使用節(jié)點(diǎn)分析和對(duì)數(shù)成像器可改進(jìn)物聯(lián)網(wǎng)(IoT)中的視頻分析應(yīng)用。視頻分析應(yīng)用試圖利用日常世界中豐富的信息資源，出于幾個(gè)原因考量。包括日常監(jiān)控的人臉識(shí)別，但大部分原因集中在預(yù)測(cè)分析和行為分析上。這些應(yīng)用中收集到的信息可通過(guò)云計(jì)算進(jìn)行更高端的廣泛處理。然而，深度處理有其局限性，并且可以通過(guò)往組合中增加節(jié)點(diǎn)分析和對(duì)數(shù)成像器在很多方面加以改進(jìn)。
通過(guò)往組合中增加節(jié)點(diǎn)分析，減輕與云之間的通信，可以改進(jìn)數(shù)據(jù)分析。云計(jì)算的帶寬需求比節(jié)點(diǎn)分析應(yīng)用多出兩個(gè)（如果不是三個(gè)）數(shù)量級(jí)。因此，節(jié)點(diǎn)分析的計(jì)算能力要求更低，并可減少延遲。人口稠密的市場(chǎng)、交通混亂的地區(qū)以及城市停車場(chǎng)都是一些環(huán)境錯(cuò)綜復(fù)雜的地方，可使用節(jié)點(diǎn)分析進(jìn)行檢測(cè)，以進(jìn)行預(yù)測(cè)和行為分析。在云中對(duì)這些環(huán)境進(jìn)行高級(jí)處理有助于制定業(yè)務(wù)策略，疏導(dǎo)交通流量，并可提高政府管理的停車場(chǎng)的效率。然而，在傳感器節(jié)點(diǎn)處采用低端軟件，而不是執(zhí)行云分析，可改進(jìn)這些場(chǎng)景的延遲、帶寬、安全和功耗。

除了節(jié)點(diǎn)處實(shí)現(xiàn)智能化，往組合中增加對(duì)數(shù)成像器對(duì)于傳統(tǒng)成像器不符合要求的領(lǐng)域也具有優(yōu)勢(shì)，從而增強(qiáng)系統(tǒng)功能。除了減少對(duì)亮度變化的依賴性，對(duì)數(shù)成像器還提供更高的圖像處理動(dòng)態(tài)范圍。例如：在陰影、反光、光線突變以及高對(duì)比度場(chǎng)景中，對(duì)數(shù)成像器的表現(xiàn)都優(yōu)于傳統(tǒng)成像器。在視頻應(yīng)用中，這些問(wèn)題的解決有利于數(shù)據(jù)捕捉，從而加強(qiáng)節(jié)點(diǎn)的分析能力。通過(guò)提高數(shù)據(jù)捕捉能力，整個(gè)視頻分析應(yīng)用都可得到顯著改進(jìn)。

節(jié)點(diǎn)分析技術(shù)和對(duì)數(shù)成像器實(shí)現(xiàn)的改進(jìn)有助于解決物聯(lián)網(wǎng)中的視頻分析應(yīng)用問(wèn)題。安全、決策制定延遲、數(shù)據(jù)帶寬和計(jì)算能力是物聯(lián)網(wǎng)應(yīng)用中常見(jiàn)的一些工程難題。通過(guò)減少數(shù)據(jù)傳輸可大大減少這些工程問(wèn)題，而這也是節(jié)點(diǎn)分析對(duì)物聯(lián)網(wǎng)應(yīng)用具有吸引力的原因。在視頻分析應(yīng)用中，有限的對(duì)比度和亮度依賴性是需要共同解決的難題。對(duì)數(shù)成像器是視頻分析應(yīng)用的關(guān)鍵，幾乎可以解決這一難題?？偟膩?lái)說(shuō)，使用節(jié)點(diǎn)分析技術(shù)和對(duì)數(shù)成像器可增強(qiáng)物聯(lián)網(wǎng)中的視頻分析應(yīng)用。

智能邊緣

通過(guò)處理基于預(yù)期視覺(jué)事件的數(shù)據(jù)，可迅速地將測(cè)量數(shù)據(jù)轉(zhuǎn)換為適當(dāng)?shù)膭?dòng)作，不必向云服務(wù)器傳輸任何數(shù)據(jù)，或傳輸少量數(shù)據(jù)。對(duì)視頻數(shù)據(jù)進(jìn)行快速分析，而不是將其傳至云，可在本地做出決策，從而改進(jìn)系統(tǒng)的延遲性。通過(guò)減少傳輸具有攔截風(fēng)險(xiǎn)的數(shù)據(jù)，不僅能夠明顯減少?zèng)Q策延遲，而且安全性也得以提高。

只有最有價(jià)值的信息需要傳輸至節(jié)點(diǎn)之外的云中，以進(jìn)行預(yù)測(cè)或行為處理。經(jīng)過(guò)優(yōu)化的數(shù)據(jù)劃分可充分發(fā)揮云價(jià)值，因?yàn)橥ǔ２恍枰珟挼囊曨l分析幀。在固定安裝的攝像機(jī)上，幀與幀之間的大部分可視數(shù)據(jù)為靜態(tài)數(shù)據(jù)，并可在節(jié)點(diǎn)進(jìn)行濾波處理。邊緣節(jié)點(diǎn)視頻分析可提供多種濾波解讀來(lái)區(qū)分各種預(yù)期的對(duì)象類型：汽車、卡車、自行車、人類和動(dòng)物等。這種抽取操作減少了云服務(wù)器上所需的數(shù)據(jù)帶寬和相關(guān)的計(jì)算能力，而如果要分析下游發(fā)送的全幀速率視頻數(shù)據(jù)，則會(huì)占用大量的數(shù)據(jù)帶寬和計(jì)算能力。與云計(jì)算應(yīng)用相比，這種帶寬的減少可實(shí)現(xiàn)兩個(gè)或三個(gè)數(shù)量級(jí)的改進(jìn)，而這是節(jié)點(diǎn)分析技術(shù)實(shí)現(xiàn)的一個(gè)關(guān)鍵性能改進(jìn)。

對(duì)數(shù)成像

通過(guò)替換為對(duì)數(shù)成像技術(shù)可解決與傳統(tǒng)成像器相關(guān)的常見(jiàn)問(wèn)題，從而進(jìn)一步改進(jìn)視頻分析應(yīng)用。大多數(shù)傳統(tǒng)成像器都是線性成像器，其使用像素生成的電壓作為光的線性函數(shù)，而此類像素則會(huì)導(dǎo)致有限的對(duì)比度。線性成像器還利用統(tǒng)一的曝光相位，限制了其相對(duì)于幀速率范圍內(nèi)像素曝光時(shí)間的動(dòng)態(tài)范圍。最后，傳統(tǒng)成像器的對(duì)比度取決于亮度，從而可能導(dǎo)致反光相關(guān)的對(duì)比度問(wèn)題。通過(guò)替換成對(duì)數(shù)成像器可消除這些常見(jiàn)的問(wèn)題，對(duì)數(shù)成像器使用像素生成的電壓作為光的對(duì)數(shù)函數(shù)。傳統(tǒng)成像器與對(duì)數(shù)成像器之間的區(qū)別請(qǐng)參見(jiàn)圖1、2和3。

圖1. 傳統(tǒng)的圖像曝光。