通過使用節(jié)點分析和對數(shù)成像器，可以改進在物聯(lián)網(wǎng) （IoT） 中運行的視頻分析應用程序。出于多種原因，視頻分析應用程序試圖利用日常世界中的豐富信息。這些原因從面部識別到日常監(jiān)控，但大多數(shù)都集中在預測和行為分析上。在這些應用程序中收集的信息可以通過云計算在更高層次上進行廣泛處理。但是，深度處理有其局限性，可以通過在組合中添加節(jié)點分析和對數(shù)成像器來以多種方式進行改進。

通過將節(jié)點分析添加到組合中，可以通過消除與云的通信來改進數(shù)據(jù)分析。云計算需要比節(jié)點分析應用程序多兩個（如果不是三個數(shù)量級）的帶寬。因此，節(jié)點分析消耗的計算能力要少得多，并且延遲也減少了。人口稠密的市場、混亂的交通路段和城市停車位是一些錯綜復雜的氛圍，可以使用節(jié)點分析進行預測和行為分析。在云中執(zhí)行的這些環(huán)境的高級處理可以推進業(yè)務戰(zhàn)略，轉(zhuǎn)移一般交通流量，并提高政府管理的停車位的效率。但是，通過在傳感器節(jié)點上實施較低級別的軟件，而不是在云中執(zhí)行分析，在這些情況下可以改善延遲、帶寬、安全性和功耗。

除了節(jié)點上的智能之外，將對數(shù)成像器添加到組合中還可以通過在傳統(tǒng)成像儀不足的領域提供優(yōu)勢來增強這些系統(tǒng)。對數(shù)成像器為圖像處理提供了更高的動態(tài)范圍，此外還減少了對亮度變化的依賴。例如，陰影、反射、光線的突然變化和高對比度場景是對數(shù)成像器可以優(yōu)于傳統(tǒng)成像儀的領域。在視頻應用中解決這些問題可以加強數(shù)據(jù)采集，從而加強節(jié)點的分析。通過改進數(shù)據(jù)采集，可以顯著改善整個視頻分析應用程序。

節(jié)點分析和對數(shù)成像器提供的改進可以幫助解決在物聯(lián)網(wǎng)中運行的視頻分析應用中的問題。物聯(lián)網(wǎng)應用程序常見的一些工程難題是安全性、決策延遲、數(shù)據(jù)帶寬和計算能力。隨著數(shù)據(jù)傳輸?shù)南?，這些工程問題大大減少，這就是為什么節(jié)點分析對物聯(lián)網(wǎng)應用具有吸引力的原因。在視頻分析應用中，有限的對比度和對亮度的依賴是一個常見的難題。對數(shù)成像器幾乎消除了這種掙扎，這是視頻分析應用的關鍵?？傮w而言，在物聯(lián)網(wǎng)中運行的視頻分析應用程序通過節(jié)點分析和對數(shù)成像器得到了增強。

邊緣智能

通過根據(jù)預期的視覺事件處理數(shù)據(jù)，測量數(shù)據(jù)可以快速轉(zhuǎn)換為適當?shù)牟僮?，很少或根本沒有數(shù)據(jù)傳達給云服務器。這種對視頻數(shù)據(jù)的快速分析，而不是傳輸?shù)皆贫耍箾Q策過程本地化并改善了系統(tǒng)中的延遲。決策過程中的延遲不僅顯著減少，而且通過消除通常會引入攔截風險的數(shù)據(jù)傳輸，增強了安全性。

只有最有價值的信息需要連接到節(jié)點之外并連接到云中，以進行預測或行為處理。這種優(yōu)化的數(shù)據(jù)分區(qū)可最大限度地提高云價值，因為通常不需要視頻分析幀的全部帶寬。幀與幀之間的大多數(shù)視覺數(shù)據(jù)在固定安裝的相機上都是靜態(tài)的，可以在節(jié)點處進行過濾。邊緣節(jié)點視頻分析可以提供許多過濾解釋，以區(qū)分預期的對象類型：汽車、卡車、自行車、人、動物等。這種抽取會降低數(shù)據(jù)帶寬和相關的計算能力，否則云服務器內(nèi)部需要這些數(shù)據(jù)來分析下游傳輸?shù)囊曨l數(shù)據(jù)的完整幀速率。與云計算應用程序相比，帶寬的這種減少可能是兩到三個數(shù)量級的改進，這是節(jié)點分析提供的一項關鍵改進。

