深入介绍智能相机市场、终端设备嵌入神经网络加速器日益增长的需求

对于关注该行业的人来讲，将人工智能集成到终端设备中的做法是非常值得注意的，就像几年前宣传的“云”就是一切，这似乎是一个永远不会消失的流行词，当时我们有充分的理由：将部分计算操作转移到外部设备上，可以更加有效且成本更低的去完成很多操作，现在市场上有大量的成熟的云服务提供商，因此选择也有很多。那么一切就到此为止了吗？为什么我们还要讨论将部分操作重新放到终端设备中来实现呢？这难道不是一种倒退吗？难道我们不能够依靠云来实现一切吗？

带宽，隐私，延迟

事实上并没有那么简单，很多应用必须连接到云服务才能够正常工作，这会产生大量的数据并且需求更高的带宽，这就给网络带来了巨大的压力，尤其是有时我们并不需要所有数据（举个例子，为什么要发送空白图片？），这些操作放在源头就进行处理要更有效的多。

其次就是隐私问题，“黑客”这个词可能有些老套，使用“hackneyed”吧，我们的智能语音设备和智能相机会采集大量的数据，这些数据是私密且敏感的。将数据放在本地进行处理，只将需要的数据发送给云端，这样就可以避免别人窃取的风险。

即使采用低延迟的5G通信技术，对于需要实时做出决策的设备来讲，依靠云服务是不实际的，这会带来不可接受的延迟：如果你的无人机要飞过一段拥挤的环境，它需要立刻能判断出障碍物并躲避，如果不能的话无人机就无法按正常的速度飞行，当前还有一个经典的案例：自动驾驶汽车；这很容易理解，当有人突然走到车前方的时候，汽车不能等待来自云端可能存在或不存在的通信回复，它需要立即做出决策。

模式观察者

在网络研讨会上我们列举智能相机中AI应用的一些案例，这让我想起其他一些有趣的可能性和应用场景。似乎没有什么能阻止AI进入我们生活中的每一个领域，甚至有可能某一天AI能够写博客（毫无疑问有人会争论这是否是一种进步）。

目前已经有一些公司比如路透社（Reuters）在AI新闻领域进行了重大的投资，推出的工具称为Lynx Insight，支持关键词搜索。AI不会写新闻报道，而是通过搜集大量的数据，发现一些不寻常或有趣的信息，然后将这些信息提供给记者——比如指出股票价格出现大幅波动、或者某个特定市场出现其他变化。毕竟神经网络比人类能够更快的发现某种模式发生的变化，但是只有人类才能够解释哪些是重要的。

谈到智能相机领域，有很多有趣的应用案例，涉及多个领域，包括商业和消费领域。

从很早开始就可以让摄像头帮助我们做一些想做的事情，比如识别车辆牌照，下一步可能是让摄像头能够自动识别整个车辆，甚至包括车内的乘客——这对于机场的安全保障是理想的选择，当然现在借助智能相机分析系统已经能够从人群中识别出某个人了，比如中国警方逮捕犯罪嫌疑人的案例。

智能相机系统还具有识别废弃包裹的能力——当某个包裹被放置在某个地方，怀疑可能是丢弃物时就能够被识别出来——在繁忙的公共场所（比如机场）这种识别能力对于安防是非常有利的。

提升购物体验

零售分析是另一个重要的领域，比如亚马逊的无人商店（没有服务人员，商品也不是免费的），来此购物的客人可以拿起他们想要的商品就走出商店，摄像头会识别出每一个人的身份，然后自动对他们购买的商品进行收费。

在中国有一些快餐店借助摄像头系统来根据顾客的年龄和性别给出菜单建议，还有一些系统可以根据消费者的移动轨迹来优化店面的布局。甚至还可以识别出VIP或高消费顾客，然后为他们提供更好的个人服务。突然之间《少数派报告》中关于个人广告的场景似乎就不那么牵强了。

保持警惕

即使你在车内也无法逃脱摄像头的监测，事实上驾驶舱内的摄像头只会越来越多，在ADAS系统中起到重要的作用，尤其是对驾驶员的监控。凝视跟踪功能用来确保驾驶员是清醒的，并且关注前方道路，如果驾驶员喝醉了使得汽车无法正常行驶或者开启了自动驾驶模式，如果安全的话，它还能够通过评估驾驶员的注意力实现自动驾驶模式和驾驶员控制模式两者之间的灵活转换。

然后是家，对于很多人来讲，在家中增添一些智能化的系统将会带来更好的体验。

随着这项技术变得越来越便宜，越来越多的人会习惯在家中安装摄像头，从而可以确保安全和安静的家居环境。然而现在的一些功能相对还是比较原始的，当它们探测到异常运动时，会向我们发出警报，但是相机本身或者更确切的说支持它的软件系统并不知道发生了什么。新一代的摄像头系统将能够识别家庭成员，并且做一些“聪明的事情”，比如当有人回家或离开时会发送通知、当孩子乱跑时会发出警报！我们还将看到人工智能应用到更多方面，你可以用声音来询问某个特定的事件，软件系统会给你展示当时的图像。例如你可以说“如果孩子们四点之前不在家请通知我。”

然而正如这篇评论里所证明的，这一系列的人工智能真正发挥作用还为时尚早，可能需要几周的时间来学习某人的脸部特征并提供有用的信息，你还必须为云服务支付大笔的费用才能让这些“智能”真正工作起来，放在本地来处理这些操作不是更好吗？虽然这样会切断云服务提供商的一些收入来源，但是如果大部分处理操作能够在本地完成那么将会更加的高效，而且从带宽和功耗的角度来看也会节省时间和成本。

像Google Clip这样的AI摄像头得到了褒贬不一的评价，但是对于这项技术下结论还为时尚早。

我们还有其他设备，比如Amazon Look，它借助摄像头来帮助你分析穿着并通过机器学习给你提供建议。此外还有一种集成了人工智能的剪辑相机，它可以识别你或你的家人正在做哪些有趣的事情，并能够完全自动的进行拍照：从字面上看它就是一台人工智能相机，同样这篇评论中指出它并不是很好用，但这只是一个开始：随着更好、更快、更节能的设计以及算法和技术的改进，能够取得更好的应用成果肯定是迟早的事情。

提升，增强

神经网络有很多创造性的功能可以应用，它们现在能够识别图片中人和物体已经是很自然的事情了，拍过猫或者狗的照片吗？在你的手机照片应用搜索栏输入猫或者狗，看看会显示什么。虽然我们手机的相机功能越来越好，对光线越来越敏感而且有更好的处理性能，但是一些Apps比如Phancer会将拍的普通照片提升到数码单反的水平——这就会带来更多的摄影欺骗，比如现在很多高端相机借助神经网络提供假的散影效果等。

总结

很明显神经网络在终端设备（尤其是摄像头）上的应用非常的广泛，但是这项技术还处于早期阶段，Imagination对于这个即将到来的时代已经做好了准备，PowerVR Series 2NX硬件加速器是这类解决方案的理想选择，能够提供强有力的性能并且保持较低的功耗，想了解更多相关信息一定要去看看我们举办的网络研讨会，并且关注我们定期发布的Series2NX架构系列和最新推出的两个处理内核（PowerVR AX2185和PowerVR AX2145）的博客。