近年来,伴随着人工智能、可穿戴式设备、无人机等新兴应用领域的发展,智能视觉感知技术越来越普及并进入人们生活中的方方面面。在这类应用场景中,图像传感器长时间开启获取图像,内部处理器持续进行高密度计算。然而,此类嵌入式系统的供电往往十分受限,智能视觉感知应用系统的低功耗需求迫在眉睫。本文面向视觉智能感知应用背景,解决传统视觉系统在日益提高的算法复杂度中面临的大数据量的转换与传输代价。本文从系统架构出发,提出在传感器前端模拟域计算并提取粗分类特征的智能视觉感知系统框架,降低整个系统的平均功耗。本文完成的具体工作如下所述:(1)基于SMIC180nm混合信号工艺,利用Cadence工具设计了基于帧差的近传感器运动检测芯片。前端图像传感器像素阵列输出的模拟电压直接在模拟域进行基于Robert算子的边缘提取,并在数字模块进行边缘对比。具体电路设计包括双工作模式像素电路设计、基于Robert算子边缘提取电路设计、二值化电路设计、模拟内存电路设计以及数字模块电路设计。该芯片运动检测模式下功率为16.6?W,归一化功耗为137 p J/pixel/frame。与先进工艺水平下的数字域运动检测系统相比,实现了3倍的能效提升。(2)为了验证CMOS图像传感器芯片的正常拍照功能,基于SMIC180nm混合信号工艺,利用Cadence工具设计了分辨率为128×96的双通道模拟读出CMOS图像传感器芯片。具体电路设计包括像素电路设计、相关双采样电路设计、数字模块电路设计。(3)设计了两颗芯片的测试系统与测试方案。两颗视觉芯片成功流片后,为了验证两颗芯片是否正常工作,设计了两颗芯片的测试系统与测试方案,测试系统包括相关测试电路设计以及FPGA代码设计,测试方案设计包括芯片的整体测试过程与测试结果。测试结果显示两颗芯片工作正常。