文/Jeff Bier，EVA创始人

在过去五年中，用于嵌入式计算机视觉应用的处理器和传感器的技术格局发生了显著变化，预计在未来五年中，这种巨大变化将会继续发生。             

在市场快速增长的推动下，用于嵌入式视觉领域的处理器和传感器，实现了速度惊人的快速创新。例如，根据Tractica的预测，从现在到2025年，用于计算机视觉的硬件、软件和服务的年收入将以每年25%的速度增长，达到260亿美元。             

可以说，推动视觉系统被广泛部署的最重要的因素是更好的处理器。视觉算法通常对计算性能有着很高的要求。以可接受的成本和功耗获得所需要的性能，是一个常见的挑战，特别是将视觉系统部署到成本敏感和电池供电的设备中时。             

幸运的是，在过去的几年里，针对计算机视觉应用的处理器的开发出现了爆炸式增长。现在，这些专用的处理器正在进入市场，它们在性能、成本、能源效率和易于开发方面，都有了巨大改进。             

高性能处理器的进步，得益于深度学习被越来越多地采用。首先，深度学习算法比传统的计算机视觉算法需要更高的处理性能；第二，最广泛使用的深度学习算法具有许多共同的特点，这简化了设计专用处理器以有效地执行这些算法的任务。相比之下，传统的计算机视觉算法表现出极大的多样性。             

如今，计算机视觉应用通常使用通用CPU和专用并行协处理器协同工作。过去，GPU是最流行的协处理器，因为它们具有广泛的可用性，并且具有良好的编程工具支持。             

如今，协处理器的选择范围更广，较新类型的协处理器通常能比GPU提供更高的效率。需要权衡的是，这些较新的协处理器的可用性较低，开发人员的熟悉度还不是很高，而且也尚未得到成熟开发工具的支持。             

根据EVA在2018年11月完成的针对开发人员的最新调查，近1/3的开发视觉产品的开发人员，正在使用深度学习专用的协处理器。这是一个非常显著的变化，因为就在几年前，还不存在针对深度学习的专用处理器。             

传感器也在迅速发展。在许多视觉系统中使用的2D图像传感器，使视觉功能具有很大的宽度。但是，如果能够增加深度信息，将会是一件非常有价值的事。例如，识别横向运动和垂直于传感器运动的能力，大大扩展了系统对各种手势的识别能力。             

在其他应用中，深度信息提高了准确性。例如，在人脸识别应用中，深度感测对于确定被感测对象是一个真实的人脸、而不是一张照片是很有价值的。深度信息在移动机器人、汽车等移动系统中具有明显的应用价值。             

从历史上看，深度传感是一种昂贵的技术，但是情况在过去几年发生了巨大变化。在Microsoft Kinect中以及最近在移动电话中使用的光学深度传感器，促进了创新的加速，从而产生了微型、廉价和节能的深度传感器。             

系统开发人员正在拥抱这种改变。34%的受访者表示，他们已经在使用深度感知传感器，29%（高于一年前的21%）的受访者表示计划将深度传感器融入到未来的开发项目中，而这些项目跨越各行各业。             

EVA的调查显示，在广泛的市场范围内，实用计算机视觉技术在投资、创新和部署方面，都有前所未有的增长。由于这个市场相对年轻，总有一些新的东西涌现，在2019嵌入式视觉峰会上，涌现出了许多新的处理器和传感器。