誰說攝像頭一定要用電？這款AI攝像頭用燈光！

1954年,美國安培(Ampex)公司推出了世界上第一臺實用型攝像機,由此開創了圖像記錄的新紀元。經過幾十年的發展,攝像機已取得了巨大的發展,成像效果從黑色變爲了彩色,普通的槍機變成了一體機,標清像素變爲了高清像素,從非智能到智能。

現實生活中,攝像頭的身影隨處可見,地鐵、辦公樓、電梯、商城等場所都有安裝,已然成爲安防領域的網紅單品。

(地鐵區域監控探頭)

攝像頭應用廣泛,但也存在短板,像辦公大樓或者商城裡的監控攝像頭,一是在早期安裝過程中,考慮到佈線開槽,部署會非常複雜麻煩,施工週期也長。二是一旦遭遇停電,只能淪爲一個擺設,喪失拍攝的能力,使安防出現漏洞,嚴重的還會造成財物損失。

如今,這個問題正在被我們國家的一家科技公司-飛英思特科技努力攻克,該公司的技術人員正在應用一種新技術——可用於微能量供能的輕量化深度學習框架。並結合環境取能技術,讓攝像頭在無傳統有線電源的環境下永久在線工作,且具備聯網和數據處理的能力。

(自供能AI攝像頭)

能達到這樣的成果,主要歸功於這款AI攝像頭顛覆性的供電模式,雖然不像家用智能攝像頭那樣有強電提供能耗,但它對電路進行了大量優化,將設備本身功耗降到了一個超低的數字。然後利用頂部的光能採集板,來收集環境中的燈光和微光能,並將這些能量轉化爲電能爲攝像頭供電,僅需微瓦級能量就可正常工作。若按照一顆功率爲3W功耗的家用LED燈泡來舉例,這款AI攝像頭的運行功耗僅佔燈泡的百分之一,低至25mw,而靜態功耗更是僅佔三十萬分之一,低於10uw。

(自供能AI攝像頭)

除了能實現自供能,這款AI攝像頭還和車站、地鐵等場所的攝像頭一樣,具備人工智能計算的能力,可在邊緣端對拍到的圖像進行識別並上傳到雲端。要知道,哪怕是家用的智能攝像頭,由於需要聯網和上傳數據,所需功耗也較高,那這款AI攝像頭憑什麼在如此低的功耗環境下,還能和有高功耗支撐的智能攝像頭匹敵呢?

針對這個難題,飛英思特科技對輕量化算法優化,綜合模型量化、剪枝以及模型蒸餾等技術,極大地降低了軟件算力的功耗需求,成功讓低功耗邊緣設備實現了邊緣人工智能計算。

據悉,飛英思特曾與交通領域機構深度探討過這項技術在智慧交通上的應用,傳統的交通道口是機械式的紅綠燈放行處理,一旦遭遇小高峰,就需要人工介入疏導交通。而憑藉這款AI攝像頭部署的便捷性及深度計算的能力,可快速部署到各個道口,不用開槽佈線,擠壓交通要道。而另一方面,AI攝像頭將會對道口交通情況進行監測,並將圖像數據上傳至後臺的智慧交通管理系統,爲疏導車流做出指令,初步估計,使用這套設備之後,可降低30%的交通擁堵壓力。

目前,這款AI攝像頭的像素已達到200萬,技術人員正在攻破500萬像素,一旦成功,將達到超清級別的成像畫質。預計未來這個像素值還會繼續提高。這意味着,它的視力將會越來越好,爲更多場景提供服務。

(200萬像素的AI攝像頭實拍,間隔距離5m)

綜合來看,這項技術的誕生,給攝像頭領域乃至傳統設備帶來了無窮的想象空間,不用電且具備深度計算能力的設備將不再受場景限制,任意部署到各個地方,爲城市數字化升級、工業數字化轉型提供支撐。