對數(shù)成像和節(jié)點分析組合
使用節(jié)點分析和對數(shù)成像器可改進物聯(lián)網(wǎng)(IoT)中的視頻分析應用。視頻分析應用試圖利用日常世界中豐富的信息資源，出于幾個原因考量。包括日常監(jiān)控的人臉識別，但大部分原因集中在預測分析和行為分析上。這些應用中收集到的信息可通過云計算進行更高端的廣泛處理。然而，深度處理有其局限性，并且可以通過往組合中增加節(jié)點分析和對數(shù)成像器在很多方面加以改進。
通過往組合中增加節(jié)點分析，減輕與云之間的通信，可以改進數(shù)據(jù)分析。云計算的帶寬需求比節(jié)點分析應用多出兩個（如果不是三個）數(shù)量級。因此，節(jié)點分析的計算能力要求更低，并可減少延遲。人口稠密的市場、交通混亂的地區(qū)以及城市停車場都是一些環(huán)境錯綜復雜的地方，可使用節(jié)點分析進行檢測，以進行預測和行為分析。在云中對這些環(huán)境進行高級處理有助于制定業(yè)務策略，疏導交通流量，并可提高政府管理的停車場的效率。然而，在傳感器節(jié)點處采用低端軟件，而不是執(zhí)行云分析，可改進這些場景的延遲、帶寬、安全和功耗。
除了節(jié)點處實現(xiàn)智能化，往組合中增加對數(shù)成像器對于傳統(tǒng)成像器不符合要求的領域也具有優(yōu)勢，從而增強系統(tǒng)功能。除了減少對亮度變化的依賴性，對數(shù)成像器還提供更高的圖像處理動態(tài)范圍。例如：在陰影、反光、光線突變以及高對比度場景中，對數(shù)成像器的表現(xiàn)都優(yōu)于傳統(tǒng)成像器。在視頻應用中，這些問題的解決有利于數(shù)據(jù)捕捉，從而加強節(jié)點的分析能力。通過提高數(shù)據(jù)捕捉能力，整個視頻分析應用都可得到顯著改進。
節(jié)點分析技術和對數(shù)成像器實現(xiàn)的改進有助于解決物聯(lián)網(wǎng)中的視頻分析應用問題。安全、決策制定延遲、數(shù)據(jù)帶寬和計算能力是物聯(lián)網(wǎng)應用中常見的一些工程難題。通過減少數(shù)據(jù)傳輸可大大減少這些工程問題，而這也是節(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，有限的對比度和亮度依賴性是需要共同解決的難題。對數(shù)成像器是視頻分析應用的關鍵，幾乎可以解決這一難題。總的來說，使用節(jié)點分析技術和對數(shù)成像器可增強物聯(lián)網(wǎng)中的視頻分析應用。
智能邊緣
通過處理基于預期視覺事件的數(shù)據(jù)，可迅速地將測量數(shù)據(jù)轉換為適當?shù)膭幼鳎槐叵蛟品掌鱾鬏斎魏螖?shù)據(jù)，或傳輸少量數(shù)據(jù)。對視頻數(shù)據(jù)進行快速分析，而不是將其傳至云，可在本地做出決策，從而改進系統(tǒng)的延遲性。通過減少傳輸具有攔截風險的數(shù)據(jù)，不僅能夠明顯減少決策延遲，而且安全性也得以提高。
只有最有價值的信息需要傳輸至節(jié)點之外的云中，以進行預測或行為處理。經(jīng)過優(yōu)化的數(shù)據(jù)劃分可充分發(fā)揮云價值，因為通常不需要全帶寬的視頻分析幀。在固定安裝的攝像機上，幀與幀之間的大部分可視數(shù)據(jù)為靜態(tài)數(shù)據(jù)，并可在節(jié)點進行濾波處理。邊緣節(jié)點視頻分析可提供多種濾波解讀來區(qū)分各種預期的對象類型：汽車、卡車、自行車、人類和動物等。這種抽取操作減少了云服務器上所需的數(shù)據(jù)帶寬和相關的計算能力，而如果要分析下游發(fā)送的全幀速率視頻數(shù)據(jù)，則會占用大量的數(shù)據(jù)帶寬和計算能力。與云計算應用相比，這種帶寬的減少可實現(xiàn)兩個或三個數(shù)量級的改進，而這是節(jié)點分析技術實現(xiàn)的一個關鍵性能改進。
對數(shù)成像
