Glimpse: A Programmable Early-Discard Camera Architecture for Continuous Mobile Vision

一种可编程的提前丢弃摄像机结构的连续移动设备

关键字：Early-Discard = “提前丢弃”；移动电源和数据使用量减少一个数量级；
应用：可穿戴传感器
实现：模块化电路板和嵌入式软件
Glimpse：一种新颖的架构，它是对传统移动视频处理流水线的重新设计，以灵活、高效和准确地支持这种“提前丢弃”。

 1.介绍

矛盾：资源使用和准确率之间进行折衷
使用传统解决方案：
使用低功率的传感器，缺点准确率不高。
重复使用现有的机器进行视觉处理限制：

• 图像：选择所需的成像质量往往比识别所需的成像质量差得多
• 算法：特定的选择任务通常需要比一般算法提供的精度低得多的精度。

• 处理器：标准的移动应用处理器可能是低能效的

为了避免重复使用标准视觉流水线的开销，同时保留基于视觉的帧选择的好处，我们主张将基于视觉的帧选择作为一流的设计目标，并在移动设备中配备相应的专用硬件/软件子系统。
--->
我们提出了Glimpse，这是一个致力于丢弃不感兴趣的帧的系统，它本身以非常低的功耗执行粗略的视觉处理。
Glimpse以一种新颖的方式组合了几个新的组件：一组选通传感器和成像器(包括一个热成像仪和一个立体对)比主成像器消耗的功率低得多，足以完成许多选择(但可能不是更深入的分析)任务。使用门控成像器，针对常见的早期拒绝子任务优化了一套粗略的图像处理算法。设计了一种由低功耗微控制器和FPGA(Field Programmable Gate Array)组成的专用高效门控计算结构，可以有效地访问门控成像器，以比标准CPU/DRAM模型更有效地执行(粗略)视觉算法。基于拒绝级联的简单编程模型允许应用程序将门控传感器的输出组合成高效的定制帧选择分类器。

2.背景和动机

传统的设备耗电

3.系统架构

硬件架构

门控传感器在相对较高的占空比下运行，并且必须消耗相对较少的功率。门控处理器初始化传感器，控制与传感器的通信，对感测数据运行应用程序扩展，并与其他处理器协调任务执行。
不需要门传感器去检测有趣的事件本身。
Glimpse硬件架构的两个方面特别值得注意。首先，它提倡使用多种可能非常规的成像技术(例如，热像仪、低功率灰度成像仪和立体对)来进行帧选择。
其次，它结合了专用的可编程硬件(即FPGA)，与这些成像器紧密耦合，用于与选择相关的计算。

软件架构
Glimse认为，帧选择器本质上是对成本敏感的分类级联。因此，它们可以分为相对重量级的特征计算库和轻量级拒绝级联，这些应用程序可以安全地链接在一起，以生成更具表现力但更高效的分类器。

1特征计算库 2拒绝级联 3样本级联

4.粗略图像处理

1.基于FPGA的粗立体声系统

2.基于粗FIR的跟踪
 

换言之，我们证明了我们的近似算法不仅比它们的细粒度变体具有更高的功耗效率，而且当较粗的粒度足够时，它们也提供了令人满意的准确性。

5.硬件实施

6.COARSE VISION评估

我们希望回答关于第4节中介绍的粗略视觉(深度估计和立体跟踪)算法的三个问题：
·它们的精确度是什么？
·它们的资源消耗是什么？
·它们如何随我们的设计选择而变化？
在这些实验中，我们使用在受控条件下收集的数据。我们将详细的实验评估限制在第4节的低位宽表示、稀疏视差检查和深度量化优化。
关于其他优化，简要地说：
1.使用SAD代替SOS进行距离测量(第4.1.1节)产生的深度测量电路使用的门减少了42%
以及2.无缓冲的立体声实现(第4.1.2节)比缓冲版本节省了13%的平均功耗。

7.端到端的评估

其中一位作者在三天的日常活动中(每个人大约3、7和5小时)佩戴了一台基于Glimpse的相机15小时，同时在Glimpse上运行级联。

8.相关工作

9.结论

在这项工作中，我们设计、实现并评估了Glimpse，这是一个可编程的嵌入式系统，设计用于检测低功耗事件，值得进一步处理。主要创新包括低功耗成像仪阵列和专门用于图像丢弃计算的计算结构、适用于应用程序的安全但富有表现力的编程模型，以及适用于丢弃管道的传统立体深度和跟踪算法的粗略变体。将Glimpse与高功率成像流水线系统相结合，可以使高功率流水线处理不到10%的帧，同时消耗大约100 mW的总功率。相应地，传输用于进一步处理的视频数据量也降低了一个数量级。基于这些结果，我们相信，Glimpse将轻量级可穿戴设备的持续愿景推向了实用领域。