ISP一些文档

ISP
1.1 码流
1.2AOV
1.3 PIR （Passive Infrared）
1.4 IRCUT
1.5 ISP
1.6 Binning模式
1.7 视频编码
1.7.1呼吸效应
1.7.2 i帧 p帧 Gop(group of picture)
1.8 ISP-TUNING
1.8.1 CCM
1.8.2 AWB
1.9 一些对比机
1.9.1 TP-LINK
1.10 AI算法浅浅知识
1.10.1 LSQ（learning Step Size Quantization）
1.10.1前向传播 && 反向传播
1.10.2 图基分布
1.1 码流
https://www.anfangnews.com/2023/0307/5317.shtml
总结：主码流一般码流较大，清晰度高，占用的带宽也就高。子码流在主码流的图像环境下降低了图像格式，清晰度较主码流要低，占用带宽小。
主码流一般用于存储，子码流用于网传。主码流本地存储，子码流适用于图像在低带宽网络上传输。
1.2AOV
https://m.rfidworld.com.cn/news/2401_5E0DA104D2B1E251.html
https://m.rfidworld.com.cn/news/2405_1C69BDD7784ADEBF.html
海康 && 莹石 https://baijiahao.baidu.com/s?id=1796080355794843560&wfr=spider&for=pc
在未检测到人时，设备进入AOVAlways on Video）模式，降低帧率为1帧/秒（或者10fps）全时录像，此时功耗极低；
当画面检测到人时，立即切换正常模式15帧/秒录像。
汉邦高科 https://baijiahao.baidu.com/s?id=1801108154158184221&wfr=spider&for=pc
北京君正 T41&&觅睿科技https://laoyaoba.com/html/share/news/900896?news_id=900896
晶相光电 https://www.wpgdadatong.com.cn/blog/detail/75014
JX 有事件触发时，SOI Sensor 能够以每秒60帧的速度进行录像；在无事件触发时，SOI Sensor 能够以每1秒1帧的超低帧率进行持续录像，功耗15mW.
超低功耗摄像头被设计为平常处于子采样模式（AO 模式），只有在 PIR / 事件 触发后，才会进入主采样模式（全解析全速模式）。
子采样模式：摄像头平时通过 DVP 或者 SCB 接口连接主控制器 AO 功能区块，可以预录关键时间500500@5fps的视频，同时保持和主采样相同的视角，
Sensor 功耗2mW。
主采样模式：摄像头在 PIR /事件 触发后，通过唤醒引脚快速切换到正常模式（主采样模式），此时是全解析全速工作模式，2K2K@60fps 功耗低于
200mW，2K*2K@30fps 功耗低于 150mW
瑞芯微电子 rv1106 https://www.scensmart.com/solutions/aov-ipc-solution-based-on-rv1106/
1.3 PIR （Passive Infrared）
被动红外传感器
https://zhuanlan.zhihu.com/p/668033082
https://baijiahao.baidu.com/s?id=1804176075754325317&wfr=spider&for=pc
1.4 IRCUT
软光敏 vs 硬光敏 https://blog.csdn.net/kwdx2/article/details/139524312
安佳威视 http://www.anjvision.com/problem/48-cn.html
君正 https://blog.csdn.net/li_wen01/article/details/115308705
君正 https://blog.csdn.net/sashimi69/article/details/140639210
1.5 ISP
https://www.cnblogs.com/lanlancky/category/2264150.html
BLC https://www.cnblogs.com/lanlancky/p/17564221.html
1.6 Binning模式
https://baike.baidu.com/item/binning/10581717
https://blog.csdn.net/lz0499/article/details/105890600
1.7 视频编码
https://developer.mozilla.org/zh-CN/docs/Web/Media/Formats/Video_codecs
https://blog.csdn.net/qq_39969848/article/details/129057739
https://baike.baidu.com/item/视频编码/839038
https://cloud.tencent.com/developer/article/1381472
https://www.easemob.com/news/3614
https://www.cloudflare-cn.com/learning/video/video-encoding-formats/
1.7.1呼吸效应
https://blog.csdn.net/m0_60259116/article/details/126414094
https://blog.csdn.net/weixin_44836685/article/details/123571307
I帧的插入造成图像质量忽然变好 之后p帧质量变差的情况；
https://blog.csdn.net/szfhy/article/details/79882903?spm=1001.2101.3001.6650.14&utm_medium=distribute.pc_relevant.none-task-blog-2%
7Edefault%7EBlogCommendFromBaidu%7ERate-14-79882903-blog-126414094.235%5Ev43%5Epc_blog_bottom_relevance_base9&depth_1-
utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7ERate-14-79882903-blog-126414094.235%5Ev43%
5Epc_blog_bottom_relevance_base9&utm_relevant_index=19
1.7.2 i帧 p帧 Gop(group of picture)
https://www.cnblogs.com/sunsky303/p/18324976
https://www.nxrte.com/jishu/21382.html
https://www.cnblogs.com/schips/p/12168032.html
1.8 ISP-TUNING
晶视智能 :https://doc.sophgo.com/cvitek-develop-docs/master/docs_latest_release/CV180x_CV181x/zh/01.software/ISP/ISP_Tuning_Guide/build
/html/3_ISP_System_Overview.html
海思：https://cloud.tencent.com/developer/article/2320143
1.8.1 CCM
CCM被用来校正传感器捕获的原始颜色，使结果更接近于人眼所感知的真实颜色.
https://zhuanlan.zhihu.com/p/706534402
CCM调试：https://blog.csdn.net/qq_35247586/article/details/106887446
https://blog.51cto.com/u_15699736/5971029
昇腾文档 (HISI )https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/800alpha001/devguide/appdevg/ispimagetuning
/ispdevapi_0241.html
CCM的算法设计： https://zhuanlan.zhihu.com/p/34562544
1.8.2 AWB
https://www.ebaina.com/articles/140000017271
ISP模块相关知识及测试方法 https://blog.csdn.net/sinat_31440609/article/details/121518942
1.9 一些对比机
1.9.1 TP-LINK
文档： https://resource.tp-link.com.cn/pc/docCenter/showDoc?id=1722475096171874
瑞芯微RV1106 && 采用RV1106 AOV方案的TL-IPC544EL-WB4GY
内置AI-ISP技术，采用两大核心算法分别是微光降噪及智能增强。
微光降噪基于人工智能算法，针对视频及图片的画面噪声数据进行深度学习；智能增强通过细节超感知，自适应纹理增强让细节更清晰。
http://www.chaguwang.cn/neimu/603893/202408094957.html
1.10 AI算法浅浅知识
1.10.1 LSQ（learning Step Size Quantization）
QAT的一种
神经网络量化入门–FakeQuantize
神经网络量化可以分为两大类：量化感知训练（Quantization-Aware Training，QAT）和训练后量化（Post-Training Quantization，PTQ）。
https://zhuanlan.zhihu.com/p/406891271
https://zhuanlan.zhihu.com/p/404445525
1.10.1前向传播 && 反向传播
前向传播是将输入数据通过神经网络传递到输出的自下而上过程；
反向传播是神经网络中用于更新权重和偏差自上而下的过程；
https://www.elecfans.com/d/3693636.html
https://www.cnblogs.com/tryst/p/18299014
1.10.2 图基分布
https://blog.51cto.com/u_16213662/9448882