據介紹，在攝像頭背后，根據使用目的，可能有多種方法（方案）來處理原始圖像數據。這些方法通常可分為圖像“查看”或“分析”，以理解攝像頭及其系統周圍的環境。不過，這些方法都需要不同類型的硬件。人工智能（AI）推動了視覺系統的硬件發展，并且已對一些細分市場產生了重要影響。圖像分析功能增加了很多附加價值，因此圖像傳感器開發商越來越有興趣將軟件層集成到它們的系統中。

如今，圖像傳感器必須超越“拍攝圖像”，能夠實現“分析圖像”，這就是視覺處理器存在的原因。根據Yole近期出版的《圖像信號處理器和視覺處理器市場和技術趨勢-2019版》報告，視覺處理器市場正在爆發性增長，2018年至2024年期間的復合年增長率（CAGR）高達13%，市場規模到2024年預計將增長至200億美元。

2018~2024年圖像處理和計算相關硬件出貨量和市場營收

但是，這并不意味著圖像信號處理器（ISP）會逐漸消失。事實上，Yole預計在2018~2024年期間，ISP市場將實現4%的穩定復合年增長率，到2024年總體市場規模將增長至68.7億美元。圖像處理和計算硬件不僅僅需要實現“查看”功能，還要能夠支持更復雜的算法，以便提供可用于計算機視覺的圖像，特別是深度學習。

圖像信號處理和計算硬件類型

豪威科技（OmniVision）得益于在汽車和相關ISP領域的圖像傳感器產品組合而處于市場領先地位。關于其產品的最新案例，可以參閱Yole全資子公司System Plus Consulting最新出版的《采埃孚S-Cam 4系列ADAS單目和三目攝像頭》拆解報告。該系列攝像頭結合了OmniVision的OV10642圖像傳感器以及最新的Mobileye EyeQ4視覺處理器。

Yole技術和市場分析師Yohann Tschudi博士近期采訪了OmniVision汽車業務市場總監Andy Hanvey先生，與其探討了OmniVision對圖像處理未來的愿景及策略。

Yohann Tschudi（以下簡稱YT）：OmniVision作為圖像傳感器領導者聞名業界。你們為什么選擇在產品組合中添加圖像處理功能？目前，圖像處理功能對于OmniVision的意義是什么？

Andy Hanvey（以下簡稱AH）：OmniVision作為汽車圖像傳感器市場領導者已超過15年，我們深切地體會到能夠同時提供圖像傳感器和圖像處理功能對我們的產品組合非常重要。憑借OmniVision的專業積累，使我們能夠利用ISP從我們的圖像傳感器獲得出色的成像質量，這對于汽車應用復雜而廣泛的照明條件以及終端應用而言至關重要。因此，我們可以為客戶提供更順暢的整合，加快其產品上市，使客戶感受到我們作為圖像傳感器和圖像處理一站式供應商所能提供的巨大附加價值。

能夠支持最廣泛的架構是汽車應用的關鍵，利用我們的ASIC產品組合便可以實現這一目標。OmniVision引領的架構將ISP處理轉移到了ECU用于汽車環視應用。

2013年推出的OV490是我們第一款提供雙處理功能的ASIC，隨后在2016年推出了OV491，后者的圖像處理能力得到了大幅改善。

YT：多年前，是什么推動OmniVision選擇進入汽車市場？該領域圖像處理面臨的主要挑戰是什么？是可視化？還是ADAS？

AH：OmniVision作為汽車圖像傳感器市場的主要供應商已經超過15年，目前在路上行駛的車輛中應用了超過1.6億顆OmniVision的圖像傳感器。自1995年以來，我們一直是CMOS成像解決方案的領導者，進入汽車市場，對于我們的圖像傳感器應用順理成章。例如，我們率先將BSI像素技術引入了汽車領域。這是OmniVision的另一個關鍵優勢，我們可以將其它領域的研發成果拓展到汽車領域。

憑借我們的領先技術，我們將繼續應對汽車市場帶來的挑戰。如今，汽車ISP面臨的主要挑戰包括需要處理來自更多攝像頭、更高分辨率傳感器的更多像素，以及應對一系列傳感器（不僅僅是圖像傳感器）的需求。

