广告

三种3D成像技术对比告诉你:移动设备人脸识别技术怎么选?

时间:2019-04-29 作者:赵明灿 阅读:
3D人脸识别是智能手机、AR/VR等移动设备发展的一大趋势,并将在工业、汽车等各领域渐渐普及。这其中涉及的关键技术就是3D成像。目前市场上的主流技术有三种,技术指标、成本和系统要求等各不相同。

3D人脸识别是智能手机、AR/VR等移动设备发展的一大趋势,并将在工业、汽车等各领域渐渐普及。这其中涉及的关键技术就是3D成像。目前市场上的主流技术有三种,技术指标、成本和系统要求等各不相同。日前,在EEVIA第八届年度中国电子ICT媒体论坛上,英飞凌和艾迈斯两家公司分别对此作了介绍。(这里提个醒,欲了解这三种技术细节的朋友,EDN近期将有相关文章刊出。)同时,赛灵思、ADI、华虹宏力和兆易创新等几家公司也分别针对人工智能、工业4.0、电动汽车、串行闪存等热点领域介绍了最新的技术及发展趋势。

打破TOF技术在各种智能场景中的应用限制与挑战

英飞凌电源管理及多元化市场事业部大中华区—射频及传感器部门总监麦正奇以“打破TOF技术在各种智能场景中的应用限制与挑战”为题,重点介绍了飞行时间(TOF)传感器及其在移动设备上的应用。他认为这种传感器未来将应用于所有手持设备,在工业、汽车或消费电子上都会渐渐普及。

麦总介绍说,TOF在消费电子上主要是以移动设备为主,可以分成手持或VR/AR头戴产品。工业方面有自动化、安防、机器人等等的应用已经在发酵。在汽车部分,不管汽车内部或外部,都已经是一个选项。

飞行时间技术仅使用一个红外光光源就可以直接测量每个像素中的深度和幅度信息。发射调制红外光到整个场景,通过ToF成像器捕获反射光。通过发射光和接收光之间测量到的相位差以及幅度值可以得到高度可靠的距离信息以及完整场景的灰度图像。他指出,信号的发射和传输看起来很简单,但是要实现精准、可靠的深度信息是一个挑战。

英飞凌的飞行时间传感器是REAL3图像传感器。通过3D深度图加上2D灰度图,可以得到完整的深度信息。通过这个深度信息,再加上软件的充分开发,就可以实现很多的可能应用,麦总表示。在使用手机相机或一般相机时,有一个问题就是在强光下,每个像素点都会受到影响,因此相片里有些部分可能是白色的,会读不到其中的一些信息。而英飞凌REAL3在强光下不会产生过度曝光。并且它可以实现非常紧凑的摄像头设计。更重要的是只需要做一次性校正。

TOF用非常简单的方式做到非常小巧且坚固耐用。它的优势是深度计算量小,CPU占用量低,可降低功耗,这对移动设备来说非常重要。每个点都可以提供完整的深度信息,传输出去的数据即可使用,不需要像其它结构那样用大量的CPU运算取得深度信息和幅度信息,这样的结构、操作模式和原理可以减少手机或移动设备电池的使用量,在热量的产生上可以有很好的效果。除此以外,手持式设备,尤其是手机,必须要解决散热问题。如果要不断地用CPU计算深度信息,那么电池可能半天不到,甚至几个小时就耗尽了,而且在操作的过程中会产生一定热量,而让手机不一定可以接受。

REAL3的关键应用是移动设备,包括智能手机和AR/VR头戴式显示器。智能手机包含所有的摄像头应用,有前置镜头、后置镜头。前置镜头可以做生物特征(人脸、掌纹)识别以及手势追踪应用等等。深度信息越高,安全支付可以做得越好。在3D人脸扫描、自拍和3D打印、虚拟人物架构、美颜等应用方面,深度信息都可以提供非常好的方案。后置镜头可以实现人、物体、环境的3D测量,可以实现增强现实和虚拟现实等等应用。另外,它还可以实现6DoF自定位,比如无人机可以依靠它提供的深度信息判别自己的确切位置。

ict-1

智能手机三大主流趋势&三种3D成像技术对比

艾迈斯半导体先进光学传感器部门执行副总裁兼总经理Jennifer Zhao带来的议题是“艾迈斯半导体持续创新,灵活应对瞬息万变的智能手机市场”。与Infineon不同,在3D成像方面,艾迈斯是现在市场上的三大方案,即飞行时间、主动立体视觉和结构光,都有提供。

