面向AI的嵌入式车牌识别行业背景

随着5G、AI和IoT技术的蓬勃发展，智能连接时代已经来临。新兴的智能终端和解决方案将越来越依赖嵌入式技术。在网络边缘应用对智能功能的需求不断上升的背景下，尤其是在寻求AI商业化道路上，要实现技术的落地，不仅需要性能优越的算法模型和可靠的硬件支持，还需要把AI技术和硬件环境进行有机结合，再应用到具体的实际场景中。

嵌入式AI对于这一需求及高实时处理的场景具有天然的优势，在无人机、智能汽车、产业机械、电器、游戏、安检等场景中得到了越来越多的应用。在“AI＋IoT”技术及应用创新的持续驱动下，全球各地都开始兴起一股“智慧城市”的投资建设。作为智慧城市建设中的关键一环，在国内政府资金和企业技术资源的共同主导下，智能交通行业也开始踏入市场需求快速扩容的阶段，尤其是以AI车牌识别应用为主的智慧停车已成为中国这个全球汽车保有量最大国的绝对刚需，市场体量正飞速增长，演变为当下“AI＋IoT”应用领域的一大风口。

纵观全球，无论在任何一个发达国家，停车市场的整体规模都占据着整个国家GDP的1％以上，中国作为全球汽车保有量最大国则是有过之而无不及。若仍按照GDP的1％比例保守推算，国内现有的智慧停车市场也都能达到万亿级水平，体量无疑十分巨大。不过，与之相矛盾的是，不管是在全国各地的社区、大型商超还是人员出入十分频繁的办公区、写字楼等场所，依旧保持着十分陈旧且低效的停车管理模式，停车难、通行效率低、操作程序繁琐以及乱收费等现象十分普遍，为全国各地的车主所诟病。

为彻底根除国内各类停车场景的一系列痛点，近年来在政府和企业的共同主导下，北京、上海、广州、杭州、深圳以及成都等各发达城市也都开始竞相试点“AI＋IoT”模式的智慧停车管理方案。典型的比如深圳，目前已正式发布了停车设施建设专项规划，宣布启动停车设施“百千万工程”，前期斥资超200亿，借力人工智能及物联网技术，将无感停车应用落地到各大主要停车场所。深圳大鹏新区最近新建的无感停车站点，综合运营成本大幅降低，一套设备可管理8个车位，彻底解决了传统停车管理效率低、依赖人工、操作程序繁琐、用户体验感差等问题。在这股由国内主干城市所引领的“智慧停车”应用风潮下，越来越多的中小城市也开始相继试水。据统计，目前国内已有超过500个城市正在启动和实施无感停车的项目，停车场景俨然已演变成为今年智慧城市领域的一大“风口”。事实上，从2014年起，智慧停车市场就已开始崭露头角，2014年开始就已经有不少车牌识别的应用逐步取代了过去的票箱取卡设备。目前越来越多的停车场都开始采用移动支付，北上广深的车牌识别已经非常成熟，全国其他城市也表现出非常大的潜力。中国有270万的停车场，且每年新增30万停车场，一个停车场一进一出或两进两出，平均有三个相机，总体算来差不多会有近千万只出入口车牌识别相机的需求量。而且，为解决困扰人们多年的车停完之后找不到车的问题，大量商业停车场如今也已陆续开始选择反向寻车技术，这也将大幅推动车牌识别相机市场需求的增长。”总体来看，整个中国的市场空间十分可观。

另一方面，在云端深度神经网络的快速训练依赖于分布式系统，随着分布式计算节点的增加，AI系统的计算能力增加，其可扩展性主要受限于通信带宽。 在边缘（如移动手机的Face ID、无人机、去中心化自动驾驶系统等），便携设备的计算和存储等资源有限，深度神经网络的高效部署依赖于模型压缩与加速技术，以完成轻量级部署。对于车牌识别来说，具体落地时云端负责维护非实时数据，如车主通过应用提供的预约功能，将自己的车牌录入停车场或车位的白名单中。云端应用将白名单列表数据增量下发至边缘端的运行时；边缘端负责实时计算，一辆车入场或入车位时进行判断，当该车牌不在名单中时不抬杆或进行报警推送。采用这种模式可以使得云端与边缘进行角色分离，适合轻量式快速部署及复用，并且边缘端进行实时判断（毫级），服务质量更优， 可以进一步减少通信资源，降低出口带宽压力。

综合来看，在停车场景“智能化”升级的强烈需求驱使下，AI车牌识别技术已成为当下城市“AI＋IoT”应用普及的“排头兵”，为各地政府及广大停车用户所广泛接受。而在接下来的几年里，其发展势头也将更加迅猛，越来越多的大小厂商也都将会陆续跟进这一市场。借助科研的最新成果，深度学习和生成对抗网络在车牌识别领域的应用日趋成熟，算法和数据门槛将逐步降低。这股浪潮也将把越来越多的AI弄潮儿推向这片市场，其中既有老牌安防厂商也有崭露头角的AI初创公司，未来的竞争必将十分激烈。因此，对于深耕智慧停车场景的厂商们来说，如何利用自身软硬件技术优势，打造高性价比且能够真正解决行业痛点的产品及方案，才是在日趋白热化的竞争大环境中立于不败之地的关键。