工控嵌入式系统技术解析揭秘视觉处理器的常见难题
Synopsys即将发布其DesignWare嵌入式视觉（EV）处理器系列产品，包括高性能的EV52和EV54视觉处理器，这些处理器结合了软件解决方案的灵活性与专用硬件的低成本、低功耗特性。
嵌入式视觉是指将计算机视觉技术集成到系统级芯片（SoC）中，以实现视频帧中的目标识别和手势监测，并在检测到对象或手势时进行适当响应。
实现嵌入式视觉所需关键支撑因素包括计算机视觉技术已在实验室存在60年的历史，但直至近年微处理器性能足以将其整合进SoC；以及随着工艺节点的推进和优化处理器架构，如ARC等，功耗得到了显著降低。
DesignWare EV52和EV54处理器旨在满足不断增长的市场需求，应用范围广泛，包括视频监控、安防、手势识别、对象监测跟踪及分类等领域，以及摄像头、可穿戴设备、家庭自动化等多个行业。
视觉处理需要特殊设计的处理器，因为传统通用处理器虽然可以运行这些算法，但缺乏复杂数算资源，而图形处理单元虽然有运算资源却无法高效移动数据。专为此类任务设计的人工智能加速引擎能够提供所需复杂数值运算能力并且具有精细数据迁移能力，同时还能满足低功耗要求。
与其他可编程解决方案相比，DesignWare EV系列独有的优势在于它既提供了灵活性的编程，又包含了一个性能极佳的手势识别引擎，使得用户可以根据具体应用对该系列产品进行全面编程，并享受必要时硬件加速带来的效益。此外，其功耗仅为其他解决方案的一半左右，即使是在目标与手势识别应用中也表现出色。
客户从使用DesignWare EV嵌入式视觉过程中能够获得更高性能、高精度目标监测、高效率（比竞争产品少五倍）、高度灵活可编程功能以及基于业界标准OpenCV和OpenVX工具支持，从而提高生产力并减轻开发负担。
卷积神经网络（CNN）模拟人类大脑如何通过分解图像来找寻训练过去辨认特定物体或行为模式。它们已经被用于各种高端应用中，如人脸识别系统，以超越人类专家的准确性达95%以上，是目前最有效的计算机视觉方法之一。最近Nvidia, CEVA, Microsoft, Google等公司都提出了基于CNN的人工智能技术，将其用于更多场景，如面部验证或车辆追踪系统上下文中的自动驾驶汽车之类的地方，它们不仅速度快，而且精度惊人地接近甚至超过人类专家水平。