英特尔和智信动力推动智能交通创新

本篇文章2253字，读完约6分钟

我不知道你有没有注意到，无论是停车场收费还是道路入口处的车辆违章检测，它已经逐渐实现了“无人化”:通过摄像头等图像捕捉设备拍摄车牌，并进行自动识别，可以与后端管理系统对接，后端管理系统可以自动实现车辆停车计费、违章记录等应用。与传统的人工识别和管理相比，自动车辆识别和管理不仅降低了相应的人员成本，而且有效提高了管理的速度和准确性，成为智能交通系统不可或缺的一部分。

同时，为了满足精度和性能的要求，基于深度学习的车辆识别监控需要高效的算法支持和大量的训练数据。然而，一个场景的训练算法不能完全满足其他场景的应用要求。以车牌识别为例，不同国家和地区的车牌在字符、颜色、组合等方面是不同的。因此，如果没有基于特定数据的训练，车牌识别算法很难迁移到其他国家和地区，这也导致了智能交通系统在一些市场规模较小的国家和地区发展缓慢。

除了算法，计算能力也是影响基于深度学习的车辆识别系统应用的一个重要原因。计算能力越高，就越容易在车辆识别和检测中实现更高的效率，并且更适合于苛刻的应用场景，例如识别高速运动或复杂场景中的车辆。推理性能的提高有助于加速算法的训练。同时，为了实现最佳的成本效益，用户通常希望用更少的节点承载更多的车辆识别负载，这就需要更高的性能。

致新原始车牌识别系统的“出海之路”

作为中国领先的人工智能技术和解决方案提供商，北京智信引物技术有限公司(以下简称智信引物)于2018年由英特尔投资成立，致力于为用户提供高效、高精度、可快速部署的车辆识别解决方案。智能核心基于云的车型识别平台可以识别大约1600种车型，车型信息包括:品牌、型号和年份。为了满足世界不同地区用户对车牌识别的需求，智信动态推出了一种车牌识别解决方案。

针对传统车牌识别方案训练数据量大、部署速度慢、周期长的缺点，通过自主开发的车牌算法框架，志新原有的海外车牌解决方案可以在少量车牌样本(> 1K)的情况下快速迭代，只需2-4周即可实现新的国家车牌开发任务，综合准确率可达90%-95%，能够满足基础应用的需求。随着训练数据的增加，这种准确率、

在该方案中，智信倡议采用基于卷积神经网络深度学习的车型识别方法，通过MobileNet*和GoogleNet*等拓扑结构优化分类推理。志新动力对车牌识别算法进行优化后，有助于在小样本的前提下实现应用的快速开发和部署。

目前，智能核心原始车牌识别解决方案已在加拿大、土耳其、新加坡、赞比亚、安哥拉、中国、台湾、泰国和印度等20多个国家和地区实施。

智能核心动力和英特尔合作加速车牌识别应用的推理性能

“为了提高基于深度学习的车牌识别的推理性能，硬件和加速工具是非常重要的影响因素。从这两个方面，我们一直在与英特尔一起探索。”智信首席技术官王政表示:“在基于中央处理器的深度学习方案中，中央处理器的性能和人工智能的技术创新至关重要。新发布的第二代英特尔至强可扩展处理器针对人工智能应用负载。经过优化，配备了VNNI和其他技术，我们期待通过该处理器提高推理性能。”

除了使用第二代英特尔至强可扩展处理器之外，智能核心动力还尝试了英特尔开放式Vino Toolkit在许多拓扑结构中的推理性能，如MobileNet*、MobileNet-V2*、GoogleNet*、VGG-16*等。测试数据显示，与英特尔优化版Caffe相比，OpenVINO在MobileNet系列分类推理方面的性能提升了28.4倍，性能提升非常显著。

OpenVino之所以能实现如此明显的加速效果，是因为OpenVino支持深度学习和传统的计算机视觉方法。它包含一个深度学习的部署工具套件，可以帮助开发人员将经过训练的网络模型部署到目标平台进行推理操作。OpenVINO将人工智能置于计算的边缘。将人工智能与异构边缘计算相结合，有利于提高性能，整合深度学习，加速开发、创新和定制。

“第二代英特尔至强可扩展处理器+OpenVINO的使用可以在视频图像分析中极大程度地提高推理性能，不仅在车牌识别应用中具有巨大的应用前景，还可以应用于各种智能交通系统。通过部署该解决方案的优化版本，用户将被允许部署更少的节点，支持更多的推理负载，并实现更低的总拥有成本(TCO)，”负责智信原始的车牌识别项目的人士说。

车辆检测和识别刺激了智能交通市场

在庞大的智能交通系统中，计算机视觉技术的应用是不可或缺的。无论是停车场综合服务、道路管理还是道路入口综合检查，都依赖于车辆高效的视频图像分析能力。目前，世界各地的交通行业都面临着低数字化水平的挑战。企业需要获取这些数字和信息，实现信息和数据的公共性，并产生共享价值，这将为建设智能交通系统和智能城市带来巨大机遇。

基于计算机视觉的解决方案使用增强的深度学习神经网络以更精确的方式获取数据，将车辆识别的分析能力提高到一个新的水平。人工智能方法，如深度学习，使用训练有素的算法，通过分层神经网络在各种抽象层次上对数据建模，这有助于建立复杂的过程，如计算机视觉、自然语言处理和图像识别，并从运行在交通系统中的车辆中提取大量数据信息。

从基于英特尔芯片的智能相机，到基于英特尔加速芯片的终端计算设备(如网络录像机、网关、视频分析设备等)。)，对于运行培训和分析功能的云环境，英特尔提供了非常大的产品组合来支持从相机到云环境的人工智能用例。与智新青年的合作是英特尔在计算机视觉领域庞大计划的具体体现，预计将在更多子行业扎根，并赋予数字时代智慧。(照片由英特尔和智信提供)

编辑:张洋