬件、软件和服务的年收入将以每年25%的速度增长，达到260亿美元。              

可以说，推动视觉系统被广泛部署的最重要的因素是更好的处理器。视觉算法通常对计算性能有着很高的要求。以可接受的成本和功耗获得所需要的性能，是一个常见的挑战，特别是将视觉系统部署到成本敏感和电池供电的设备中时。             

幸运的是，在过去的几年里，针对计算机视觉应用的处理器的开发出现了爆炸式增长。现在，这些专用的处理器正在进入市场，它们在性能、成本、能源效率和易于开发方面，都有了巨大改进。             

高性能处理器的进步，得益于深度学习被越来越多地采用。首先，深度学习算法比传统的计算机视觉算法需要更高的处理性能；第二，最广泛使用的深度学习算法具有许多共同的特点，这简化了设计专用处理器以有效地执行这些算法的任务。相比之下，传统的计算机视觉算法表现出极大的多样性。             

如今，计算机视觉应用通常使用通用CPU和专用并行协处理器协同工作。过去，GPU是最流行的协处理器，因为它们具有广泛的可用性，并且具有良好的编程工具支持。             

如今，协处理器的选择范围更广，较新类型的协处理器通常能比GPU提供更高的效率。需要权衡的是，这些较新的协处理器的可用性较低，开发人员的熟悉度还不是很高，而且也尚未得到成熟开发工具的支持。             

根据EVA在2018年11月完成的针对开发人员的最新调查，近1/3的开发视觉产品的开发人员，正在使用深度学习专用的协处理器。这是一个非常显著的变化，因为就在几年前，还不存在针对深度学习的专用处理器。             

传感器也在迅速发展。在许多视觉系统中使用的2D图像传感器，使视觉功能具有很大的宽度。但是，如果能够增加深度信息，将会是一件非常有价值的事。例如，识别横向运动和垂直于传感器运动的能力，大大扩展了系统对各种手势的识别能力。             

在其他应用中，深度信息提高了准确性。例如，在人脸识别应用中，深度感测对于确定被感测对象是一个真实的人脸、而不是一张照片是很有价值的。深度信息在移动机器人、汽车等移动系统中具有明显的应用价值。             

从历史上看，深度传感是一种昂贵的技术，但是情况在过去几年发生了巨大变化。在Microsoft Kinect中以及最近在移动电话中使用的光学深度传感器，促进了创新的加速，从而产生了微型、廉价和节能的深度传感器。             

系统开发人员正在拥抱这种改变。34%的受访者表示，他们已经在使用深度感知传感器，29%（高于一年前的21%）的受访者表示计划将深度传感器融入到未来的开发项目中，而这些项目跨越各行各业。             

EVA的调查显示，在广泛的市场范围内，实用计算机视觉技术在投资、创新和部署方面，都有前所未有的增长。由于这个市场相对年轻，总有一些新的东西涌现，在2019嵌入式视觉峰会上，涌现出了许多新的处理器和传感器。

2019嵌入式视觉峰会：跟踪计算机视觉的发展动态

5月20-23日在美国加州圣克拉拉会议中心举行的2019嵌入式视觉峰会上，吸引了大约1200多名人员参会，这次峰会重点探讨了在机器人、汽车、消费者、工业、医疗和监控行业的可部署的视觉技术。              

此次峰会共提供了约100场演讲，主要围绕技术进展、商业机会、使能技术和基础部分这四大环节。麻省理工学院、谷歌、英特尔等全球顶尖的研究机构和企业，都在此次峰会上做了最前沿的报告。

除了演讲报告之外，约有60家参展商在此次峰会现场展示了他们为嵌入式视觉应用带来的新产品和新技术。

Cadence展示了其Tensilica Vision P6 DSP IP核，并展示了几个应用场景，包括针对无人机的基于立体相机的低功耗深度传感系统；用于机器人、无人机和汽车应用的实时目标检测系统；先进的毫米波3D成像雷达解决方案。

Vision Components展示了超紧凑的MIPI相机板卡、智能相机和激光轮廓仪。              该超紧凑型MIPI相机板卡，专门针对自动驾驶、无人驾驶飞行器、智能城市技术、医疗技术和实验室自动化等应用而设计。智能相机采用Xilinx Zynq片上系统，具备一个2×866MHz的ARM处理器和一个FPGA，提供板卡和封装两种型号。

Basler展示了其MIPI开发工具套件dart BCON。该套件包括一个用于MIPI相机的500万像素dart BCON、一个开发者处理板（基于高通Snapdragon 820片上系统芯片，带Linux驱动程序）、一个96Boards兼容的夹层板以及透镜和电缆等必要的附件。

Allied Vision展示了专为工业嵌入式视觉应用而设计的Alvium相机系列。Alvium相机围绕一个专用集成电路而设计，集成了图像信号处理器，并具备一个图像处理库。图像校正和优化处理都是在相机内部完成的。

其中Alvium1500具有一个MIPI CSI-2接口，可以通过Video4Linux或Direct Register Access控制；Alvium 1800具有USB3 Vision接口，可通过GenICam控制。两款产品都支持NXP i.MX6/8和NVIDIA Jetson平台。可用的传感器分辨率范围从VGA到2100万像素。              

