384
试想这样的场景，在你进入公司或是回家时，只需面对镜头进行人脸识别，大门就会自动打开，而无需刷射频卡或是进行任何的接触性操作。如果系统检测到未经注册的陌生人员，自动发出信号联系前台或家主请求和确认访问许可。
当你从超市回家后，将刚买到的新鲜蔬菜放入冰箱，冰箱自动识别了你从超市购买的蔬菜，并自动开始计算保鲜时间，在蔬菜变质前及时提醒你尽快食用。
在工厂里，无需过多的操作员对每一套机台进行操作，当系统识别到原料到达指定位置后，便自动开始工作。在系统工作的过程中，如果检测到异物进入，系统自动发出警报，通知监控人员进行停机检查。
以上这些场景来自于恩智浦虚拟技术展厅，作为恩智浦描绘的未来城市样本中的几个例子，如今已然越来越多的应用于现实生活。实际上，自从物联网（IoT）出现以来，全球智能互联设备的数量逐年增长，已达数十亿量级水平。无论是楼宇自动化系统，或是智能家庭系统的建立，还是工业4.0背景下智慧工厂的升级和改造，机器学习正不断地改善人类的生活与生产活动的效率。
智慧安防需要人工智能
人工智能系统正不断地渗透生活和生产的各个方面，以达到通过让机器和设备获取图像和声音，并自主开展行为。在谈论智慧安防时，人工智能的重要意义更为凸显。正如开头所列举的一样，人工智能正运用于在家居与办公场景的门禁控制，以及工厂自动化的运作和异常检测等场景下。而在这些应用中不难发现，需求的痛点主要在对于图像的检测，识别与筛选能力上，因为采用传统人工的方式进行检测的工作无疑是费时费力的。
传统的机器学习往往依赖云端进行信息的处理，并与边缘设备进行信息的交换，这些设备传输TB级的海量数据，实现基于人工智能的云计算。而随着物联网规模越来越大，云端传输的数据量的增长远远超过了基础设施的建设，为了能够在更多安防设备上实现人工智能的应用，基于安全性，实时性的需求，基于边缘设备的机器学习也正悄然兴起，担负起让边缘设备节点变得更智能的责任，减少对于云端网络的依赖，同时由于对信息的处理更加靠近数据源的位置，针对一些安防，监控等应用中所需的识别需求，边缘的机器学习往往能够作出更为快速的反应。
机器学习的普及之路
人工智能的开发涉及一系列的工作，因此在过去，机器学习、深度学习和神经网络应用一直是数据科学家和人工智能专家的开发领域。而随着在诸如智慧安防等领域人工智能应用的普及，这种情况正在逐渐改变。
主流半导体厂担负着让边缘设备变得更智能，让人工智能应用的开发变得更简便的任务，同时也需要软硬件的共同配合。硬件方面，诸如恩智浦i.MX RT跨界MCU等产品顺应趋势，保持低功耗，低开发难度的前提下，性能表现较过往的传统MCU产品有极大的提升，如今已然可以满足一定的边缘计算需求，而性能更强大的处理器产品，如恩智浦i.MX 8M系列等，则更适合具备高清图形显示和动画，音频等进一步处理需求的设备。而在软件方面，无论选择了何种性能水平的处理器和控制器产品，由于需要人工智能的系统越来越多，且需求越来越本地化，对开发工具的简单上手和轻松开发的需求从未像现在这样强烈。
在这样的需求下，一些为机器学习应用专门设计的开发工具渐渐进入了工程师的视野，譬如恩智浦的eIQ（“edge intelligence”）机器学习开发环境，通过提供一组综合工作流程工具、推理引擎、神经网络(NN)编译器、经过优化的库和技术，帮助简化并加快机器学习开发。eIQ适合各种技能水平的用户，从第一次接触深度学习项目的嵌入式开发人员，到重点研究高级目标识别、分类、异常检测或语音识别解决方案的专家，eIQ都可以助力开发。
实现人人可用，助力智慧安防普及
在今年的第三季度伊始，恩智浦eIQ工具迎来重大的升级。最为显著的变化就是新增了基于图形用户界面（GUI）的eIQ Portal，即使是人工智能领域的新手，也可以简单上手进行开发。作为一套界面友好的上位机软件，eIQ Portal能够让用户在恩智浦的MCU/MPU平台上进行开发，训练，验证和部署神经网络。
eIQ支持自备数据和自备模型两种工作流程。自备数据的工作模式方便用户通过将自有数据集导入，并支持数据集增广，基于eIQ自带的预设的模型进行训练，并支持模型的验证，最终部署到设备。eIQ内置的模型对于分类和检测的机器学习应用提供了全功能的支持，并且可以让用户自主选择更偏重运行速度或是更偏重精度的模型风格。这一系列选择都通过直白的GUI界面呈现给用户。而自备模型的工作模式使用户将自行训练完成的模型通过Model Tool进行装载和转换，从而部署到设备中。
模型的训练和优化方面，eIQ同样提供了可视化界面，用图表的形式呈现模型的精度表现。
模型部署方面，eIQ支持多种推理引擎，如DeepViewRT™，TensorFlow™Lite, TensorFlow Lite Micro, Glow和Arm NN。
恩智浦同时也提供了例程，帮助用户在短短几十分钟时间内就可以完成基于神经网络，训练模型，并且完成转换，最终部署到设备中。譬如针对i.MX RT平台的例程，可以从相应产品的MCXpresso SDK中获取。如下图所示，利用恩智浦所提供的例程，基于跨界MCU平台，模型就能够快速实现对摄像头所捕捉到的图像进行分辨。在智慧安防中，配合相应的指令，轻松实现异常检测，或是一些常规自动化的行为。
利用eIQ机器学习软件工具开发的应用，无论是通过云端处理复杂的图像信息，还是通过边缘计算快速针对突发事件作出反应，能够助力智慧安防系统更高效的工作，保障生产流程的顺利，家庭生活的平安。
