3 智能摄像头应用场景

智能摄像头和计算机视觉的应用涵盖工业、汽车、消费和公共安全等多个领域。应用的要求和限制取决于应用场景，许多应用场景都涉及通过网络向云服务器报告事件（如安全漏洞或入侵）。在边缘进行计算可降低对网络的影响，但这些应用通常仍需要视频编码器（例如 H.265），以便在需要上传视频数据时限制带宽使用。

选择合适的图像传感器（例如摄像头）对于开发稳健的智能系统至关重要。关键参数包括分辨率、帧速率、位深度、像素大小等。家用安防摄像头可能使用 5MP 传感器，由滚动快门每秒提供 30 帧 (fps)，而收费道路的基础设施摄像头可能需要 2MP、60fps 和全局快门，以便捕获快速移动的车辆的车牌，机器视觉摄像头可能需要 2MP 灰阶、90fps 和全局快门，以识别沿装配线快速移动的零件上的缺陷。图像传感器可以包括图像传感器处理器 (ISP)，在内部将图像预处理为 JPEG 或 YUV 等典型格式。但是，许多传感器并不包含 ISP，以降低传感器成本，还可自由选择外部 ISP，它比传感器内的 ISP 更易于进行微调。选择集成了 ISP 的处理器（如 AM6xA 系列中的处理器）可提供外部 ISP 的优势，同时简化 PCB 设计、降低 BOM 成本、缩短端到端延迟并减少 DDR 使用。

由于计算机视觉和机器学习的复杂性，应用的计算要求也各不相同。物体或关键点检测可识别人员或车辆等特定物体及其位置，相比之下，像图像分类这样的机器学习任务所需的资源较少。像素级分割等更复杂的任务需要更多的资源，因为每个像素都将被归类为对象或区域的一部分，例如 ADAS 应用中车道检测算法的当前车道。某些应用可能需要多种模型。提高分辨率也会显著提高处理要求。AM6xA 处理器包含深度学习加速硬件，可减轻这些计算密集型任务的负担。

表 3-1 列出了适用于 AM62A 的终端设备，以及所需规格/特性的范围（最低摄像头分辨率、FPS 范围、低中高 ML 复杂性、视频编码/解码）。