如何利用AI的CPU和GPU技术实现精准图像抓拍全流程

当CPU和GPU像人脑一样快速处理信息时，它们眼中的世界是怎样的？要让机器精准识别关键信息，第一步其实是靠图像传感器来“看见”世界。在ASPENCORE举办的2021年中国IC领袖峰会上，思特威副总经理欧阳坚分享了图像传感器在机器视觉领域的最新应用，讲了不少干货。

图像传感器在机器视觉领域的应用

AI+IoT时代，越来越多的机器视觉应用要求智能终端能精准、快速地采集和处理信息。图像传感器就像机器的“眼睛”，让机器拥有了感知时间的能力。

CPU和GPU的处理能力远超人体极限。现在很多图像处理都靠AI芯片来完成，关键是能否抓拍到高速运动物体不变形的图像。机器运转时帧速率可达每秒500到1000帧，人眼根本来不及分辨每一帧，但机器却能瞬间识别物体并做出快速自动化操作。再比如家用扫地机器人，能智能避开障碍物，背后靠的就是机器视觉技术对房间布局的精准判断。

复杂环境下的人脸支付，对图像处理的精细度要求极高，必须确保安全性。智能车载领域——无论是ADAS、行车记录还是高速智能交通监管——都对车辆监控和抓拍提出了很大需求。这些应用都对图像处理技术提出了挑战，而思特威的Global shutter传感器和SmartGS®系列就是针对这些场景推出的方案。

适用高速运动场景的Global shutter系列传感器

欧阳坚介绍说，最初Global shutter传感器的应用场景并不多，逻辑很简单：用来抓拍高速运动的物体。所以最早主要用在智能避障上。但随着合作伙伴和生态链的应用案例越来越多，这个系列拓展出了新场景，比如智能教育领域的翻译笔。

现在Global shutter系列最大的应用场景是无人机。无人机高速运转时，操作不当就可能撞上障碍物甚至“炸机”。从去年开始，一家头部无人机的全系列产品都标配了智能避障功能，而里面的避障传感器大部分来自思特威。

除了避障，Global shutter传感器还用于公共安全领域，比如驾驶员智能管理系统DMS，监测疲劳驾驶或分心。欧阳坚补充说：“现在的无人机通常用双目方案，但无人机有前后左右上下八个方向，至少需要八个传感器。一台高端无人机甚至标配12个带智能全局曝光的传感器，应用领域非常宽。”

Global shutter全局曝光技术的优势很明显。普通CIS在高速运动场景中采用Rolling shutter逐行扫描再拼接，会有时延，出现果冻效应，成图变形。机器视觉AI芯片无法正确识别这种图片，更别说识别里面的文字。而Global shutter全局曝光的两大特点是：第一，能高速抓拍运动物体，无形变、无拖尾；第二，基于BSI（背照式）工艺。欧阳坚自豪地提到：“感光效果好的智能手机图像传感器一般都基于BSI工艺，但全局曝光和BSI工艺融合难度很大。目前我们是全球率先实现基于BSI工艺全局曝光技术的公司之一，友商大多基于FSI（前照式）工艺。”

适用于交通领域的SmartGS®高速摄像头

欧阳坚还展示了SmartGS®高速摄像头在山路场景中的抓拍效果。80到90米外就能清楚看到车牌细节，人脸识别也能抓取所有信息。如果不用全局曝光，快速抓拍的效果会打折扣。用SmartGS®拍出的视频，16倍慢放时汽车车轮都没有形变。视频里任何一帧提取出来交给机器视觉和AI识别，都不会误判。

夜间拍照经常遇到明暗交替的环境，这就要求传感器噪声控制足够好、感光度足够高——把不需要的噪声滤掉，同时感受足够多的光线，让亮的场景不过曝，暗的场景保留细节。

交通领域的红绿灯是高频闪烁的LED灯，不对频率做处理的话，抓拍到的信息会残缺不全。欧阳坚介绍，思特威的产品能针对不同区域做不同程度的曝光和中央处理，实现分区处理的效果。

SmartGS®高速摄像头还支持多车道抓拍，能显著降低系统成本。欧阳坚透露：“友商的同类摄像机可能只支持单车道抓拍，整个系统成本会非常高。”他还提到，该产品在昨天（3月17日）刚正式发布，马上就会进入量产阶段。

此外，思特威还有多种HDR解决方案。欧阳坚说：“这些方案能避免红绿灯过曝，帮助机器快速识别物体。这是过去半年推出的最新技术，未来我们会研发新一代产品，提供更高分辨率、更高像素的方案。”

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：如何利用AI的CPU和GPU技术实现精准图像抓拍全流程要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题