高通户外 IoT 太阳能供电设备，AI 人体检测任务夜间低功耗模式下唤醒识别成功率不足 30%，如何兼顾超低功耗与识别精度？

[白银战车镇魂曲]

高通户外 IoT 太阳能供电设备，AI 人体检测任务夜间低功耗模式下唤醒识别成功率不足 30%，如何兼顾超低功耗与识别精度？
 

[weixin_38498942]

低功耗模式下设备 NPU、摄像头增益、图像采样帧率全部受限，画面噪声大、分辨率压缩严重；同时唤醒推理单次算力运行时间极短，模型轻量化过度丢失人体弱特征，双重因素导致漏检。
分层功耗 + 精度协同优化方案
分级唤醒双模型策略
配置轻量触发模型 + 精准检测模型两级调度，低功耗下先用极小模型做触发，触发后临时拉高硬件算力运行高精度模型，嵌入式 C 核心逻辑：

void low_power_wake_infer(){// 待机低功耗：仅运行160*160超轻量触发模型camera_set_low_power_mode(true);int trigger_res = tiny_trigger_model_infer();if(trigger_res == HUMAN_EXIST){// 检测到人体，临时拉高硬件功耗3秒camera_set_low_power_mode(false);npu_set_freq_medium();// 运行标准人体检测模型确认目标human_detect_model_infer();// 3秒后自动切回深度低功耗delay_ms(3000);camera_set_low_power_mode(true);npu_set_freq_sleep();}}

夜间成像参数动态适配
低功耗唤醒阶段微调摄像头曝光、降噪参数，在不增加功耗的前提下优化图像质量：
延长短时曝光，提升夜间画面亮度
开启硬件时域降噪，抑制画面高斯噪声
关闭多余色彩通道，仅灰度图输入模型，减少数据传输功耗
模型针对性微调
采集夜间太阳能设备实拍暗光样本，对检测模型做微调，强化人体轮廓、红外反光特征提取；触发模型采用 INT4 量化，检测模型保留卷积层 FP16 精度，平衡算力与特征完整性。
唤醒触发间隔智能调节
无目标时段延长唤醒间隔至 5 秒，检测到移动目标后缩短至 1 秒，减少无效唤醒功耗消耗。
参考资料
高通 IoT 低功耗视觉开发白皮书《Solar Powered Edge Vision AI Tuning Guide》
技术实践文章《户外低功耗摄像头人体检测低精度问题优化全流程》