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 (视觉怎么做)

{本文由家电维修技术小编收集整理资料}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*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*头的应用。然而，由于成本*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AMA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。观看*“让边缘AI的嵌入式未来成为可能”，了解德州仪器(TI)如何在边缘AI应用中实现高级AI分析和实时响应能力。可视门铃中的AI*头在可视门铃和家庭*中（如图1所示），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。

整理分享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 (视觉怎么做)，希望有所帮助，仅作参考，欢迎阅读内容。

内容相关其他词:利用视觉特征设计的产品,视觉可选用的途径和形式,视觉处理的步骤,利用视觉错觉的图片,如何在视觉结构的引导下进行视觉艺术欣赏,视觉运用,视觉处理的步骤,视觉运用,内容如对您有帮助，希望把内容链接给更多的朋友！

图1：可视门铃运行的人员和物体识别演示通过在本地分析实时*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*因素*了实现这种实时响应所需的AI处理水平。AMA系列（包含AMA3、AMA7、AMA3-Q1和AMA7-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AMA处理器1至2TOPS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。阅读技术*“使用高能效AMA处理器的边缘AI智能*头”，了解有关在可视门铃中实现AI处理的更多信息。智能零售中的AI*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*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（如图2所示）。

图2：AI*头使用AI模型监控智能零售商店中的客户活动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，*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*头的主要设计挑战，尤其是考虑到高帧速率*分析。借助AMA处理器高度集成的高能效片上*架构，可以释放智能零售*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。免责声明：本文为转载文章，转载此文目的在于传递更多信息，版权归原作者所有。本文所用*、图片、文字如涉及作品版权问题，请联系小编进行处理。推荐阅读：ZLMS应用--快速驱动永磁同步电机风机使用分立半导体器件的热管理设计英特尔王锐：立足算力创新，释放数字经济潜能如何优化MCUSPI驱动程序以实现高ADC吞吐速率电池快速充电指南——第1部分