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(yīng)用程序。出于多種原因，視頻分析應(yīng)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(yīng)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(yīng)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(wù)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(lǐng)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(lǐng)域。在視頻應(yīng)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(yīng)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(yīng)用中的問題。物聯(lián)網(wǎng)應(yīng)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@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(yīng)用具有吸引力的原因。在視頻分析應(yīng)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(yīng)用的關(guān)鍵。總體而言，在物聯(lián)網(wǎng)中運行的視頻分析應(yīng)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)牟僮鳎苌倩蚋緵]有數(shù)據(jù)傳達給云服務(wù)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(guān)的計算能力，否則云服務(wù)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(yīng)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(guān)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(guān)的常見問題，可以進一步改進視頻分析應(yīng)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(guān)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(guān)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(yīng)物相比，動態(tài)范圍受到限制。與這些線性成像器相關(guān)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(yīng)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(yīng)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(yīng)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(guān)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。或者，由于其自然對數(shù)特性，對數(shù)成像器對比度與亮度無關(guān)，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(yīng)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(yīng)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(yīng)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(yīng)用程序向前發(fā)展。對數(shù)成像器具有其對應(yīng)物無法比擬的優(yōu)勢，從而進一步改善了物聯(lián)網(wǎng)應(yīng)用。總之，在物聯(lián)網(wǎng)中運行的視頻分析應(yīng)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