对计算机视觉的需求从未如此强烈。随着深度学习发展的推动，利用视觉和人工智能 (AI) 的设备和应用程序已打入市场且数量是惊人的。在嵌入式系统中利用视觉和深度学习是一项挑战，但同时正在变成一种需求。这里着眼于嵌入式智能视觉已变成必备组件的各种市场和用例。 

移动设备使用多重照相机和精密的成像技术

对于有些人来说也许很难想象，但在十年之前手机有摄像头确是非常少见的事情。现在，大部分手机都至少有两个摄像头，一个在后面用于正常拍摄，一个在前面用于自拍和视频通话。双摄还有一个强大的趋势，像新推出的 Asus ZenFone 3 Zoom，可支持类似数码单反相机 (DSLR) 的功能，例如光学变焦、背景虚化和重聚焦。

移动设备上的图像质量也接近于数码单反( DSLR) 照相机，并包含图像增强技术，例如视频防抖、低光增强、超分辨率和 HDR。新 ASUS SuperPixel™ 技术就是一个良好的示例。最近，我们看到智能手机和平板的摄像头也支持增强现实和虚拟现实 (AR/VR) 以及 3D 建模。这些功能是移动市场上的主要竞争点。因此，在引进新功能和显著提高性能，和同时降低能耗以增加电池寿命方面始终存在竞争。

从机场到住宅：视频监控非常重要

智能视频分析正在彻底改变安防产业。像机场航站楼等大型场所始终走在监控的前沿，但由于监控成本的降低，现在对于小型住宅而言更容易使用监控。在处理安全问题时，有复杂场景的实时视频分析很重要。

在某些情况中，可使用云服务来进行分析，但很多情况通过监控设备本身对视频流的分析可得以更好的解决。这称为边缘分析或边缘处理。响应时间的延迟、敏感数据的易受攻击和数据流量的增加是边缘处理对于视频分析如此重要的部分原因。

对于电池供电的设备，确保电力消耗满足约束条件是一项重大的挑战。这就是为什么低耗能、高性能的嵌入式系统对这个市场如此重要。 

汽车 ADAS 视觉应用

很多城市已经投放了自动驾驶汽车，并进行实验和试行驶。但是，在自动驾驶技术完全成熟之前，路面上占主导的仍然是 ADAS 功能支持的高度自动化的车辆 (HAV)。这些功能使用计算机视觉算法，例如图像畸变校正、图像拼接等等，并同时搭配大量深度学习技术，以保证安全和效率。

在照相机本身执行处理（边缘分析），对比在中央超级计算机执行，还有很多好处。要清楚简要了解每个方法的利与弊，请阅读这个有关为自动化的车辆选择最佳视觉系统的宣传文章。 

ADAS 的主要趋势包括：

1.弹性解决方案以适应 OEM 快速演进程序

2.主要专注功率/性能比以及尺寸的减小

3.强大的 软件实现以支持投资回报

无人机变得更加自主，因此必须更智能

无人机变得越来越普遍，同时还变得更自主，需要用户操作的更少。无人机纳入智能传感器和系统，扩充了计算机视觉和机器学习功能。需求较高的前几项功能是“跟着我”和“兴趣点环绕”。这些功能可让无人机自动锁定移动对象。要完美执行这些功能而不需人为介入，无人机需要传感器、壁障和导航技能。如果其中一项功能不能恰当地执行，就会出现严重的后果，例如不能准确地分析和回避障碍物而撞到障碍物。这就要求在边缘装置上能实时进行高质量视觉处理。

另外，更高分辨率视频的需求也在不断增长。现在，使用 HD 视频被认为是理所当然的，并且 4K 或 UHD 变得很常见，不仅仅只用于高端设备。同时，增加飞行时间也是众人所期盼的，因此所有处理需要高效进行。在这个充满多样性的市场，解决方案还必须具有弹性，能根据客户需求和不断变化的市场动态在线推出新功能。

视觉已逐步渗透 IoT

如 2017 年 CES 所证明，IoT 市场炙手可热。智能家居不再是趋势，而是真实的市场细分，并出现很多实际有用的产品。远距离语音启动的虚拟助理，例如 Amazon Echo 和 Google Home，在 CES 无处不在。同时，有很多智能家居设备，例如配备智能照相机的 LED 灯和 360 度照相机，它们使用脸部识别、畸变校正和图像拼接等视觉技术。下一步将是集成语音启动的助理和视觉技术，使智能家居体验达到完美。

增强现实和虚拟现实正在持续成长

CES 上出现的另一个亮点是一些AR/VR 在游戏之外其他场景的实用用例，游戏只是相对较小的市场细分。其中一个受到较广泛关注的用例是使用 VR 来参与实时体育事件。通过高速 5G 网络，结合 360 度照片和实时转播的定向音频，提供完全沉浸式体验，就好像身临其境。去年的 Pokémon Go craze 明确了表示有数百万潜在用户在等待使用这种技术。在这个领域，找到正确的用例并进行适当的包装，将必定有利可图。