如何利用视觉处理器在可视门铃和智能零售设计中扩展边缘AI功能呢？

随着“边缘人工智能 (AI)” 的兴起，“在网络边缘拥有更高的智能性”也倍受讨论，拥有更高本地实时处理能力的好处就易被忽视，而这种处理无需依赖基于云的资源来运行 AI 模型。通过使我们日常交互的电子设备能够根据 AI 模型在现实世界中做出决策，我们可以提高其响应能力、安全性和整体效率。

当然，一些 AI 驱动型系统可能一直都需要基于云的资源。利用诸如人员和物体分类、异常检测和人体姿势估计等处理功能，可以大大增强许多低功耗应用，特别是那些具有一至两个摄像头的应用。然而，由于成本限制以及此类处理水平的功率要求，在低功耗应用中实现这些功能颇具挑战。

新的基于 Arm Cortex 的视觉处理器（例如 AM62A 处理器系列）可帮助设计人员在应用中扩展视觉和 AI 处理功能，从可视门铃到智能零售均受支持。

让我们深入探讨一下这些应用，了解扩展的视觉和 AI 功能可以实现哪些目标。

可视门铃中的 AI 摄像头

在可视门铃和家庭安防系统中，对窃贼或人员识别的延迟响应（有时甚至只是延迟一毫秒）都可能会造成生命或财产损失。

通过在本地分析实时视频数据，可视门铃能够更快、更可靠地响应，减少误报，也无需网络连接。但就以往经验而言，功率和尺寸限制因素限制了实现这种实时响应所需的 AI 处理水平。

AM62A 系列（包含AM62A3、AM62A7、AM62A3-Q1 和 AM62A7-Q1）可在 2W 至 3W 下运行，外形尺寸足够小，可在紧凑型可视门铃外壳中使用。可视门铃设计人员可以利用 AM62A 处理器 1 至 2 TOPS 的 AI 处理能力，在其设计中实现更高水平的人员和物体检测。

智能零售中的 AI 摄像头

智能零售，也称为“即拿即走零售”，是一种全新的购物体验，客户可以选择购买的商品，然后自助结帐离开商店，无需向收银员付款。

管理类似体验的基于视觉的系统依赖于对象检测派生的 AI 模型以及条形码扫描仪，来识别客户放入购物篮以及最终在离开商店时购买的商品。

智能零售应用通过本地数据处理来缩短交易时的响应时间并提升数据安全性。在本地运行 AI 模型无需到云资源的网络连接，由于数据不在外部传输，限制了未经授权访问该数据的可能性，因而可以提升数据安全性。

与可视门铃类似，功耗是智能零售 AI 摄像头的主要设计挑战，尤其是考虑到高帧速率视频分析。借助 AM62A 处理器高度集成的高能效片上系统架构，可以释放智能零售摄像头的本地 AI 处理能力。这些处理器通过其集成的 AI 硬件加速器，即使是水果和蔬菜等非标准表面，也能实现物体分类、异常检测、方向检测和条形码识别。

结语

在边缘拥有更高的智能性可以提升实时响应能力和人机交互的可靠性。虽然我在本文中仅重点介绍了两种应用，但受益于本地运行 AI 数据模型的电子产品范围日益变广。借助高度集成的高性能视觉处理器，这一转变将成为可能，我们的世界也将变得更加智能。

审核编辑：刘清