本文摘要：对数光学和节点分析人组用于节点分析和对数光学器可改良物联网(IoT)中的视频分析应用于。视频分析应用于企图利用日常世界中非常丰富的信息资源，出于几个原因考量。还包括日常监控的人脸识别，但大部分原因集中于在预测分析和不道德分析上。 这些应用于中搜集到的信息可通过云计算展开更高端的普遍处置。然而，深度处置有其局限性，并且可以通过往人组中减少节点分析和对数光学器在很多方面加以改进。通过往人组中减少节点分析，减低与云之间的通信，可以改良数据分析。

对数光学和节点分析人组用于节点分析和对数光学器可改良物联网(IoT)中的视频分析应用于。视频分析应用于企图利用日常世界中非常丰富的信息资源，出于几个原因考量。还包括日常监控的人脸识别，但大部分原因集中于在预测分析和不道德分析上。

这些应用于中搜集到的信息可通过云计算展开更高端的普遍处置。然而，深度处置有其局限性，并且可以通过往人组中减少节点分析和对数光学器在很多方面加以改进。通过往人组中减少节点分析，减低与云之间的通信，可以改良数据分析。

云计算的比特率市场需求比节点分析应用于多出两个（如果不是三个）数量级。因此，节点分析的计算能力拒绝更加较低，并可增加延后。人口稠密的市场、交通恐慌的地区以及城市停车场都是一些环境错综复杂的地方，可用于节点分析展开检测，以展开预测和不道德分析。

在云中对这些环境展开高级处置有助制订业务策略，纾缓交通流量，并可提升政府管理的停车场的效率。然而，在传感器节点处使用低端软件，而不是继续执行云分析，可改良这些场景的延后、比特率、安全性和功耗。除了节点处构建智能化，往人组中减少对数光学器对于传统光学器不符合要求的领域也具备优势，从而强化系统功能。

除了增加对亮度变化的依赖性，对数光学器还获取更高的图像处理动态范围。例如：在阴影、镜片、光线变异以及高对比度场景中，对数光学器的展现出都高于传统光学器。

在视频应用于中，这些问题的解决问题不利于数据捕猎，从而强化节点的分析能力。通过提升数据捕猎能力，整个视频分析应用于都可获得明显改良。

节点分析技术和对数光学器构建的改良有助解决问题物联网中的视频分析应用于问题。安全性、决策制定延后、数据比特率和计算能力是物联网应用于中少见的一些工程难题。通过增加数据传输可大大减少这些工程问题，而这也是节点分析对物联网应用于具备吸引力的原因。

在视频分析应用于中，受限的对比度和亮度依赖性是必须联合解决问题的难题。对数光学器是视频分析应用于的关键，完全可以解决问题这一难题。总的来说，用于节点分析技术和对数光学器可强化物联网中的视频分析应用于。智能边缘通过处置基于预期视觉事件的数据，可很快地将测量数据切换为必要的动作，不用向云服务器传输任何数据，或传输少量数据。

对视频数据展开较慢分析，而不是将其记至云，可在本地作出决策，从而改良系统的延后性。通过增加传输具备截击风险的数据，不仅需要显著增加决策延后，而且安全性也以求提升。只有最有价值的信息必须传输至节点之外的云中，以展开预测或不道德处置。

经过优化的数据区分可充分发挥云价值，因为一般来说不必须仅有比特率的视频分析帧。在相同加装的摄像机上，帧与帧之间的大部分可用数据为静态数据，并可在节点展开滤波处置。边缘节点视频分析可获取多种滤波理解来区分各种预期的对象类型：汽车、卡车、自行车、人类和动物等。这种提取操作者增加了云服务器上所须要的数据比特率和涉及的计算能力，而如果要分析下游发送到的全帧速率视频数据，则不会闲置大量的数据比特率和计算能力。

与云计算应用于比起，这种比特率的增加可实现两个或三个数量级的改良，而这是节点分析技术构建的一个关键性能改良。对数光学通过更换为对数光学技术可解决问题与传统光学器涉及的常见问题，从而更进一步改良视频分析应用于。

