人物识别——即对人进行识别，而非他们的身份——可能是机器学习中最典型的应用之一：神经网络非常适用于识别图像中的物体、人物、动物等，从而将图像信息自动分级分类。但是，这些算法往往有两个决定性的缺点：第一，人物识别算法需要耗费大量计算资源，因此通常需要在云上进行；第二， 涉及到有关个人和商业数据保护的问题。因而此类技术很难在现有数据保护规定制度下开展应用。
 
 
 
弗劳恩霍夫微电子电路和系统研究所IMS 致力于研究并实现一种新型的人物检测方法，以满足个人隐私和数据安全的要求。该方法避免了在线服务的使用，而是在本地通过在摄像头上嵌入一个低成本的微控制器系统的方法来实现识别功能。IMS使用自己开发的“人工智能嵌入式系统”（AIfES）软件框架将图像处理算法和神经网络集成入一个嵌入式系统中。
 
我们的方法不是使用庞大的神经网络，而是针对具体的应用场景进行详细的需求分析，从而开发出最优算法。通过这种方式可以避免资源密集型深度神经网络的使用，而通过上游算法建立的微型神经网络可以被毫无障碍的集成和使用在微控制器上。这意味着整个图像处理和识别可以在边缘设备上本地实时进行——因为这里使用到的微处理器可以被集成到本地的终端采集设备中。这样，就无需再使用服务器、各种服务、云或其他接口。
 
 
 
人物识别的应用领域极其多样化。例如，安防系统中配备该技术的摄像头能够由此而具有记录相关数据的决策能力。这样就只需对相关数据（例如图片中的人，而不仅仅是一只猫）进行传输，从而减少所需的数据带宽。鉴于该技术系统的成本极低，其在智能家居、无人区监控、交通技术、疏散系统等领域都有着广泛的应用空间。
 
 
 
这里，人物识别也只是识别算法广泛应用中的一个例子。例如，工件、车辆或其他移动目标的识别也可以通过这种嵌入在微系统上的神经网络来实现。IMS的方案是，针对不同应用场景提供相对应的平台，从而可以高效地开发出适合该场景的解决方案。