她介绍说,智能手机有三大主流趋势。第一个趋势是前置功能,主要是3D人脸识别,可用于身份的检测和安全支付。第二个是全面屏、无边框,今年的消费类电子展所展出的手机都是带有全面屏和3D方案。第三个是摄影的增强,而让图像更完美。下面对这三个主要的趋势做了详细介绍。

对于第一个趋势,3D人脸识别,第一种是结构光,它在距离和深度以及安全性方面都是最佳的,但它的价位也是最高的。因此,市场上比较高端的手机很多都是选择结构光。第二种是主动立体视觉。这种技术比较适合覆盖中等距离,它的深度图质量也比较优良,但是精度没有结构光好。它比结构光技术简单,价位更具有优势。第三个是飞行时间,适合中远距离,现有可以到5米左右。对于前置来讲,它的系统集成比较简单,尺寸是在三种方案里最小的。“我们公司的理念就是,不管客户选择哪种方案,我们都有成熟的解决方案提供给客户。”

ict-2

艾迈斯在3D系统领域的优势是其不仅有硬件,也有软件和相关的应用软件,Zhao表示。在硬件方面,该公司提供光源、光路和先进的光学封装,另外也有NIR和ToF的摄像头。在软件方面,也有资源和合作伙伴提供更全面的软件方案。

3D的应用包括前置的脸部识别,像设备解锁、身份认证等,以及面具、替身、VR、AR的应用。除了支持手机方面,3D还有一些更广的应用,例如智能家居和自动化,对于存在监测和个性化也有很大的应用。    

第二个趋势是全屏化,AMS提供小尺寸摄影头模块,它把接近和颜色合并,可以放在很小的刘海屏下面。另外,该公司提供一款支持全屏的屏下设计传感器。主要的客户要求是:由于在屏下,它的灵敏度要很高,因为光要通过OLED屏打出来;在所有亮度等级下都要运行,在OLED屏下,高光、低光下都能应用。

第三个趋势是摄影增强,主要改善摄像头的功能。在激光检测自动对焦方面,AMS最新的1D TOF TMF8801,可以解决2cm到2.5m的距离,精确度达到5%,跟行业相比尺寸降低了30%左右,而且可以忽略玻璃盖上的污渍。另外在抗太阳光方面,其滤器片可以在强光下依旧功能很好。

人工智能计算的加速引擎

赛灵思人工智能市场总监刘竞秀的演讲主题是“人工智能计算的加速引擎”。他认为,未来10到20年很可能是AI+IoT的时代。AI并不是某一个行业或者某一个产品,最终还是要落地在具体的场景,具体的行业,具体的需求上。AI最终其实是被所有需要做计算、需要做理解、做感知的设备、场景和服务提供本地的计算能力和云上的计算能力,本质上AI是通用能力,就像电, 像内燃机,它所赋能的并不是某一个特定行业狭窄的应用,而是可以促进众多行业的产业升级、产品迭代。

