嵌入式视觉的“钱”图已经兴起了

如果要评选出过去十年间高科技领域发展最快的技术，嵌入式视觉一定榜上有名。我们无需去援引市场调研数据来印证这个判断，因为今天身边那些层出不穷的嵌入式视觉用例，我们随便就能信手拈来。比如：

站在ATM机前，只需“刷脸”我们就可以取钱，人脸识别渐成身份识别主流；

我们的爱车已经装备越来越多的摄像头，辅助驾驶员感知周围的环境，向无人驾驶王国迈进；

家庭中，安防监控探头已成标配，开发者正在考虑给智能冰箱等其他家电加装视觉功能；

如影随形的手机，其摄像头除了拍照还在衍生出许多新玩法，比如AR游戏；

当你走进无人便利店，数以百计的摄像头就开始记录和分析你的一举一动，它们可能比你还了解自己想要什么……

可以说，每一个摄像头的背后都会有一个嵌入式视觉系统在不知疲倦地观察和分析着这个世界。

所谓“嵌入式视觉”，顾名思义，就是在嵌入式系统中实现计算机视觉功能和应用。之所以在过去十年中嵌入式视觉的应用版图不断扩张，很大程度上得益于处理器技术的发展，使得人们能够从硬件中获得足够的算力，让在嵌入式情景下运行复杂的视觉算法成为可能。

不过，现实中的嵌入式视觉系统设计开发还是会遇到诸多挑战，比如功耗、尺寸、成本等等。而其中最大的一个挑战在于，嵌入式应用的碎片化，使得嵌入式视觉的具体需求千差万别，而其对应的视觉处理算法也没有统一标准可循，且往往会随时间变化而变化。开发者通常也喜欢不断优化那些算法，让自己的方案获得差异化的竞争优势。

这种“不确定性”，对于嵌入式处理器厂商来说，倒是一个不错的机会，因为在没有一统天下的霸主之前，谁都有获利的空间。这也造就了目前嵌入式视觉领域，硬件处理器架构“百花齐放”的格局。而对于开发者来说，在嵌入式视觉处理器的选择上，则需要更周全的考量，以选择一款最适合自己的方案。

图1，安富利基于Nuvoton系统级芯片N32926的网络摄像机平台方案，外形小、成本低，非常适合中国监控市场大批量需求

专用ASIC/ASSP视觉处理芯片，由于可以将软件算法固化在硬件电路上，所以在性能上优势明显，如果有足够的出货量，性价比也会让别人望尘莫及。但其“短板”也十分明显——灵活性不够——面对“善变”的嵌入式视觉应用，无论是在开发周期还是研发成本上，难免会不适应。所以除非是一些成熟和放量的应用，嵌入式视觉开发者在是否采用ASIC/ASSP上，大都持谨慎的态度。

通用处理器，作为嵌入式视觉可选的另一种硬件架构，与ASIC/ASSP不同，它是通过编程在统一的硬件架构上去跑不同的软件算法，因此具有极大的灵活性，且系统架构简单，便于开发。而且由于有比较完善的生态系统的支持，很多算法移植到通用处理器上会比较方便。不过视觉算法通常要使用大量的数据，通用处理器中存储器带宽会成为性能瓶颈，无法适应这种大数据流的处理，所以虽然通用处理器技术在不断提升，但从架构上并不适合性能要求高的嵌入式视觉应用。

GPU和DSP，会被开发者用来弥补通用处理器在视觉处理“专业性”上的局限。比如GPU凭借在并行计算上的出色能力，在3D图形处理上优势明显。而且，GPU和DSP也都可以编程，运行不同算法，因此也具有灵活性。但是GPU和DSP还是比较有“个性”的器件，虽然专长突出，但难于独立构成完整的视觉处理器系统，往往还需要整合通用CPU、协处理器等其他硬件电路，组成复杂的异构处理系统，这无疑让开发难度大大增加。

作为这种异构处理系统的代表，手机等智能终端上使用的移动应用处理器（AP）就是一个典型的例子。它们通常包括必要的视觉处理硬件资源，在外型和能效上做了很多优化，以适应电池供电便携设备的要求，而且有较强的软件开发平台支持，我们也能看到一些嵌入式视觉方案和产品采用了移动AP的套片做设计，但是由于AP中集成的一些专业协处理器是无法进行编程了，这必然会限制其在嵌入式视觉应用空间上的扩展。

对于希望兼顾嵌入式视觉系统性能和灵活性的开发者，一种特殊的视觉处理架构值得关注，这就是——FPGA SoC，比如Xilinx公司推出的Zynq平台。

这是一种包括嵌入式CPU（PS）和可编程逻辑（PL）在内的异构处理器系统，它对于开发者的意义在于，他们可以根据具体视觉处理应用的需要，将不同的任务分配给PS和PL完成——比如，将像素级的、性能要求较高的工作交给PL，而由PS去完成那些非关键的、系统级的处理工作——由此，可以达到最优的效果，在性能、功耗等方面实现令用户满意的均衡。而且，FPGA厂商也在不断推出配套的开发工具、软件和算法库，去抹平开发者使用这种新型处理架构时的“门槛”。

总之，不论是过去的十年，还是未来的十年，嵌入式视觉都是一个值得我们去投资和关注的领域。吃透一个应用场景，选对合适的嵌入式数据额处理技术方案，“钱”图应该差不了。

图2，安富利推出的基于Xilinx FPGA SoC器件的MicroZed嵌入式视觉开发套件