透過 ML 和 ALPR 出奇制勝

January 8, 2020 Brian T. Horowitz

計算機視覺,機器學習,深度學習,人工智能

在路易斯安那州的一個信用合作社遭搶之後,當地警察局使用自動車牌辨識功能 (ALPR) 來追蹤竊賊的路線 。距離銀行約一哩的攝影機可發現竊賊的車輛。

這僅是這項技術立功的一個例子。 邊緣的 AI 除了抓竊賊以外,還帶來了更多可能性。例如協助城市識別非法垃圾場或非法建築工地。

ALPR 可以找到亂扔在人行道上的共享自行車和摩托車。隨著城市設置公車專用道 (對汽車封閉街道),它也能在發現非法停放的車輛方面發揮效用。

為了使這類偵測成真,您需要具有機器學習 (ML) 功能的監控技術。

Genetec 的方案經理 Chris Yigit 表示:「開始設計新一代 ALPR 系統時,我們研究了其中的技術與趨勢。嘗試在通用處理器上執行 ML 推斷有其侷限。我們開始使用 Intel® Movidius VPU,這才意識到這項技術的強大。」

Movidius 可為 Genetec AutoVu SharpZ3 提供動力,這是一種基於先進深度神經網路架構的行動 ALPR 系統。VPU 的電腦視覺與 ML 演算法使新功能 (如狀況認知) 可能成真。事實上,它可支援比標準 CPU 強大 50 倍的 ML 功能。

儘管其上一代 ALPR 裝置具有高達 99% 的高原始讀取率,但就執行 ML 演算法的能力而言,它已達到極限。

Movidius 減少了 SharpZ3 所需的電量。Yigit 表示:「我們需要低功率解決方案,因為雖然建立了以車輛為基礎的系統,但並非所有系統都是配備超級發電機的強悍警車。VPU 則巧妙結合了高處理能力與低功耗。」

該系統包括三個光學感應器,因此能夠識別車輛附近物體的位置。傳統 LPR 攝影機通常只有兩個感應器:一個可讀取牌照,另一個則可拍攝其他背景的彩色快照 (圖 1)SharpZ3 的第三個感應器也可捕捉立體圖像,以提供影像深度的假象。這表示它可以更精確指出摩托車或可疑包裹等物體的位置。

Genetec AutoVu SharpZ3
圖 1。Genetec AutoVu SharpZ3

有了其他感應器,ALPR 設備便可更專注於它所能讀取的物體,並偵測各種狀況,乃至於發現人行道上的裂縫。立體圖像與 GPS 技術相結合,可進行無人駕駛導航,根據隨時間推移的速度計算位置。

邊緣 AI

邊緣運算可為現場應急人員和其他使用者節省成本 (圖 2)。在邊緣自 ALPR 和深度學習技術收集資料比在雲端中處理影像的成本低。

小巧的低功耗 AutoVu SharpZ3 可直接安裝在車輛上。(資料來源:Genetec)
圖 2。小巧的低功耗 AutoVu SharpZ3 可直接安裝在車輛上。(資料來源:Genetec)

Yigit 表示:「在邊緣學習具有很大的成本優勢,因為在雲端傳送資料進行處理所費不貲。這正是我們現階段的差異所在。」

此外,透過結合 Movidius VPU,Sharp Z3 可提供提升的頻寬與分析功能,而無需第二組硬體。

涉及使用 ML 演算法進行預測的邊緣推斷,比在雲端中處理影像的成本低。與早期的 ALPR 疊代相比,它亦提升了牌照讀取的速度。Yigit 表示:「邊緣推斷硬體確實超乎我們想像,提供比上一代多出數倍的頻寬。」

整合這些演算法到 ALPR 行動裝置中,將帶來全新的分析層次,而不僅止於識別車輛及車種。

舉例來說,Genetec 正在與一個城市合作識別建築專案。Yigit 表示:「他們的目標是,一旦識別正在施工的建築工地或道路,便要確定該承包商是否具備適當的許可證;否則,便會標記為可能的違法行為。」

機器學習的更多功能

ML、三個感應器和其他創新技術的結合,意味著 ALPR 裝置可以提供更多使用案例。例如,地理圍欄可以找出車輛誤放或存放不當的地方,並採取糾正措施,進而協助城市改善路緣管理。

目前,借助該技術,停車場管理員可發現非法停放的車輛;但展望未來,ALPR 技術也將能偵測自動駕駛車輛或載客量過高的車輛。

Yigit 表示:「展望自動駕駛汽車和車對車網路通訊等事物時,我們不知道從現在起的兩年、三年或四年之後會出現什麼問題。隨著我們開始展現 ML 的功能,這些類型的應用 (其中許多我們甚至還沒有發現) 將愈來愈突顯。」

作者簡介

Brian T. Horowitz

Brian T. Horowitz is a technology journalist who has written extensively about enterprise technology, AI, IoT, innovation, and digital health. His work has been published in outlets such as eWEEK, Fast Company, PCMag, Scientific American, and USA Weekend. In addition, he has spent time in the world of branded content, writing everything from articles and e-books to white papers and infographics for tech clients. Brian is a graduate of Hofstra University in New York.

More Content by Brian T. Horowitz
上個文章
讓物聯網邊緣自行管理
讓物聯網邊緣自行管理

分散式運算可減少延遲與物聯網系統的成本。它還會受到單點故障的挑戰。現在,超融合基礎架構為邊緣帶來資料中心冗餘。

下個文章
機器視覺設計組建模塊
機器視覺設計組建模塊

系統整合商是否有更簡單的方法來開發機器視覺解決方案?一款智慧型攝影機套件,包括簡化流程的組建模塊。閱讀相關方法。

×

名字
Company Name
Phone Number
Country/Region
提交本網站上的表單,即表示你確認你是一個年滿18週歲的成人,且你同意受Intel(英特爾)和 Intel® 物聯網解決方案聯盟成員透過與營銷相關的電子郵件或電話與您聯絡。你可以隨時取消訂閱。英特爾的網站和通信受制於我們的隱私政策和使用條款
我希望這篇公司聯絡我: -可選
!
Thank you!
Error - something went wrong!
×

離高明的解決方案僅一步之遙。

名字
Country/Region
insightTechOptIn
Intel GDPR Optin
提交本網站上的表單,即表示你確認你是一個年滿18週歲的成人,且你同意受Intel(英特爾)和 Intel® 物聯網解決方案聯盟成員透過與營銷相關的電子郵件或電話與您聯絡。你可以隨時取消訂閱。英特爾的網站和通信受制於我們的隱私政策和使用條款
謝謝
Error - something went wrong!