對數成像和節點分析的混合

通過使用節點分析和對數成像器，可以改進在物聯網 （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生活中的豐富信息。這些原因的范圍從面部識別到日常監控，但大多數都集中在預測和行為分析上。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廣泛處理。然而，深度處理有其局限性，可以通過添加節點分析和對數成像器在許多方面進行改進。

通過將節點分析添加到組合中，可以通過消除與云的通信來改進數據分析。云計算需要比節點分析應用程序多兩個甚至三個數量級的帶寬。因此，節點分析消耗的計算能力要少得多，延遲也會減少。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，可以使用節點分析進行預測和行為分析。在云中對這些環境進行高級處理可以推進業務戰略，轉移一般交通流量，并提高政府管理的停車位的效率。但是，通過在傳感器節點上實施較低級別的軟件而不是在云中執行分析，可以在這些情況下改善延遲、帶寬、安全性和功耗。

除了節點的智能之外，將對數成像儀添加到組合中可以通過在傳統成像器不足的領域提供優勢來增強這些系統。對數成像器除了減少對亮度變化的依賴外，還為圖像處理提供了更高的動態范圍。例如，陰影、反射、光線的突然變化和高對比度場景是對數成像儀可以優于傳統成像儀的領域。在視頻應用程序中解決這些問題可以增強數據捕獲，從而加強節點的分析。通過改進數據捕獲，可以顯著改進整體視頻分析應用程序。

節點分析和對數成像器提供的改進可以幫助解決在物聯網中運行的視頻分析應用程序的問題。物聯網應用常見的一些工程困難是安全性、決策延遲、數據帶寬和計算能力。通過消除數據傳輸，這些工程問題大大減少，這就是為什么節點分析對物聯網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常見的難題。對數成像儀幾乎消除了這種掙扎，這是視頻分析應用的關鍵。總體而言，在物聯網中運行的視頻分析應用程序通過節點分析和對數成像器得到了增強。

邊緣智能

通過根據預期的視覺事件處理數據，測量數據可以快速轉換為適當的操作，而很少或沒有數據傳達到云服務器。這種對視頻數據的快速分析，而不是傳輸到云端，可以本地化決策過程并改善系統中的延遲。決策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據傳輸來提高安全性。

只有最有價值的信息需要連接到節點之外并連接到云中進行預測或行為處理。這種優化的數據分區可最大化云價值，因為通常不需要視頻分析幀的完整帶寬。幀與幀之間的大多數視覺數據在固定安裝的相機上是靜態的，可以在節點上過濾。邊緣節點視頻分析可以提供許多過濾解釋，以區分預期的對象類型：汽車、卡車、自行車、人類、動物等。這種抽取減少了數據帶寬和相關計算能力，否則云服務器需要這些數據帶寬和計算能力來分析下游傳輸的視頻數據的全幀速率。與云計算應用程序相比，帶寬的這種減少可以提高兩到三個數量級，這是節點分析提供的關鍵改進。

對數成像

通過替代對數成像來解決與傳統成像儀相關的常見問題，可以進一步改進視頻分析應用。大多數傳統成像器都是線性的，并且使用像素來產生電壓，該電壓是光的線性函數，這可能導致有限的對比度。線性成像儀還利用均勻的曝光相位，將其動態范圍限制在幀速率內的像素曝光時間。最后，傳統的成像儀對比度取決于亮度，這可能會引入與反射相關的對比度問題。通過使用產生光對數函數的電壓的像素來替換對數成像器，消除了這些常見問題。

一些傳統的成像儀難以應對與對比度相關的困難，這些困難阻礙了用戶完全捕獲目標環境。這些對比度問題源于每個像素內電壓產生的線性特性。線性成像像素內產生的電壓與撞擊它的光子量成正比;因此，與對數對應物相比，動態范圍受到限制。與這些線性成像器相關的對比度降低是動態范圍減小的結果。這種降低的對比度可能會破壞物聯網應用中傳感器節點的分析，最終影響整體系統性能。對數成像儀提供更寬范圍的光照水平，因此，由于像素電壓是對數產生的，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，這種對亮度的敏感性增加可能是一個優勢——這完全取決于應用。

在陽光明媚或明亮的環境中，使用傳統成像儀拍攝的視頻可能會受到反射的進一步阻礙。例如，當擋風玻璃上存在反射時，車輛中的面部識別會變得越來越困難。這種視頻捕獲的障礙可能會在系統中引入錯誤或丟失關鍵數據，從而對視頻分析產生負面影響。引入這些反射是因為像素之間的線性成像儀對比度取決于亮度;因此，反射更加突出。這種對光度的依賴性可以在公式1中觀察到。或者，對數成像儀對比度與亮度無關，因為它具有自然的對數特性，有助于減輕反射或光線的突然變化。對數成像器的光度獨立性可以通過公式2來觀察。

超越單個組件

ADI公司超越了單個組件，以提供平臺級解決方案;這些解決方案可幫助客戶快速部署經過驗證的智能解決方案，以更低的系統成本提高性能。智能應用始于可靠、準確的數據，這些數據由ADI先進的檢測和測量功能實現。此外，ADI公司正在與客戶合作開發獨特的系統級解決方案，以解決整個問題。ADIS1700x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。

圖4.功能框圖。

ADIS1700x是一款QVGA分析成像器模塊，外形小巧，具有對數靈敏度，結合數字信號處理功能，可優化視頻性能。該模塊利用低功耗Blackfin處理器提供在節點上執行分析的能力，以及用于圖像穩定、傾斜和沖擊檢測的加速度計。它還利用內置的邊緣檢測來跟蹤和計數物體運動。與傳統成像儀不同，每個 14 μm × 14 μm 像素具有獨特的曝光相位。用于戶外操作的保形涂層使其成為大規模部署的完美模塊，允許創建新興的智能城市和建筑應用。ADIS17001提供110°視場（FOV）鏡頭，而ADIS17002提供67°視場（FOV）鏡頭。這兩個選項提供了多種目標應用，包括停車位監控、停車違規執法、交通隊列檢測和工業分析。

圖5.ADIS17002的角度（左），電路板的鏡頭側上方（中）和背面（右）。

總體而言，通過節點分析和對數成像器可以顯著改善物聯網中的視頻應用，這是ADI公司在發布ADIS1700x時采用的方法。節點分析，而不是云計算，可以使物聯網應用程序向前發展。對數成像儀具有同類產品無法比擬的優勢，進一步改善了物聯網應用。總之，在物聯網中運行的視頻分析應用程序與節點分析和對數成像儀相結合，構成了一個強大的系統級解決方案。

審核編輯：郭婷