一个是先进半导体技术、电子技术、计算机技术与各行业具体应用相结合的产物,一个是实现设备智能化、自动化、高效化、高精度途径中必不可缺的功能模块，嵌入式系统与计算机视觉（有时也称机器视觉）系统完美结合的“嵌入式视觉” （EV）受到了越来越多的关注，在2012年国际消费电子展（CES）上还被评为十大改变当年消费电子市场的技术之一。

　　市场调研公司ABI Research的数据显示，嵌入式视觉系统的市场到2020年将超过3000亿美元，年复合增长率超过35%，主要应用在包括汽车安全、游戏控制、视频监控、手势识别和虚拟现实等领域。

　　嵌入式视觉系统市场预测

　　毫无疑问，嵌入式视觉技术能够为多种应用带来巨大的价值。包括AMD、Imagination、英特尔、英伟达等业界多家公司均顺势而为，利用FPGA、FPGA/MPU组合、GPU等各种不同的硬体，为设计任务实现最佳化。新思科技公司（Synopsys）日前则推出了另一种全新解决方案--DesignWare EV视觉处理器系列。

　　据Synopsys DesignWare ARC处理器高级产品营销经理Mike Thompson介绍，该系列的EV52和EV54视觉处理器是完全可编程和可配置的视觉处理器IP核，它们结合了软件解决方案的灵活性与专用硬件的低成本和低功耗特性。为了加速应用软件开发，EV处理器系列得到了基于OpenCV和OpenVX等等现有和新兴的嵌入式视觉标准，以及Synopsys的MetaWare开发工具包的综合性软件编程环境的支持。通过把专为视觉数据处理而优化的高性能硬件与高效编程工具结合在一起， EV处理器成为了各种嵌入式视觉应用的一种理想解决方案。

　　嵌入式视觉处理技术如何选择？

　　视觉算法通常需要很强的计算能力，而所有的嵌入式系统一般又都受限于严格的成本和功耗要求。如何同时实现高性能、低成本、低功耗以及可编程功能是嵌入式视觉处理需要解决的难题。

　　一般情况下，专用硬件通常能够以低成本实现高性能，但是可编程能力较弱；通用CPU具有可编程能力，但是性能较差，性价比不高，能效也较低。“虽然视觉算法可以在大多数处理器上运行，但是这类算法牵涉到许多的复杂数学运算和数据迁移。通用处理器（GPP）可以用来做视觉处理，但是这样的处理器缺少复杂数学运算资源，运行起来速度会非常慢。在一些视觉应用中，采用的图形处理器（GPU）虽然具有许多的运算资源，但是却缺乏高效移动视觉数据的能力，因此其视觉性能相对较低，并且其功耗也非常的高。视觉处理器是专为视觉处理而设计，因此它们拥有所需的复杂数学运算能力，并且它们还具有精密的数据迁移能力，能够有效地处理视觉帧数据。此外，要能够在嵌入式视觉应用中得到使用，它们也需要满足低功耗要求。因此，DesignWare EV处理器的高运算处理能力、优异的视觉数据迁移性能和非常低的功耗，使其成为了在SoC当中实现视觉处理的极佳选择。”Mike Thompson表示。

　　与CPU、GPU和DSP相比，SNPS EV处理器的视觉处理效率高出很多

　　引领SoC设计变革

　　卷积神经网络（CNN）是一种深度学习算法，其训练方式与我们的大脑采用目标的多幅图像来进行训练差不多，它基于这些图像归纳出能够被算法利用、用以在图片或视频中找到目标的一幅图形。

　　CNN已经存在了20多年，但直到近年这些算法才有了实质上的改进，英伟达、CEVA、微软以及其他公司近期的发布强调了嵌入式视觉向CNN的迁移。Mike Thompson向OFweek电子工程网编辑表示，Synopsys EV处理器以超过1000 GOPS/W的性能实现了CNN，从而能够仅以其他视觉解决方案的五分之一的功耗，实现对诸如面部、行人和手势等多样化的目标快速而准确的监测。