基于TensorFlowLiteMicro与Cortex-M7的行人检测低功耗边缘计算相机设计.docxVIP

PAGE2

基于TensorFlowLiteMicro与Cortex-M7的行人检测低功耗边缘计算相机设计

摘要

随着物联网与智能安防的普及，传统云端视觉分析面临延迟高、隐私泄露及功耗过大等痛点。本课题旨在设计一款低功耗边缘计算相机，基于ARMCortex-M7微控制器与TensorFlowLiteMicro推理引擎，实现端侧实时行人检测。核心方案采用深度可分离卷积的MobileNetV1架构，经INT8全整型量化后部署于带OV摄像头接口的M7开发板，将系统整体运行功耗控制在100mW以内。

全文遵循工程递进思路展开。首先，通过需求分析明确低功耗与实时性的硬性指标；其次，总体设计构建了硬件采集与软件推理的分层架构；详细设计阶段深入剖析了图像预处理流水线与TFLM内存管理机制；实现环节完成了模型训练量化及边缘端C++部署；最终测试验证了系统在10fps帧率下稳定运行且功耗仅82mW。本设计的核心创新在于探索了极致资源约束下的AI部署范式，通过算子裁剪与动态时钟调节，成功在无NPU辅助的通用MCU上实现了低功耗智能视觉感知。

第一章绪论

1.1研究背景

近年来，智能视觉感知技术在智慧城市、智能家居与工业监控等领域呈现出爆发式增长。传统的视觉分析系统普遍采用“终端采集-云端推理”的架构模式，即摄像头仅负责图像抓取，视频流通过网络传输至云端服务器进行AI解析。这种模式在早期