YT：HDR和LED頻閃是與ADAS應用相關的典型問題，它們在汽車可視化中有哪些應用？OmniVision是否有意進入ADAS市場？

AH：我們看到很多汽車可視化應用，包括攝像頭監控系統（CMS）和ADAS，都需要解決LED頻閃的功能。此外，OmniVision還推出了一系列針對汽車應用優化的HDR技術，例如Split Pixel和DCG，以及結合我們HALE（HDR和LFM引擎）算法的LFM技術。我們對汽車成像應用提出的挑戰有深刻的理解。例如，覆蓋120 dB動態范圍是常態，但我們的客戶要求更寬的140 dB動態范圍，我們已經為滿足這些需求做好了充分的準備。汽車可視化和ADAS應用都提出了各自相應的需求。我們目前已經立足ADAS市場，與所有ADAS平臺展開了密切合作，并已實現量產出貨。

OAX4010汽車ISP采用了OmniVision最新的HDR和LFM引擎（HALE）組合算法

YT：作為ADAS系統一部分的環視攝像頭大部分將繞過ISP，最終通過低壓差分信號（LVDS）接口集成到視覺處理器中。您認為攝像頭的數量是否會翻一番？還是每個攝像頭擔負雙重任務？

AH：簡單來說是兩種都有！

目前有許多不同的環視架構，其中一些在攝像頭中包括ISP，還有一些架構將ISP整合進入了ECU。

隨著應用率的迅速提高，我們預計環視攝像頭的數量將每2~3年翻一番。我們在OmniVision看到的一個趨勢是“傳感器融合”，代表一顆攝像頭用于多種用例。例如，環視攝像頭也可以用于機器視覺處理，在這種情況下，圖像處理可能使用不同的CFA（彩色濾波陣列），如RCCB，而不是傳統的拜耳格式（RGGB）。

YT：除了汽車市場，你們還瞄準哪些細分市場？面對的挑戰是否相同？

AH：OmniVision的產品組合應用非常廣泛，除了汽車市場，還包括移動應用、安防、筆記本、醫療以及其它新興領域。汽車領域存在一些獨特的挑戰，例如很寬溫度范圍內的性能要求。在某些情況下，這些細分市場有著共同的需求，例如針對特定尺寸和功耗目標的最優像素和傳感器性能。這也為OmniVision在不同領域確立了協同優勢，意味著可以針對不同市場、不同階段的問題共享我們的創新技術。

YT：如今，Yole注意到AI已經無處不在，它正迅速進入消費者的日常生活。在您看來，AI為什么以及如何改變圖像處理市場？

AH：AI確實已經無處不在，它將影響我們生活的方方面面。我們看到的很多新應用令人驚嘆。

AI可以通過多種途徑改變圖像處理市場。首先，ISP不僅需要處理圖像以實現可視化，還需要處理精確圖像數據以供機器操作。這兩種應用要求的處理不一定相同。AI切入的最佳位置在哪里？在中心或是邊緣？我們可以設想每顆攝像頭或許都可以具有一定的AI處理能力？目前，這類設想或其它可能都正在開發中，哪種AI模型將成為主導還有待觀察。

YT：您還有什么其它信息要跟我們補充分享嗎？

AH：感謝Yole讓我們有機會與讀者分享OmniVision的現狀及市場策略。我們的產品和服務覆蓋了從可視化到ADAS再到AI等許多主題。另一個關鍵應用是汽車艙內的駕駛員監控系統（DMS）和艙內監控系統（IMS）。該領域也為圖像處理帶來了廣泛的挑戰。IMS使用RGB-IR CFA來實現用于可視化的RGB圖像，以及用于機器視覺處理的紅外（IR）圖像。

對于DMS應用，主要有三個挑戰，低功耗、小尺寸和高近紅外量子效率（NIR QE）。通過我們的全局快門產品組合，OmniVision可解決所有這三個挑戰。此外，憑借OmniVision令人興奮的夜鷹（Nyxel?）近紅外（NIR）技術，它將成為DMS市場的破局者。
? ? ? ?責任編輯:pj