大多数传统光学器都是线性光学器，其用于像素分解的电压作为光的线性函数，而此类像素则不会造成受限的对比度。线性光学器还利用统一的曝光振幅，容许了其相对于帧速率范围内像素曝光时间的动态范围。最后，传统光学器的对比度各不相同亮度，从而有可能造成镜片涉及的对比度问题。通过替换成对数光学器可消除这些少见的问题，对数光学器用于像素分解的电压作为光的对数函数。

传统光学器与对数光学器之间的区别请求参看图1、2和3。图1.传统的图像曝光图2.ADIS17002对数图像曝光图3.用于内置边缘检测技术的ADIS17002对数图像曝光一些传统的光学器在希望解决问题妨碍用户全面捕猎其目标环境数据的对比度涉及问题。

这些对比度问题源自每个像素中分解电压的线性特性。线性光学像素中分解的电压与太阳光的光子数成正比；因此，与对数光学比起，其动态范围是受限的。

减少与这些线性光学器涉及的对比度就意味著增大动态范围。对比度减少不会对物联网应用于中传感器节点的分析产生有利影响，最后影响系统的整体性能。对数光学器获取更加普遍的亮度级范围，从而减少因对数分解的像素电压产生的对比度。

然而，对比度的减少造成更高的感光性，这在有些应用于中有可能并不是希望的效果。或者，感光性的提升也有可能是一种优势，明确各不相同应用于。

阳光充足或暗淡环境下产生的镜片可能会更进一步妨碍用于传统光学器展开视频捕猎。例如：当挡风玻璃上不存在镜片时，汽车内部的人脸识别就不会显得益发艰难。

这种视频捕猎障碍不会将错误引进系统或遗失最重要数据，从而对视频分析产生有利影响。由于线性光学器像素之间的对比度各不相同亮度，所以不会产生镜片；因此，线性光学器的镜片更为引人注目。这种对亮度的依赖性闻等式1。

另外，对数光学器的对比度则由于其本身的对数特性而与亮度牵涉到，从而有助增加镜片或光线的变异。对数光学器与亮度牵涉到的特性闻等式2。

打破单个组件的研发为了获取平台级解决方案，ADI公司开始打破单个组件的研发；这些解决方案可协助客户较慢部署经过检验的智能解决方案，以更加较低的系统成本构建更高的性能。智能应用于始自精确可信的数据，通过ADI先进设备的检测和测量功能可取得此类数据。

此外，ADI还与客户合作，共同开发需要解决问题所有问题的独有系统级解决方案。ADIS1700x是其中一种解决方案，它需要构建四分之一的视频图形阵列(QVGA)光学分析。图4.功能框图ADIS1700x是一个小尺寸且具备对数敏感性的QVGA分析光学器模块，具备需要优化视频性能的数字信号处理功能。

除了用作图像平稳、弯曲和冲击检测的加速度计，该模块还使用低功耗Blackfin处理器展开节点分析。此外，它还使用内置边缘检测技术追踪和计算出来对象运动。与传统光学器有所不同的是，对数光学器的每个14μm×14μm像素都具备一个独一无二的曝光振幅。针对室外操作者的保形涂层使其十分限于于大规模部署，从而可创立新兴智能城市和建筑应用于。

ADIS17001配有110°视场(FOV)镜头，而ADIS17002则配有67°FOV镜头。这两个选项限于于各种目标应用于，还包括停车场监控、行驶违章执法人员、车流长度检测和工业分析。

图5.ADIS17002：对角方向（左）、电路板镜头外侧俯瞰（中）和背侧（右）总的来说，用于节点分析技术和对数光学器可明显改良物联网领域的视频应用于，这也是ADI公司与ADIS1700x模块产品一起发售的方法。节点分析而不是云计算不利于物联网应用于的发展。对数光学器具有其竞争产品无法媲美的优势，可更进一步改良物联网应用于。

总之，物联网领域的视频分析应用于与节点分析技术和对数光学器结合，联合包含一个鲁棒的系统级解决方案。

本文来源：南宫28圈官网-www.kubernetek.com