但隨著連接到云端的傳感器數(shù)量日益增加，對(duì)網(wǎng)絡(luò)帶寬、云端儲(chǔ)存和數(shù)據(jù)處理的系統(tǒng)要求也迅速提高；位于邊緣的智能處理可以減少發(fā)送到中央服務(wù)器的數(shù)據(jù)量，增加傳感器本身的決策量。這可以在提升系統(tǒng)可靠性的同時(shí)，減少?zèng)Q策延遲和網(wǎng)絡(luò)成本；人們最不愿意看到的，應(yīng)該就是當(dāng)服務(wù)器停止工作，傳感器會(huì)無(wú)法檢測(cè)物體和做出決策。

 

邊緣智能和連接

 

毫米波（mmWave）傳感器通過(guò)兩種方式實(shí)現(xiàn)邊緣智能。首先毫米波可提供距離、速度和角度等獨(dú)特的數(shù)據(jù)集，同時(shí)具有反射不同目標(biāo)的能力，這使傳感器能夠探測(cè)所需范圍內(nèi)不同物體的特征。例如速度數(shù)據(jù)可使傳感器看到微多普勒效應(yīng)（micro-Doppler）──來(lái)自微小運(yùn)動(dòng)的調(diào)變效應(yīng)──其包含目標(biāo)物件的典型特征，例如自行車(chē)車(chē)輪的旋轉(zhuǎn)輻條、行人搖擺的手臂或者動(dòng)物奔跑的四肢；系統(tǒng)可以使用該數(shù)據(jù)來(lái)分類(lèi)和識(shí)別傳感器視野中的各種物件類(lèi)型。

 

減少錯(cuò)誤檢測(cè)

 

其次，毫米波傳感器通過(guò)芯片上處理實(shí)現(xiàn)邊緣智能；內(nèi)含微控制器和數(shù)字信號(hào)處理器（DSP）的傳感器能夠執(zhí)行初級(jí)雷達(dá)處理（low-level radar processing），以及特征檢測(cè)和分類(lèi)。

 

圖1：用于長(zhǎng)距離室外入侵探測(cè)器的芯片上過(guò)濾范例

 

圖1顯示了在一項(xiàng)安防應(yīng)用中，使用芯片上智能算法在50公尺室外入侵探測(cè)器的一項(xiàng)實(shí)驗(yàn)結(jié)果。入侵探測(cè)器用于確定是否有人進(jìn)入受保護(hù)區(qū)域，例如貨運(yùn)場(chǎng)、停車(chē)場(chǎng)或后院。一些仰賴光學(xué)或紅外線感測(cè)的探測(cè)器，可能會(huì)檢測(cè)到附近樹(shù)木和灌木的錯(cuò)誤運(yùn)動(dòng)。而毫米波傳感器使用處理和算法來(lái)濾除和防止錯(cuò)誤的檢測(cè)，僅在人體運(yùn)動(dòng)時(shí)觸發(fā)探測(cè)器。安防攝影機(jī)和可視門(mén)鈴（video doorbells）可以通過(guò)聯(lián)網(wǎng)服務(wù)器處理圖像信息，執(zhí)行相同的錯(cuò)誤檢測(cè)過(guò)濾；但這些基于服務(wù)器的系統(tǒng)所提供的功能通常需要使用者付費(fèi)，毫米波技術(shù)則可實(shí)現(xiàn)在傳感器本身進(jìn)行決策，無(wú)需聯(lián)網(wǎng)服務(wù)器。

 

圖2顯示了使用毫米波技術(shù)的入侵探測(cè)；毫米波傳感器分析場(chǎng)景中物件的速度，過(guò)濾出移動(dòng)背景中的運(yùn)動(dòng)，僅追蹤人物。

 

圖2：來(lái)自室外入侵應(yīng)用的動(dòng)畫(huà)點(diǎn)云，黑點(diǎn)表示移動(dòng)的物件，包括人、樹(shù)木、灌木；該算法將人顯示為綠色，同時(shí)過(guò)濾掉其它移動(dòng)物件

 

圖3顯示了行走的人和擺頭風(fēng)扇的微多普勒特征差異；一旦識(shí)別出區(qū)分兩個(gè)物件的正確特征，分類(lèi)器就會(huì)在設(shè)備上即時(shí)進(jìn)行區(qū)分。

 

 

圖3：兩張圖顯示了行走的人和擺頭風(fēng)扇隨時(shí)間推移的微多普勒信息

 

圖4顯示了芯片上處理如何使毫米波傳感器根據(jù)其特征即時(shí)識(shí)別目標(biāo)并進(jìn)行分類(lèi)；這些特征可以是根據(jù)尺寸、反射率、微多普勒效應(yīng)或是其它特征，并且可以幫助識(shí)別典型的行為，以辨別不同的移動(dòng)物件。例如分類(lèi)功能可在室內(nèi)或室外保全應(yīng)用中識(shí)別人和動(dòng)物，在家庭自動(dòng)化系統(tǒng)中區(qū)分兒童和成人，或確定人在限制區(qū)域內(nèi)是跑步還是行走。

 

圖4：使用毫米波傳感器執(zhí)行分類(lèi)的范例：中間圖上所有移動(dòng)目標(biāo)都分配了一個(gè)軌道，其中的每個(gè)彩色區(qū)域代表一個(gè)人

 

邊緣處理和智能可以成為強(qiáng)大的工具，有助于提高物聯(lián)網(wǎng)傳感器、網(wǎng)絡(luò)的品質(zhì)和穩(wěn)健性。具有整合處理功能的毫米波傳感器，能夠在邊緣實(shí)現(xiàn)智能，通過(guò)對(duì)物件進(jìn)行過(guò)濾和分類(lèi)，更智能地識(shí)別場(chǎng)景中發(fā)生的事情并即時(shí)做出決策，從而解決錯(cuò)誤檢測(cè)問(wèn)題。

 

來(lái)源：德州儀器