Page 39 - 智慧邊緣運算實現更環保、更安全與高效的社會

INNOVATIONS
隱私。
為了在實際使用情境中了解相 關突破，讓我們仔細看看一些應用 案例。例如，在許多保全應用中， 重要的是要知道所監控的區域是 否有人在場(圖1);這可能是為了偵 測闖入者，或是確保沒有人靠近危 險設備，也或者只是要開啟照明以 避免有人在黑暗的房間裡絆倒，並 不真的關心那個人是誰，也不想像 上述的後院監控案例，誤報松鼠、 管狀鈴鐺等東西。
力。理想情況下，該系統要具備足 夠的嵌入式智慧，能首先將事件歸 類為「真實事件」，然後喚醒功能更 強大的攝影機，對事件進行記錄並 將高解析視訊串流，然後向應用程 式發送通知。
著增強和改善傳統的安全和監控 方法。
事實證明，這對機器學習來說 是一個相當好的應用──更精確 地說，是對於一個很簡單的機器學 習模型來說。在這種情況下，模型 實際上是一組資料和指令，透過執 行訓練過程中的大量資料而建立; 機器學習系統使用這些資料和指 令來形成推理——像是影像中確實 有人的推論，或者是影像中沒有人、 但是有家裡一隻黃金獵犬的推論。
今日，機器學習技術的巨大進 步，大幅度改善了無人值守的視訊 分析成果。配備高性能深度學習推 論加速器晶片或與雲端資料中心寬 頻連線的高解析度攝影機，可以顯
事實上，這樣的深度學習系統 已經展示了非凡的能力:透過臉部 識別、手勢詮釋——例如偵測商店 行竊，甚至透過情緒推估來偵測商 店行竊的企圖。或許這些能力已經 變得令人刮目相看了。但這些系統 仍然很昂貴，還會需要外部電源和 寬頻連線，而且由於它們的能力如 此之強，甚至會引發安全和隱私問
新冠病毒疫情大流行創造了 2022年5月 | www.eettaiwan.com
(來源:Synaptics)
題，從而可能限制其部署或衍生出 法規障礙。
37
圖1:低功耗視覺解決方案可實現會議室佔用管理。
圖2:不強制個人辨識或身份識別的人數統計系統，可應用於體育場和活動場所的排隊管理，並能保護
(來源:Synaptics)
如今，超低功耗機器學習加速 技術方面取得的最新進展，已經可 以回答以上問題。
那麼在另一方面，那種寒酸的 紅外線動作感測器怎麼樣呢?仍然 有許多應用只需偵測是否有人存在 就夠了，不用識別其身份或推估他 們的心理特徵。但其中許多應用需 要外部電源，且只能提供有限的連 結回傳網路;也有許多要求非常低 的成本...這些怎麼辦?
可能受益的應用類型