他认为,有两个剪刀差阻碍了这个时间点人工智能的落地。第一个剪刀差是需要处理的数据和计算芯片所能够提供的处理能力之间的剪刀差。 

计算芯片工艺从过去28nm、20nm到现在的5nm、3nm,摩尔定律使芯片性能增加速度越来越饱和。只有高端的消费类、迭代很快的产品(例如手机)才能支撑得起最先进工艺高昂的芯片迭代成本。至于芯片的发展趋势,无论从CPU、GPU到FPGA、ASIC,对于通用芯片来讲,它的好处是应用比较广泛、上手比较快。大公司(如谷歌、阿里)也在出芯片,众多创业公司都在做各种各样的ASIC,希望在特定的定制领域提供一些场景和应用。对这些特定的场景和应用,ASIC的性价比可能更高,所以技术发展的趋势一定是从CPU、GPU到 FPGA,最后到ASIC。所以在市场上有一个很重要的时间窗口,就是每个行业在需求成熟之前,在大家有能力、有信心去开ASIC把这个钱赚回来之前,大家不会去开ASIC,而且这时候又需要一个平台做初期的市场尝试或者在激烈的市场竞争中快速将创意变成现实,赢得市场先机,这时候FPGA就是最好的计算平台产品。

第二个剪刀差就是芯片设计生产的长周期和快速迭代的市场需求之间的差距。芯片不是那种靠钱就可以换时间的技术,最快也要一年半到两年才有可能走完一个完整的流程。因此,第二个剪刀差,就是快速变化、快速迭代的市场和ASIC开发周期漫长之间的差距。

ict-3

AI相关的主流应用场景包括视频和图像相关应用,基于语音相关的应用等。例如安防监控系统,AI可以极大地提高警察系统的效率。因此是能够帮助产业落地很重要的原因。另外,现在的高档写字楼、高档酒店,跟人脸相关的应用也越来越多,包括机场、火车站大量无人值守的闸机。

ict-4

第二类跟网络视频相关的很重要的刚需,就是内容审查机制。这类工作以前都是靠大量的人力来做,非常有限。而大量的AI公司现在做了基于文字、基于人脸识别,包括基于行为动作的审查机制解决方案,现在在不同的场景、不同的网络节点都在做相应的尝试跟大量的部署。

第三类是跟消费类相关的,例如无人值守超市。跟汽车相关的应用,无论是自动驾驶、无人驾驶,ECU (电子控制单元) 最终都需要具备一定的理解能力,辅助中央控制器做相应的判断和决策。跟语音相关的应用非常丰富,家里的聊天机器人、小度,包括手机里的siri,都是用AI做辅助的应用,但语音相关的应用本质上来讲和视觉相关应用相比还不足够成熟,这里面有一个很关键的因素,就是视觉相关的应用,用CNN或者DNN做网络检测的应用,能够提供端到端解决方案的技术。

赛灵思的下一代Versal计算引擎,面对通信和人工智能高性能场景定义了完全不一样的芯片价格,利用3D技术提供高性能的高带宽存储,提供两个能力:计算能力和存储能力。人工智能的网络都是几十几百层,几千万上亿参数的快速运算和反复的读取。如果每一层的数据运算的结果都需要去读写的话,会有延时长和功耗大的问题。因此现在主流做AI芯片慢慢会提供尽可能大的存储空间,而3D的技术是最有效提供高性能面向存储的技术。

无论是AI芯片还是其它芯片,包括我们国家自己做的各种CPU,把芯片本身做出来不难,但是为了帮客户用起来,需要的软件、生态环境、工具链,各种参考应用,才是最关键最核心的因素,而这些需要花更长的时间,更多的资源。

赛灵思作为一家传统的FPGA芯片公司,现在已经慢慢走向另外一个维度,即希望为客户提供的不单是一颗芯片,以及围绕芯片的pcb层面的参考设计,而是希望为客户同时提供基于芯片、IP加上工具,以及客户在真实场景中真实应用的算法。整个一套都帮客户提供参考设计,而参考设计的神经网络,通常会免费提供给客户,目的是帮助其更好的使用基于赛灵思FPGA的解决方案。

工业4.0需要怎样的模拟技术?

