导读
近日，新加坡国立大学（NUS）的研究团队开发出一种新型芯片“EQSCALE”，它能以极低的功耗，从视频帧中捕捉视觉细节，比现有最佳的芯片功耗低20倍，电池电量消耗也降低了20倍，并可将智能视觉系统的尺寸缩小至毫米范围。
背景
视觉特征提取是任何计算机视觉系统的基础，它常用于自动检测、分类和追踪视觉场景中的物体。视频特征提取器则是通过智能摄像头捕捉视觉细节，并将它们转变为小很多的兴趣点和边的集合，以便未来进一步分析。视频特征提取器需要连续地处理每一帧，从而定义出智能视觉系统的最小功率，并使系统尺寸最小化。
之前，用于特征提取的最尖端芯片的功耗范围是毫瓦到几百毫瓦，分别是智能手表和智能手机的平均功耗。为了保持长久操作，设备需要通过太阳能电池或者自然空间中的光线供电。
（图片来源：AMOLF）
然而，这种设备需要的太阳能电池尺寸是厘米级或者更大的，因此成为这种视觉系统小型化的关键限制性因素。如要要将系统裁剪到毫米级，那么就需要使得功耗远低于1毫瓦。
创新
近日，新加坡国立大学（NUS）的研究团队开发出一种新型芯片“EQSCALE”，它能以极低的功耗，从视频帧中捕捉视觉细节。这种视频特征提取器比最佳的现有芯片的功耗低20倍，因此消耗的电池电量也减少了20倍，并可将智能视觉系统的尺寸缩小至毫米范围。例如，它可以持续地利用毫米级的太阳能电池供电，而无需更换电池。
（图片来源：NUS）
NUS 工学院电气与计算机工程系副教授 Massimo Alioto 领导的团队展开了这项科研探索。
技术
NUS工程团队的芯片：EQSCALE，能够以0.2毫瓦的功率持续进行特征提取，它比现有技术的功耗低20倍。它将转变为智能视觉系统小型化方面的主要进展。这种新型特征提取器每一侧都小于一毫米，并可以通过尺寸只有几毫米的太阳能电池供电。
Alioto 副教授解释道：“这项技术突破是通过能量品质按比例调整实现的，它在能耗和提取特征的品质之间进行权衡调整。它模拟了人类观察视觉场景时关注程度的动态变化，根据手头任务的细节和品质水平处理它。甚至在由于目标品质退化引发大量的兴趣点丢失的情况下，能量品质按比例调整也可以纠正对于物体的识别。”
价值
Alioto 副教授表示：“IoT是一波快速增长的技术浪潮，它使用大规模分布式传感器，让我们的环境变得更加智能和以人为本。长生命周期的视觉电子系统目前对于IoT来说不可行，因为它们的高功耗和大尺寸。我们团队通过微型EQSCALE芯片应对这些挑战，并且展示了这种无处不在和永远在线的摄像头是可行的。我们希望这项新性能将加速在IoT中嵌入视觉感知能力，以及实现新加坡的智能国家视觉。”
这项技术标志着朝着开发具有几乎无限生命周期的毫米级的智能摄像头迈出了主要一步，也为经济合算的物联网（IoT）应用铺平了道路，这些应用包括：在机场和关键设施中无处不在的安全监控设备、建筑能量管理、工作场所安全和老人护理。
未来
EQSCALE 是朝着开发未来可以演示无限期操作的毫米级系统的目标，迈出的关键性一步。NUS研究团队正在深入研究开发小型化的计算机视觉系统，这种系统包括通过微芯片组成的具有视觉能力的小型摄像头，以及理解视觉场景的机器学习系统。
NUS 研究的最终目标就是使得应用于广域和无处不在的视觉监测的大规模分布式视觉系统变得可能，大大超越传统的摄像头。
关键字
物联网、摄像头、芯片
参考资料
【1】http://news.nus.edu.sg/press-releases/EQSCALE-vision-processing-microchip