据外国媒体报道，英国布里斯托大学（UniversityofBristow) 与曼彻斯特大学（Universityof 曼彻斯特）合作，开发了一种能够学习和理解你所看到的东西的照相机，从而有助于实现智能相机。

英国智能相机的研究与开发仅仅是为了实现高性能、低延迟的人工智能系统而传输先进的数据

SCAMP-5D 视觉系统上的卷积神经网络以每秒 8200 帧的速度对手势进行分类（图像来源：布里斯托大学）

机器人专家和人工智能（Ai) 研究人员都知道，目前的系统在感知和处理世界方面存在问题，仍然需要将传感器（如为记录图像而设计的数码相机）等计算设备与旨在加速电子游戏的图形处理单元（GPU) 结合起来。

这也意味着，人工智能系统只有在传感器和处理器之间记录和传输视觉信息之后，才能感知世界，但看到的许多东西往往与手头的任务无关，比如自动驾驶汽车在通过路边的树木时看到树叶的细节。然而，所有这些信息现在都被传感器准确捕获并发送到系统，导致系统中不相关数据的阻塞、能源消耗和处理时间。因此，需要一种不同的方式，使智能机器能够实现高效的视觉能力。

为此，布里斯托大学和曼彻斯特大学已经展示了如何将感知和学习结合起来，为人工智能系统制造新的相机。

研究人员说，你可以从自然系统处理视觉世界的方式中获得灵感。例如，人类并不能感知一切，大脑和眼睛一起工作来了解世界。在某些情况下，眼睛会自行处理，以帮助大脑减少对不相关事物的理解。例如，青蛙眼睛上的探测器可以找到物体，如苍蝇，直接感知图像。

英国智能相机的研究与开发仅仅是为了实现高性能、低延迟的人工智能系统而传输先进的数据

这项研究改进了两个方面。首先，卷积神经网络直接在图像平面上执行（CNN 是一种用于理解视觉信息的人工智能算法）。该小组开发的 CNN 可以每秒对帧进行数千次分类，而不必记录这些图像或发送到处理管道。研究人员考虑了手写数字、手势甚至是带状动物作为演示。

这项研究表明，未来的智能人工智能摄像机视觉系统只需将先进的信息发送到系统的其他部分，例如摄像机前面的对象或发生的事件类型。这种方法将使系统更高效、更安全，因为不需要记录图像。

第二，这项研究还得益于 SCAMP 的架构。SCAMP 是一种相机处理器芯片，团队使用它作为像素处理阵列（PPA)。PPA 在每个像素中嵌入一个处理器，像素之间可以相互通信，以便以真正并行的方式进行处理，最终实现理想的 CNN 和可视化算法。

在每个像素上集成感知、处理和存储技术，不仅可以实现高性能、低延迟的系统，而且还可以实现低功耗和高效率的硬件，" 研究人员说。SCAMP 设备的能耗与目前的相机传感器相似，但有一个通用的大型并行处理器来捕获图像点。