ADI亚太区工业自动化行业市场部经理于常涛的议题是“加速迈向工业4.0——实现更快、更智能、更安全的工业自动化方案”。他指出,整个工业4.0的大环境能够带来生产效率的提升、安全性能的提升、非常庞大的并且越来越强大的数据分析能力,以及整个生产带来的灵活性。在整个工厂当中,第一,有机器人的应用;第二,一定有控制系统;第三,一定有现场的若干仪表和传感器;第四,一定需要稳健的传输通信网络把各网络连在一起。工业网络看重的是有线方式,无线作为补充,还没有那么普及,5G作为一个话题,但如何落实在工厂当中来还有争议。

围绕工厂自动化或者实际工厂的应用场景,技术需求有以下几点。

ict-5

第一,传统的控制技术需要依赖传感器技术。例如,ADI基于AMR技术的编码器解决方案。针对整个机器手臂的姿态,有很多传感器的机会。再加上检测震动,会有加速度的机会。还有出于安全方面的考虑。

第二,工厂中需要使用输入模块。ADI推出了一种软件定义I/O,每个通道都可以任意地定义为数字量的输入输出,或者模拟量的输入输出。这种方案非常灵活。比如,现场可能有十个传感器,但在接入之后,电器柜侧要提供10%的裕量,即多留一两个通道,以防有新的需求增加或损坏备份使用。借助这个产品的灵活性,终端客户在工厂实施过程当中就不需要给工人做充分的培训,让他们随便连接,然后通过软件的方式把系统完整地运行起来。

另外,工业4.0或智能制造重点强调的是网络化。这在传统的应用当中是现场总线,会越来越多把工业以太网运用起来。

第三,在工厂当中,网络以有线为主。有线的网络除了传统的基于RS-485/RS-422的现场总线之外,更多的是工业以太网。工业以太网的下一代延续是时间敏感网络(TSN),它既兼顾了实时性数据传输,同时保留了带宽,并在数据链部分提倡数据兼容。

电动汽车“芯”机遇

华虹宏力战略、市场与发展部科长李健的议题是:电动汽车“芯”机遇。包括以下三个部分。

第一部分,汽车电动化之后给我们带来哪些新机遇?

当传统的汽车制造业遇到当今的半导体,就像千里马插上翅膀,会变成下一个引领浪潮的“才子”。半导体为智慧汽车带来冷静的头脑,如自动驾驶处理器、ADAS芯片等,同时也带来更强壮的肌肉、让千里马跑得更快,即大量的功率器件,比如MOSFET。

新能源车是一个非常大的市场。有别于传统车,新能源车里面有电机、电池、车载充电机、电机逆变器和空调压缩机,这些都需要大量的功率器件芯片。电动化除了车辆本身的变化之外,还给后装的零部件市场也带来新的需求,同时配套用电设施,比如充电桩,也带来大量的功率器件需求。

电动汽车中功率芯片的用途非常广泛,启停系统,DC/DC变压器,DC/AC主逆变器+DC/DC升压,包括发电机,还有车载充电机等。以时下很热的IGBT来说,电动汽车前后双电机各需要18颗IGBT,车载充电机需要4颗,电动空调8颗,总共一台电动车需要48颗IGBT芯片。如果2020年国内电动汽车销量将达到200万台,后装维修零配件市场按1:1配套计的话,粗略估算国内市场大概需要10万片/月的8英寸车规级IGBT晶圆产能(按120颗IGBT芯片/枚折算)。基于国内电动车市场占全球市场的1/3,2020年全球汽车市场可能需要30万片/月的8英寸IGBT晶圆产能!

第二部分,华虹宏力的核“芯”工艺技术。

功率器件方面,华虹宏力主要聚焦以下4个方面。一是Trench MOS/SGT,即低压段200伏以下的应用,如汽车辅助系统应用12V/24V/48V等。二是超级结MOSFET工艺(DT-SJ),涵盖300V到800V,在汽车应用中主要是汽车动力电池电压转12V低电压,以及直流充电桩功率模块。三是IGBT。IGBT在电动汽车里面是核心中的核心,主要是在600V到3300V甚至高达6500V的高压上的应用,如汽车主逆变、车载充电机等。四是GaN/SiC新材料,这是华虹宏力一直关注的方向。未来五到十年,SiC类功率器件会成为汽车市场的主力,主要是在电动汽车的主逆变器,和大功率直流快速充电的充电桩上。