對數(shù)成像

通過用對數(shù)成像代替與傳統(tǒng)成像器相關的常見問題，可以進一步改進視頻分析應用。大多數(shù)傳統(tǒng)成像器是線性的，并使用像素產(chǎn)生作為光線性函數(shù)的電壓，這可能導致有限的對比度。線性成像器還利用均勻的曝光相位，將其動態(tài)范圍限制為幀速率內(nèi)的像素曝光時間。最后，傳統(tǒng)的成像器對比度取決于光度，這可能會引入與反射相關的對比度問題。通過使用產(chǎn)生作為光的對數(shù)函數(shù)的電壓的像素來替換對數(shù)成像器，可以消除這些常見問題。

一些傳統(tǒng)的成像儀難以解決與對比度相關的困難，這些困難阻礙了用戶完全捕獲其目標環(huán)境。這些對比度問題源于每個像素內(nèi)電壓產(chǎn)生的線性特性。線性成像像素內(nèi)產(chǎn)生的電壓與撞擊它的光子數(shù)量成正比;因此，與其對數(shù)對應物相比，動態(tài)范圍受到限制。與這些線性成像器相關的對比度降低是動態(tài)范圍減小的結(jié)果。這種降低的對比度可能會破壞物聯(lián)網(wǎng)應用程序中傳感器節(jié)點的分析，最終影響整體系統(tǒng)性能。對數(shù)成像器提供更寬范圍的光照水平，因此，由于像素電壓是對數(shù)產(chǎn)生的，因此增加了對比度。然而，這種增加的對比度導致對光的敏感性更高，這在某些應用中可能是不希望的效果。或者，這種對亮度的靈敏度提高可能是一個優(yōu)勢 - 這完全取決于應用。

使用傳統(tǒng)成像儀進行視頻捕獲可能會因陽光明媚或明亮環(huán)境中的反射而進一步阻礙。例如，當擋風玻璃上存在反射時，車輛中的面部識別可能會變得越來越困難。這種視頻捕獲的障礙可能會通過引入系統(tǒng)錯誤或丟失關鍵數(shù)據(jù)來對視頻分析產(chǎn)生負面影響。引入這些反射是因為像素之間的線性成像器對比度取決于光度;因此，反射更加突出。這種對光度的依賴性可以在等式1中觀察到?；蛘撸捎谄渥匀粚?shù)特性，對數(shù)成像器對比度與亮度無關，這有助于減輕光線的反射或突然變化。對數(shù)成像器的光度獨立性可以通過公式2觀察到。

超越單個組件

平臺級解決方案可幫助客戶快速部署經(jīng)過驗證的智能解決方案，以更低的系統(tǒng)成本提高性能。ADI公司正在與客戶合作開發(fā)獨特的系統(tǒng)級解決方案，以解決整個問題。ADIS1700x就是其中一種能夠進行四分之一視頻圖形陣列（QVGA）成像分析的解決方案。

ADIS1700x是一款QVGA分析成像儀模塊，外形小巧，具有對數(shù)靈敏度，結(jié)合數(shù)字信號處理功能，可優(yōu)化視頻性能。該模塊利用低功耗Blackfin處理器，除了用于圖像穩(wěn)定，傾斜和沖擊檢測的加速度計外，還提供了在節(jié)點上執(zhí)行分析的能力。它還利用內(nèi)置的邊緣檢測來跟蹤和計數(shù)物體運動。與傳統(tǒng)成像儀不同，每個14 μm×14 μm像素具有獨特的曝光相位。用于室外操作的保形涂層使該模塊適用于大規(guī)模部署，從而可以創(chuàng)建新興的智能城市和建筑應用。ADIS17001提供110°視場角（FOV）鏡頭，而ADIS17002提供67°視場角鏡頭。這兩個選項提供了多種目標應用，包括停車位監(jiān)控、停車違規(guī)執(zhí)法、交通隊列檢測和工業(yè)分析。

總體而言，物聯(lián)網(wǎng)中的視頻應用可以通過節(jié)點分析和對數(shù)成像器得到顯著改進。節(jié)點分析，而不是云計算，可以使物聯(lián)網(wǎng)應用程序向前發(fā)展。對數(shù)成像器具有其對應物無法比擬的優(yōu)勢，從而進一步改善了物聯(lián)網(wǎng)應用?？傊?，在物聯(lián)網(wǎng)中運行的視頻分析應用程序與節(jié)點分析和對數(shù)成像器相結(jié)合，構(gòu)成了一個強大的系統(tǒng)級解決方案。

審核編輯：郭婷