Algolux展示了Ion平台，它是为自主视觉系统设计和实施而构建的软件包，主要包括Atlas相机优化套件和Eos感知软件两部分。              

Atlas套件旨在加速和自动化最佳相机调整，并提供可扩展和可预测的度量驱动方法。Eos软件为单相机或多传感器架构提供灵活的实现路径，能在低光和恶劣天气条件下，比其他系统获得了更好的效果。

Teknique公司展示了模块化系统Oclea，其采用Ambarella SoC处理器，标配闪存（FLASH）和DRAM。              

µS5L型号基于Ambarella S5L66 SoC，集成了SecureBoot 8GB eMMC和1GB DRAM。该系统与Sony、OmniVision和安森美半导体等公司的图像传感器兼容。CV22型号基于Ambarella CV22 SoC，集成了Tru

stZone 8GB eMMC和1GB DRAM，内置立体声音频编解码器、uSD卡、双频Wi-Fi和蓝牙4.1。通过CVFlow为CNN网络提供内置硬件加速。

嵌入式视觉联盟宣布2019年“年度视觉产品奖”获得者

嵌入式视觉联盟（EVA）在5月21日开幕的2019嵌入式视觉峰会上，宣布了2019年“年度视觉产品奖”（Vision Product of the Year Awards）获得者。该奖项旨在表彰那些行业领先技术公司的创新和卓越表现，这些公司为快速增长的领域实现了视觉AI和计算机视觉。     

“如今，技术的发展使得许多不同的和不断增长的市场，对视觉AI有着大量需求。因此，我们在这个领域看到了创新的急剧加速，”EVA创始人Jeff Bier说，“该奖项旨在表彰那些提供具有影响力的创新技术的公司，使得系统和应用开发人员可以通过这些技术将视觉智能融入到他们的产品中。”              

2019年“年度视觉产品奖”获奖者包括：              

最佳传感器：英飞凌公司IRS2381C 3D图像传感器

最佳软件或算法：Morpho公司视频处理解决方案

最佳汽车解决方案：Horizon Robotics公司Horizon Matrix

最佳AI技术：联发科公司Mediatek Helio P90

最佳开发工具：英特尔公司OpenVINO工具包

最佳云解决方案：赛灵思Xilinx AI平台

最佳处理器：Synopsys公司EV6x嵌入式视觉处理器（带SEP）              

年度视觉产品奖面向所有EVA成员公司开放。参赛产品由一个独立的专家小组根据创新性、对客户和市场的影响以及竞争差异性进行评审。              

获奖公司感言：              

最佳传感器获得者-英飞凌：“最佳传感器奖认可了英飞凌REAL3™ ToF 3D 图像传感器IRS2381C的创新性和性能。该传感器能在移动设备中提供一种崭新水平的3D成像功能。该传感器具有很强的阳光抵御能力，并且支持广泛的测量范围。因此，它能在安全人脸认证、计算摄影和无缝AR应用方面，提供独特的用户体验。”英飞凌射频与传感器副总裁兼总经理Philipp von Schierstaedt说。              

最佳软件或算法获得者-Morpho：“Morpho视频处理解决方案是一套计算摄影算法，它聚焦于为实时处理和后处理应用提供视频质量增强。赢得该奖项对我们来说意义非凡，它将促进我们开发新的算法，并在移动、网络服务和汽车等多种行业中找到广泛的应用。希望我们的高质量视频处理解决方案能继续加速嵌入式视觉行业的发展。”Morpho公司副总裁Toshi Torihara说。              

最佳汽车解决方案获得者-Horizon Robotics：“Horizon Matrix是一个基于Horizon Robotics第二代BPU架构（Bernoulli架构）的高级自主驱动计算平台。它旨在为SAE L3和L4自动驱动系统完成多重计算密集型任务和关键任务。”Horizon Robotics汽车业务副总裁兼总经理Yufeng Zhang说。              

最佳AI技术获得者-联发科：“联发科的Helio P90芯片组，堪称一个AI处理工厂，为设备制造商和消费者提供一流的智能成像。我们将继续向市场推出新的优质产品，并使每个人都能获得卓越的技术。我们的下一代AI连接设备将更快、更强大、更节能。”联发科无线业务部门主管TL Lee说。              

最佳开发工具获得者-英特尔：“边缘解决方案需要多种多样的硬件产品来满足严格的性能、功耗、延迟和成本要求。该奖项强化了跨不同硬件的高性能、统一软件环境的价值，它使开发人员能够快速部署AI解决方案。”英特尔边缘推理产品副总裁Adam Burns说。              

最佳云解决方案获得者-赛灵思：“AI模型的快速创新，需要适应特定领域的体系结构来有效地运行最新的网络。对于每一类深度学习网络，都需要专门的硬件和软件架构，以满足真实世界中云和边缘应用在性能、延迟和功耗方面的需求。赛灵思的芯片无需重新设计芯片，就可以从硬件到软件进行最新架构的调整，从而创建理想的AI推理解决方案。”赛灵思软件与生态系统AI产品营销总监Nick Ni说。              

最佳处理器获得者-Synopsys：“随着先进汽车系统在安全性和可靠性方面的提升，具备智能视觉处理能力对于将这些功能推向市场至关重要。我们的EV6x视觉处理器表明了Synopsy在开发领先的处理器IP解决方案方面的持续投资，以满足汽车SoC设计在安全、性能和功耗等方面的需求。”Synopsys IP市场副总裁John Koeter说。