在华虹宏力,硅基MOSFET是功率器件工艺的基础,后续工艺都是基于这个工艺平台不断升级、完善。沟槽型MOS/SGT适合小于300V电压的应用,华虹宏力致力于不断地减少其pitch size,提升元胞密度,降低导通电阻。在对可靠性要求极为严格的汽车领域,华虹宏力的MOSFET产品已通过车规认证,并配合客户完成相对核心关键部件如汽车油泵、转向助力系统等的应用。

相比基础的硅基MOSFET,超级结MOSFET(DT-SJ)则是华虹宏力功率器件工艺的中流砥柱。超级结MOSFET最显著特征为P柱结构,华虹宏力采用拥有自主知识产权的深沟槽型P柱,可大幅降低导通电阻,同时,在生产制造过程中可大幅降低生产成本和加工周期。超级结MOSFET适用于500V到900V电压段,它的电阻更小,效率更高,散热相对低,所以在要求严苛的开关电源里有大量的应用。

硅基IGBT芯片在华虹宏力的定位是功率器件的未来。硅基IGBT在电动汽车里是核“芯”中的核心,非常考验晶圆制造的能力和经验。目前,基本上车用IGBT是在600V到1200V电压范围。从器件结构来看,IGBT芯片正面类似普通的MOSFET,难点和性能优势在于背面加工工艺。国内能加工IGBT的产线,不管6英寸还是8英寸,都比较少,能为IC设计公司提供代工服务的产线就更少了。华虹宏力是国内为数不多可用8英寸晶圆产线为客户代工的厂商之一。

另外,在宽禁带材料方面,尤其是GaN和SiC,未来10到15年,宽禁带材料的市场空间非常巨大。宽禁带材料本身优势非常明显,但目前来讲,可靠性上还有待进一步的观察。简单地将宽禁带两个材料按照不同维度列表对比可见,从市场应用需求来讲,SiC的市场应用和硅基IGBT完全重合,应用场景明确;GaN则瞄准创新型领域,如现在流行的无线充电和未来无人驾驶LiDAR,应用场景存在一定的变数。从技术成熟度来讲,SiC二级管技术已成熟,MOS管也已小批量供货;而SiC基GaN虽然相对成熟,但成本高,Si基GaN则仍不成熟。从性价比来讲,SiC的比较明确,未来大量量产后有望快速拉低成本;而GaN的则有待观察,如果新型应用不能如期上量,成本下降会比较缓慢。

第三部分,华虹宏力的创“芯”未来。

华虹宏力是一家专业的功率器件代工厂,也是中国大陆第一家提供沟槽型功率器件(包括MOS/DT-SJ和IGBT)的。

作为全球领先的特色工艺纯晶圆代工企业,华虹宏力专注于嵌入式非易失性存储器(eNVM)、功率器件、模拟及电源管理和逻辑及射频等差异化工艺平台,目前月产能可以达到17.4万片(以200mm晶圆计)。

华虹宏力未来的整体战略依然是坚持走特色工艺之路,也就是坚持“8+12”的战略布局。8英寸的战略定位是“广积粮”,重点是在“积”这个字上。华虹宏力有超过20年的特色工艺技术积累,包括功率器件、Flash技术等等;同时这20余年来积累了很多战略客户合作的情谊;连续超过32个季度盈利的赫赫成绩,也为华虹宏力积累了大量的资本。正因为有这些积累,华虹宏力可以开始布局12英寸先进工艺。12英寸的战略定位是“高筑墙”,重点是在“高”字上。华虹宏力将通过12英寸先进技术,延伸8英寸特色工艺优势,拓宽护城河,提高技术壁垒,拉开与身后竞争者的差距。

什么样的闪存才能满足AI/5G/车载系统要求?