通過替換為對數(shù)成像技術可解決與傳統(tǒng)成像器相關的常見問題，從而進一步改進視頻分析應用。大多數(shù)傳統(tǒng)成像器都是線性成像器，其使用像素生成的電壓作為光的線性函數(shù)，而此類像素則會導致有限的對比度。線性成像器還利用統(tǒng)一的曝光相位，限制了其相對于幀速率范圍內(nèi)像素曝光時間的動態(tài)范圍。最后，傳統(tǒng)成像器的對比度取決于亮度，從而可能導致反光相關的對比度問題。通過替換成對數(shù)成像器可消除這些常見的問題，對數(shù)成像器使用像素生成的電壓作為光的對數(shù)函數(shù)。傳統(tǒng)成像器與對數(shù)成像器之間的區(qū)別請參見圖1、2和3。
圖1. 傳統(tǒng)的圖像曝光
圖2. ADIS17002對數(shù)圖像曝光
圖3. 使用內(nèi)置邊緣檢測技術的ADIS17002對數(shù)圖像曝光
一些傳統(tǒng)的成像器在努力解決阻礙用戶全面捕捉其目標環(huán)境數(shù)據(jù)的對比度相關問題。這些對比度問題源于每個像素中生成電壓的線性特性。線性成像像素中生成的電壓與照射的光子數(shù)成正比；因此，與對數(shù)成像相比，其動態(tài)范圍是有限的。降低與這些線性成像器相關的對比度就意味著縮小動態(tài)范圍。對比度降低會對物聯(lián)網(wǎng)應用中傳感器節(jié)點的分析產(chǎn)生不利影響，最終影響系統(tǒng)的整體性能。對數(shù)成像器提供更廣泛的亮度級范圍，從而增加因?qū)?shù)生成的像素電壓產(chǎn)生的對比度。然而，對比度的增加導致更高的感光性，這在有些應用中可能并不是期望的效果。或者，感光性 的提高也可能是一種優(yōu)勢，具體取決于應用。
陽光充足或明亮環(huán)境下產(chǎn)生的反光可能會進一步阻礙使用傳統(tǒng)成像器進行視頻捕捉。例如：當擋風玻璃上存在反光時，汽車內(nèi)部的人臉識別就會變得益發(fā)困難。這種視頻捕捉障礙會將錯誤引入系統(tǒng)或丟失重要數(shù)據(jù)，從而對視頻分析產(chǎn)生不利影響。由于線性成像器像素之間的對比度取決于亮度，所以會產(chǎn)生反光；因此，線性成像器的反光更加突出。這種對亮度的依賴性見等式1。另外，對數(shù)成像器的對比度則由于其本身的對數(shù)特性而與亮度無關，從而有助于減少反光或光線的突變。對數(shù)成像器與亮度無關的特性見等式2。
超越單個組件的研發(fā)
為了提供平臺級解決方案，ADI公司開始超越單個組件的研發(fā)；這些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)成本實現(xiàn)更高的性能。智能應用始于準確可靠的數(shù)據(jù)，通過ADI先進的檢測和測量功能可獲得此類數(shù)據(jù)。此外，ADI還與客戶合作，共同開發(fā)能夠解決所有問題的獨特系統(tǒng)級解決方案。ADIS1700x是其中一種解決方案，它能夠?qū)崿F(xiàn)四分之一的視頻圖形陣列(QVGA)成像分析。
圖4. 功能框圖
ADIS1700x是一個小尺寸且具有對數(shù)敏感性的QVGA分析成像器模塊，具有能夠優(yōu)化視頻性能的數(shù)字信號處理功能。除了用于圖像穩(wěn)定、傾斜和沖擊檢測的加速度計，該模塊還采用低功耗Blackfin處理器進行節(jié)點分析。此外，它還采用內(nèi)置邊緣檢測技術跟蹤和計算對象運動。與傳統(tǒng)成像器不同的是，對數(shù)成像器的每個14 μm × 14 μm像素都具有一個獨一無二的曝光相位。針對室外操作的保形涂層使其非常適用于大規(guī)模部署，從而可創(chuàng)建新興智能城市和建筑應用。ADIS17001 配備110°視場(FOV)鏡頭，而ADIS17002則配備67°FOV鏡頭。這兩個選項適用于各種目標應用，包括停車場監(jiān)控、停車違章執(zhí)法、車流長度檢測和工業(yè)分析。
圖5. ADIS17002：對角方向（左）、電路板鏡頭側俯視（中）和背側（右）
總的來說，使用節(jié)點分析技術和對數(shù)成像器可顯著改進物聯(lián)網(wǎng)領域的視頻應用，這也是ADI公司與ADIS1700x模塊產(chǎn)品一起推出的方法。節(jié)點分析而不是云計算有利于物聯(lián)網(wǎng)應用的發(fā)展。對數(shù)成像器具有其競爭產(chǎn)品無法匹敵的優(yōu)勢，可更進一步改進物聯(lián)網(wǎng)應用。總之，物聯(lián)網(wǎng)領域的視頻分析應用與節(jié)點分析技術和對數(shù)成像器相結合，共同構成一個魯棒的系統(tǒng)級解決方案。
