415
試想這樣的場景，在你進入公司或是回家時，只需面對鏡頭進行人臉識別，大門就會自動打開，而無需刷射頻卡或是進行任何的接觸性操作。如果系統(tǒng)檢測到未經(jīng)注冊的陌生人員，自動發(fā)出信號聯(lián)系前臺或家主請求和確認訪問許可。
當你從超市回家后，將剛買到的新鮮蔬菜放入冰箱，冰箱自動識別了你從超市購買的蔬菜，并自動開始計算保鮮時間，在蔬菜變質(zhì)前及時提醒你盡快食用。
在工廠里，無需過多的操作員對每一套機臺進行操作，當系統(tǒng)識別到原料到達指定位置后，便自動開始工作。在系統(tǒng)工作的過程中，如果檢測到異物進入，系統(tǒng)自動發(fā)出警報，通知監(jiān)控人員進行停機檢查。
以上這些場景來自于恩智浦虛擬技術展廳，作為恩智浦描繪的未來城市樣本中的幾個例子，如今已然越來越多的應用于現(xiàn)實生活。實際上，自從物聯(lián)網(wǎng)（IoT）出現(xiàn)以來，全球智能互聯(lián)設備的數(shù)量逐年增長，已達數(shù)十億量級水平。無論是樓宇自動化系統(tǒng)，或是智能家庭系統(tǒng)的建立，還是工業(yè)4.0背景下智慧工廠的升級和改造，機器學習正不斷地改善人類的生活與生產(chǎn)活動的效率。
智慧安防需要人工智能
人工智能系統(tǒng)正不斷地滲透生活和生產(chǎn)的各個方面，以達到通過讓機器和設備獲取圖像和聲音，并自主開展行為。在談論智慧安防時，人工智能的重要意義更為凸顯。正如開頭所列舉的一樣，人工智能正運用于在家居與辦公場景的門禁控制，以及工廠自動化的運作和異常檢測等場景下。而在這些應用中不難發(fā)現(xiàn)，需求的痛點主要在對于圖像的檢測，識別與篩選能力上，因為采用傳統(tǒng)人工的方式進行檢測的工作無疑是費時費力的。
傳統(tǒng)的機器學習往往依賴云端進行信息的處理，并與邊緣設備進行信息的交換，這些設備傳輸TB級的海量數(shù)據(jù)，實現(xiàn)基于人工智能的云計算。而隨著物聯(lián)網(wǎng)規(guī)模越來越大，云端傳輸?shù)臄?shù)據(jù)量的增長遠遠超過了基礎設施的建設，為了能夠在更多安防設備上實現(xiàn)人工智能的應用，基于安全性，實時性的需求，基于邊緣設備的機器學習也正悄然興起，擔負起讓邊緣設備節(jié)點變得更智能的責任，減少對于云端網(wǎng)絡的依賴，同時由于對信息的處理更加靠近數(shù)據(jù)源的位置，針對一些安防，監(jiān)控等應用中所需的識別需求，邊緣的機器學習往往能夠作出更為快速的反應。
機器學習的普及之路
人工智能的開發(fā)涉及一系列的工作，因此在過去，機器學習、深度學習和神經(jīng)網(wǎng)絡應用一直是數(shù)據(jù)科學家和人工智能專家的開發(fā)領域。而隨著在諸如智慧安防等領域人工智能應用的普及，這種情況正在逐漸改變。
主流半導體廠擔負著讓邊緣設備變得更智能，讓人工智能應用的開發(fā)變得更簡便的任務，同時也需要軟硬件的共同配合。硬件方面，諸如恩智浦i.MX RT跨界MCU等產(chǎn)品順應趨勢，保持低功耗，低開發(fā)難度的前提下，性能表現(xiàn)較過往的傳統(tǒng)MCU產(chǎn)品有極大的提升，如今已然可以滿足一定的邊緣計算需求，而性能更強大的處理器產(chǎn)品，如恩智浦i.MX 8M系列等，則更適合具備高清圖形顯示和動畫，音頻等進一步處理需求的設備。而在軟件方面，無論選擇了何種性能水平的處理器和控制器產(chǎn)品，由于需要人工智能的系統(tǒng)越來越多，且需求越來越本地化，對開發(fā)工具的簡單上手和輕松開發(fā)的需求從未像現(xiàn)在這樣強烈。
在這樣的需求下，一些為機器學習應用專門設計的開發(fā)工具漸漸進入了工程師的視野，譬如恩智浦的eIQ（“edge intelligence”）機器學習開發(fā)環(huán)境，通過提供一組綜合工作流程工具、推理引擎、神經(jīng)網(wǎng)絡(NN)編譯器、經(jīng)過優(yōu)化的庫和技術，幫助簡化并加快機器學習開發(fā)。eIQ適合各種技能水平的用戶，從第一次接觸深度學習項目的嵌入式開發(fā)人員，到重點研究高級目標識別、分類、異常檢測或語音識別解決方案的專家，eIQ都可以助力開發(fā)。
實現(xiàn)人人可用，助力智慧安防普及
在今年的第三季度伊始，恩智浦eIQ工具迎來重大的升級。最為顯著的變化就是新增了基于圖形用戶界面（GUI）的eIQ Portal，即使是人工智能領域的新手，也可以簡單上手進行開發(fā)。作為一套界面友好的上位機軟件，eIQ Portal能夠讓用戶在恩智浦的MCU/MPU平臺上進行開發(fā)，訓練，驗證和部署神經(jīng)網(wǎng)絡。
eIQ支持自備數(shù)據(jù)和自備模型兩種工作流程。自備數(shù)據(jù)的工作模式方便用戶通過將自有數(shù)據(jù)集導入，并支持數(shù)據(jù)集增廣，基于eIQ自帶的預設的模型進行訓練，并支持模型的驗證，最終部署到設備。eIQ內(nèi)置的模型對于分類和檢測的機器學習應用提供了全功能的支持，并且可以讓用戶自主選擇更偏重運行速度或是更偏重精度的模型風格。這一系列選擇都通過直白的GUI界面呈現(xiàn)給用戶。而自備模型的工作模式使用戶將自行訓練完成的模型通過Model Tool進行裝載和轉(zhuǎn)換，從而部署到設備中。
模型的訓練和優(yōu)化方面，eIQ同樣提供了可視化界面，用圖表的形式呈現(xiàn)模型的精度表現(xiàn)。
?
模型部署方面，eIQ支持多種推理引擎，如DeepViewRT?，TensorFlow?Lite, TensorFlow Lite Micro, Glow和Arm NN。
恩智浦同時也提供了例程，幫助用戶在短短幾十分鐘時間內(nèi)就可以完成基于神經(jīng)網(wǎng)絡，訓練模型，并且完成轉(zhuǎn)換，最終部署到設備中。譬如針對i.MX RT平臺的例程，可以從相應產(chǎn)品的MCXpresso SDK中獲取。如下圖所示，利用恩智浦所提供的例程，基于跨界MCU平臺，模型就能夠快速實現(xiàn)對攝像頭所捕捉到的圖像進行分辨。在智慧安防中，配合相應的指令，輕松實現(xiàn)異常檢測，或是一些常規(guī)自動化的行為。
?
利用eIQ機器學習軟件工具開發(fā)的應用，無論是通過云端處理復雜的圖像信息，還是通過邊緣計算快速針對突發(fā)事件作出反應，能夠助力智慧安防系統(tǒng)更高效的工作，保障生產(chǎn)流程的順利，家庭生活的平安。
