計算機視覺作為一種人工智能的基礎技術應用，使用場景多樣，市場潛力巨大。而計算機視覺又與傳感器密切相關，只有經過傳感器對環境信息的采集，才能進而實現數據的存儲、處理以及后續的推理判斷與執行。近日，意法半導體(ST)舉辦線上媒體溝通會，與會嘉賓在對人工智能時代傳感器的技術發展與市場應用進行介紹時指出，計算機視覺將加速全局快門傳感器的應用。

計算機視覺應用于四大場景

計算機視覺是人工智能領域的一個重要分支，其可以讓計算機等智能設備從圖像、視頻以及其他視覺輸入的數據庫中提取有意義的信息，并對這些數據進行處理，進而采取行動。目前，計算機視覺在生產生活當中已有了很多實際應用，比如智能手機中的面部識別技術就已經被廣泛應用于屏幕解鎖和電子支付等方面。

根據意法半導體亞太區影像事業部技術市場經理林國志的介紹，計算機視覺的應用場景大致可以歸納為四大類：首先是深度感應，主要用于面容識別、3D掃描等場景。這類應用場景大致通過兩個全局快門傳感器搭建一組雙目攝像頭系統，或者使用一個全局快門傳感器搭建結構光攝像頭系統。

其次是生物識別，主要是采集人體各個部位的信息并用于身份識別，除人臉識別之外，還包括手勢檢測、指紋識別、虹膜識別等。

再次是增強現實、虛擬現實和混合現實等應用場景，包括6DoF(六個自由度追蹤)和SLAM(同步定位與地圖構建)。6DoF主要針對頭部行為，當用戶戴上VR頭顯設備后就會得到6D感知能力，頭部可以做出左右、上下、前后六個角度的動作。當用戶需要掌握自己所處房間狀況時，則可以通過SLAM發揮作用。此外，使用VR/AR設備還可以進行生物識別，比如手勢檢測或者手勢追蹤。

最后一類應用場景是機器人與工業控制，如無人機和掃地機器人等。這些設備在使用過程中要避免相互碰撞，就需要具有物體檢測和場景分析能力。而在這些應用場景中，傳感器都可以發揮關鍵作用。

全局快門與卷簾快門各具優勢

由于計算機視覺的應用場景與一般用途的攝像頭不同，并不注重靜態圖像的捕捉與色彩渲染，因此智能手機與監控攝像頭等設備中日常搭配使用的卷簾快門傳感器并不適用。林國志介紹，從拍攝角度劃分，圖像傳感器可以分為全局快門與卷簾快門兩大類型。

人們日常接觸的多數攝像頭，大都采用卷簾快門傳感器，比如智能手機的主攝像頭和自拍攝像頭、樓宇中安裝的監控攝像頭以及數碼相機中大都采用卷簾快門技術。因為這些應用場景都需要捕捉彩色圖像，需要相當高的分辨率。卷簾快門的設計目的正是為了捕捉靜態圖像和視頻拍攝，需要非常高的分辨率和顏色處理能力。

問題在于，計算機視覺當中采用卷簾快門傳感器都是逐行拍攝圖像的，整個圖像只有一幀。如果拍攝對象是車輛這樣的快速移動物體，圖像就有可能發生扭曲，無法顯示拍攝對象原始形態，使得機器無法判斷不同圖像中的車輛是不是同一輛車，也就無法用于計算機視覺的處理。

全局快門的原理則不同，其拍攝時間非常短，只要拍攝對象不是快速移動的物體，成像效果就非常準確，因此更加適用于計算機視覺。隨著計算機視覺在人工智能領域的應用快速鋪開，也將促進全局快門傳感器的發展。

意法半導體亞太區影像事業部技術市場高級經理張程怡表示，目前全局快門傳感器在消費性電子和汽車領域的應用勢頭非常猛。消費性電子上應用最典型的就是人臉識別，無論智能門鎖、門禁管制，還是電子支付，都已開始采用。汽車領域的主要應用場景是駕駛者的監控和對乘客監控。此外，全局快門傳感器在機器人、繪制地圖、AR/VR等領域的發展勢頭也不錯。

在談到全局快門是不是會全面取代卷簾快門傳感器時，張程怡認為，兩者各有優勢。在拍攝靜態照片或視頻時，卷簾快門的像素更小、解析度更高，在用于手機主攝像頭等設備中更具優勢，但全局快門在計算機視覺這類識別動態影象方面更有優勢。卷簾快門的畫點大概在1.1微米以下，而全局快門通常在2.2微米以上，單僅畫點尺寸上，兩者就代表了不同的應用領域。基于此，也可看出全局快門傳感器的技術發展趨勢像素尺寸持續縮小，畫點持續變多，功耗優化。

目前，意法半導體消費和工業用全局快門圖像傳感器已推出VD55G0 40萬像素和VD56G3 150萬像素兩款產品。這些產品在940nm處具有最高的量子效率，拍攝性能穩健;正方形傳感器的分辨率與鏡頭最佳匹配，適合旋轉拍攝使用場景;拍攝時間很短，降低系統功耗，能夠在確保準確成像的同時降低系統功耗。

標簽： 計算機視覺 人工智能 卷簾快門傳感器 意法半導體亞太區影像事業部