摘要
实时人数统计和室内定位是实现节能且保护隐私的智能环境的关键功能。然而，在严格的功耗和带宽限制下实现低延迟推理仍然具有挑战性，尤其是使用传统的高分辨率RGB或基于深度的视觉系统时。在这项工作中，我们提出了一种完全协同优化的感知和推理流程，该流程结合了低分辨率的热电堆红外传感器和专为硬件定制的检测架构。我们使用了一个32×32像素的被动红外阵列来收集定制的室内数据集，通过紧凑的预处理流程将帧大小减少了80%以上，同时保留了轮廓信息。处理后的二值输入由一个考虑了量化和剪枝机制的YOLOv3-tiny检测器进行处理，从而实现了适用于资源受限边缘设备的精确且紧凑的表示。为了支持在内存加速器（IMC）上的部署，我们通过实验研究了28纳米FeFET阵列中的多级单元（MLC）行为，包括编程电压特性和内存窗口分析。在交叉阵列级别进一步验证了受控的多级电流积累，确认了在实际工作条件下的稳健模拟点积行为。所提出的流程展示了一种全面的嵌入式感知方法，涵盖了传感器数据捕获、模型压缩以及经过实验验证的非易失性模拟硬件加速。
利益冲突
作者声明没有利益冲突。
数据可用性声明
支持本研究结果的数据可在https://github.com/vardaralptekin/Advance_Electronic_Materials-IR_Dataset（参考编号1）的Advance_Electronic_Materials-IR_Dataset中公开获取。
