【導讀】計算機發展迅猛，在追求性能的同時，計算機視覺也經受著考驗，計算機視覺時代的到來直接影響著硬件性能的極限，本文就叫你如何破除計算機視覺給硬件性能造成的沖擊。詳細介紹了工程師的應對策略。
計算機視覺更進一步接近人類視覺
新的計算機視覺時代降臨，促使增強現實和全息成像等先進技術從臺式電腦環境步入移動和嵌入式平臺，同時也使得包括CPU和GPU在內的現有硬件面臨性能極限的考驗。
隨著開發人員在智能手機、平板電腦、可穿戴產品、監控裝置和聯網汽車中不斷增加新的多媒體功能，在當下的設計中，CPU和GPU是處理密集型圖像算法的主要承載平臺。然而，在實現一些諸如雙攝相頭、低光照拍攝和快速自動對焦等創新功能時，OEM廠商和開發人員也不得不作出一些妥協。
這種趨勢挑戰了，甚至超越了并非設計用于處理密集型圖像算法的CPU和GPU的極限，其中一個影響就是使得產品的功耗過高，并最終縮短了電池續航時間。實際上，嵌入式CPU和GPU也都必需具有極低的功耗，并針對其主要任務高度優化。這個設計難題的最終解決方案，就是一個具有通用性構架并專門為無縫處理圖像和智能視覺功能而專門設計的處理器IP。
新相機時代
有兩個用例可展示消費電子產品中相機數目和圖像處理量是如何快速增加的，第一個例子是據悉至少具有6個攝像頭的 微軟HoloLens 增強現實頭盔。
第二個例子是增加了CMOS傳感器數量來實現更精巧相機功能的華為榮耀 6+ 智能手機。這款手機在其正面有一個8百萬像素攝像頭，而在其背面則使用兩個8百萬像素攝像頭以實現雙攝功能。
圖1: 增加相機數目構成專用視覺處理器的案例
視覺處理器剖析來自 CEVA Inc.的全新圖像處理器就是這樣的一種平臺，用于在system-on-chip芯片(SoC)設計中，為CPU和GPU分擔處理密集型的圖像增強、計算圖像學和計算機視覺算法。CEVA-XM4可以實現類似人的視覺感知能力，用于智能手機、平板電腦、汽車安全和信息娛樂、機器人、安防監控、增強現實和無人機等廣泛的圖像應用。
圖2: CEVA-XM4面向多個目標市場
CEVA-XM4是CEVA公司的第四代圖像和視覺處理器IP，繼承了CEVA與十多家CEVA-MM3101授權廠商和合作伙伴共同工作所累積的專業知識與經驗。同時，CEVA-XM4是一個全新設計的完全可編程處理器，以期滿足最嚴苛的圖像處理和計算機視覺應用的需求。CEVA將一個具有定點和浮點處理能力的可編程大位寬矢量處理架構、多個對稱標量單元，以及一個專門為視覺處理設計的低功耗指令集集成進XM4，達到比前代CEVA-MM3101多達8倍的性能提升和2.5倍的功耗改進。
[page]
視覺處理器vs移動GPU
與包括業界領先的移動GPU在內的各種競爭解決方案相比，XM4智能視覺處理器在單位功耗（每mW）性能和單位芯片面積（每mm2 ）性能兩個方面都有突出的表現。與市場上一個公認的最為先進的移動GPU比較，在目標物體檢測與跟蹤應用中，CEVA-XM4內核完成相同任務的功耗只是競爭解決方案的大約10%，而芯片面積大約只需5%。而且，與移動GPU(如下圖2所示) 比較多鐘特定算法，顯示 XM4和移動GPU之間存在20倍的巨大功耗效率優勢。
圖3：CEVA-XM4 與移動GPU功耗效率對比——越高越好
CEVA-XM4圖像IP廣泛適用于三個視覺領域：圖像采集、圖像處理和視覺感知。圖像采集包括3D視覺、圖像降噪和深度圖生成等功能。圖像處理則與計算圖像學功能相關，例如圖像穩定、低光照圖像增強、圖像縮放、多幀和多傳感器超分辯率合成。最后，視覺感知能夠執行目標物體識別與追蹤、視頻分析、增強現實和用于自然用戶界面（NUI）的人臉、手勢和情緒識別等功能。
圖4: CEVA-XM4支持的視覺領域
CNN時代的XM4XM4視覺處理器支持的算法包括實時3D深度圖生成、用于3D掃描的點云處理以及目標與圖像識別，范圍包括Haar、LBP和ORB，直至卷積神經網絡(CNN, DNN)等神經網絡技術的深度學習算法。此外，XM4對計算圖像學算法的支持包括重對焦、背景替換、圖像縮放、圖像穩定、HDR、圖像降噪和低光照圖像增強功能。
相關閱讀：
簡述GPU作用原理及對比分析CPU和DSP
揭秘新iPad八核GPU內部結構，如何比iPhone 6強？
頂尖工程師分享：FPGA的GPU原型優化設計方案