兆易创新存储事业部资深产品市场总监陈晖的议题是“SPI NOR Flash如何应对高性能应用领域的趋势和需求”。SPI NOR Flash是存储器大行业里面的一类产品,中文叫做串行闪存,学名叫非易挥发性存储器。SPI NOR Flash在全球的出货量大概从2004年开始从无到有。它是一种高可靠性的系统代码存储媒介。优点是指令协议简单、信号引脚少、体积小,符合新兴电子设备对体积的要求。

SPI NOR Flash的应用领域非常广泛。每一个新兴的数码设备里面,都需要有一颗Flash来存储代码。自80年代发明SPI这个协议以来,经过了大概四五代,到第六代产品,数据吞吐量从最初的2.5MB发展到今天的200或400MB。

在应用端,不管是AI、5G或是车载、IoT,都希望产品性能越来越好、越来越快。

以车内的超大显示屏为例,它涉及到SPI NOR Flash的应用。如果用前一代的104MHz四口来存储所有显示屏的数据,把显示屏里面的数据从Flash里面读出来,需要超过五秒钟时间。而如果用最新的八口协议,用200MHz DTR来读,不到一秒钟时间就可以使屏幕点亮,这样的速度才能满足人的需求。

再就是汽车里面的MCU会外挂一个Flash存储代码。Flash上线以后要有一个启动的过程,把显示屏的数据从Flash全部存到DRAM里面去。然后通过图形控制器把图点亮。现在的仪表盘也是分辨率越来越高,有2K甚至4K的显示屏都在研发当中。如果用前一代产品来做,需要等待超过五秒钟,用新一代八口的产品来处理,就可以达到人所能接受的速度。

Flash会和各种应用打交道,例如一些AI领域涉及到Flash的应用。同样,用前一代产品,在调用算法、AI数据库时,速度会受到限制;只有用了新一代八口的高速率传输,才能够保证AI芯片真正地动起来,达到接近人脑的水平,他强调。

ict-6

本文为EDN电子技术设计 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
赵明灿
赵明灿是EDN China的产业分析师/技术编辑。他在电子行业拥有10多年的从业经验。在加入ASPENCORE之前,他曾在电源和智能电表等领域担任过4年的工程师。
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
您可能感兴趣的文章
  • 2019国际电子产业链资源对接大会参展商之“芯之联” 在ASPENCORE旗下《电子工程专辑》、《电子技术设计》、《国际电子商情》三大媒体联合举办的2019国际电子产业链资源对接大会上,来自深圳的芯之联科技有限公司是其中的一个参展商。
  • 芯之联:小芯片在AIoT时代的大作为 近来人们不再像从前那样单独提及AI(人工智能)和IoT(物联网),而是将其融合在一起,AIoT(人工智能物联网)成为科技行业热词。AI+IoT成为业内共识,语音识别+人脸识别+边缘计算+物联网等多概念融入,借助AI、大数据、云计算等技术,实现“云+边+端”的全新模式被广泛接受。
  • 紫光展锐在5G背景下的物联网全连接解决方案 4G时代,有十多个研发厂商提供底层研发,而到5G时代,目前只有高通、华为、MTK、展锐、三星五个研发公司提供核心技术。
  • 一看就懂:现阶段物联网中的多种无线技术 5G实际上应用的是过渡技术,其对通信容量有很大约束,只能发挥大规模数字多波束阵等5G核心技术能量的百分之二三十,这些遗憾,将在第六代通信技术商用化后得到完全解决。
  • MCU/传感器和AI在一起,能碰撞出什么样的火花? 通过Cube.AI软件功能包,现在可以用STM32微控制器产品来支持机器的人工智能/深度学习。传感器也可以更加智能化。在传感器上运用人工智能,一来可以降低整个系统的能耗,二来可以把本身的噪声、稳定性和精度做得更好。
  • 喊了很多年的智慧家居,为何迟迟不爆发? 智慧家居的爆发已经喊了好几年,但是除了2014年的小高潮之后就一直不温不火,至今也没有突破性进展。那么,喊了很多年的智慧家居,为什么迟迟不爆发?
相关推荐
    广告
    近期热点
    广告
    广告
    广告
    可能感兴趣的话题
    广告