第1章课程导论与硬件选型

1、课程导论与硬件选型：为什么选择嵌入式平台做人脸检测？主流硬件对比与选型指南

说实话，很多人一听到“人脸检测”，第一反应就是上云、上服务器。但我在实际项目中碰过不少钉子——网络延迟、带宽成本、隐私问题，每一个都够你头疼的。

嵌入式平台的优势其实很直接：本地处理、低延迟、低功耗、隐私安全。你想想看，一个门禁系统如果每次都要把图片传到云端去检测，万一网络断了怎么办？我有个朋友做智能门锁，就遇到过这种尴尬——用户站在门口等半天，门就是不开。

另外，嵌入式设备功耗低，可以电池供电。像一些便携式的人脸打卡机、智能眼镜，根本不可能背个服务器在身上。说白了，嵌入式人脸检测就是让算法“跑在边缘”，而不是“飞在云端”。

核心优势总结：

目前市面上做嵌入式视觉的主流平台，我接触过的有三类：树莓派、Jetson Nano、K210。它们各有各的脾气，选错了平台，后面开发会非常痛苦。我当年就吃过这个亏——选了个算力不够的芯片，结果模型跑不动，只能从头再来。

树莓派大家应该不陌生。它本质上是一台微型电脑，跑的是Linux系统。我习惯用它做原型验证，因为生态太丰富了——Python、OpenCV、TensorFlow Lite，装个包就能跑。

但要注意，树莓派的CPU算力有限。我用它跑过MobileNet-SSD，640x480的输入，帧率大概只有5-8 FPS。做演示还行，真上产品就有点吃力了。

我的经验：树莓派适合做入门学习和快速原型。如果你只是想验证算法效果，或者做一个非实时的演示，树莓派完全够用。但如果是产品级实时检测，建议考虑其他平台。

Jetson Nano是NVIDIA家的产品，带有一个128核的Maxwell GPU。说白了，它就是为AI视觉而生的。我去年做一个智能安防项目，用的就是Jetson Nano，跑YOLOv4-tiny，640x480输入，能跑到30 FPS以上。

不过，Jetson Nano的功耗比树莓派高不少（5W-10W），而且价格也贵一些。另外，它需要一定的Linux和CUDA基础，新手入门门槛稍高。

避坑指南：我曾经买过一个Jetson Nano的散热片不够大的版本，跑模型半小时就过热降频了。后来换了带风扇的散热模组才解决。嗯，散热问题一定要提前考虑。

K210是一个RISC-V架构的AI芯片，内置了神经网络加速器（KPU）。它的特点是功耗极低（不到1W），而且价格便宜（几十块钱）。我最早接触它是在一个智能猫眼项目上，电池供电，待机好几个月。

但K210的缺点也很明显：生态不够成熟，开发工具链相对封闭。而且它的算力有限，跑不了太大的模型。我试过在上面跑一个轻量级的人脸检测模型，QVGA（320x240）输入，帧率大概15-20 FPS。

一句话总结：K210适合极致低功耗和低成本的场景，比如智能门锁、猫眼、玩具等。但如果你需要高精度或大分辨率，它可能不太够用。

如果你是初学者，我建议从树莓派开始。为什么？因为它的资料最多，遇到问题随便一搜就有答案。等你把整个流程跑通了，再考虑换平台。

如果你要做产品，而且对实时性要求高，Jetson Nano是更稳妥的选择。虽然贵一点，但算力摆在那里，省心。

如果你做的是电池供电的小设备，比如智能门锁、猫眼，那K210就是你的菜。功耗低到可以忽略不计，而且价格便宜，坏了也不心疼。

一个小技巧：我习惯在选型前先列一个需求清单——分辨率、帧率、功耗、成本、开发周期。然后拿着清单去对比，基本不会选错。别问我怎么知道的，都是踩坑踩出来的经验。

考虑到课程的目标是让大家真正学会嵌入式人脸检测，而不是被硬件折腾死，我决定以树莓派为主讲平台。同时，我会在部分章节补充Jetson Nano和K210的移植方法。

这样，你学完课程后，不管手头是什么硬件，都能快速上手。

好了，硬件选型就聊到这里。下一章，我们会正式开始搭建开发环境。嗯，到时候记得把树莓派拿出来，我们一起动手。