英特尔开发板『哪吒』智慧交通演示——应急车道识别&违规提取 | 开发者实战

作者：黄明明

英特尔边缘计算创新大使

 

文章介绍

之前写了很多关于Java 在OpenVINO 中的引用，有目标检测、道路分割、模型加速等，但虽然写了这么多，也似乎没有过多提及到一些实际生活上的案例。都说创新源于生活，于是乎就想做一些有意思的东西，想了想，还真有一个案例似乎可以做出来。我们在平常长途回家，大多数多会上高速，但高速一般在节假日都会特别堵。所以这时候走应急车道的车还真不少，每每看到这些不排队的车主，真恨的有些牙痒，于是想结合OpenVINO 来实现一个类似于应急车道识别违法的案例，由于这篇文章没有代码部分，所以文章只讲述大致的思路，以及最终结果展示。

 

总体构思

算力平台：为整体的想法提供算力和硬件支撑

识别模型：通过识别模型能够识别应急车道、车辆、车牌

举报系统：通过筛选出来的违规图片，进行自动上传。

 

算力平台

一开始打算用树莓派去做，后面考虑到树莓派这东西现在溢价严重得很，基本上都按传家宝的价格买。故使用研扬科技针对边缘 AI 行业开发者推出的『哪吒』（Nezha）开发套件，以信用卡大小（85 x 56mm）的开发板-『哪吒』（Nezha）为核心，『哪吒』采用 Intel N97 处理器（Alder Lake-N），最大睿频 3.6GHz，Intel UHD Graphics 内核GPU，可实现高分辨率显示；板载 LPDDR5 内存、eMMC 存储及 TPM 2.0，配备 GPIO 接口，支持 Windows 和 Linux 操作系统，这些功能和无风扇散热方式相结合，为各种应用程序构建高效的解决方案，专为入门级人工智能应用和边缘智能设备而设计。英特尔开发套件能完美胜人工智能学习、开发、实训、应用等不同应用场景。适用于如自动化、物联网网关、数字标牌和机器人等应用。售价 RMB 999起, 『哪吒』开发套件Nezha intel x86开发板板载Alder N97 可Win10/Ubuntu N97 4G+32G。

 

 

应急车道识别
 

 

 

解决算力平台之后，我们就需要对模型的选型了，毕竟需要识别车道，这个才是关键。一开始想着实现车道识别可以使用最基础的OpenCV来实现，但是发现网上的资料和代码太过紊乱，且代码量也过于庞大，需要调节的参数五花八门，需要优化和移植的成本也不是一丁点。所以思考再三，在条路似乎不太符合快速偷懒实现的宗旨。于是打算基于之前road-segmentationOpenVINOOpenVINO-adas-0001模型。road-segmentation-adas-0001模型是使用了Open Model Zoo的预训练的道路场景分割模型。该模型识别四个类别：背景、道路、路缘和标记。而对于应急车道而言，我们只需要将车道提取出来。

如何识别四个类别：背景、道路、路缘和标记等操作可以看之前的文章：《英特尔开发套件在Java环境实现ADAS道路识别演示 | 开发者实战》

 

那么在高速上面，一般是两车道、三车道、四车道，而最右边则是应急车道，而绝大部分的车都会在正常车道中行驶，就如下图：

 

 

所以我们可以通过OpenVINO 的road-segmentation-adas-0001 模型将所有道路进行识别。

 

在通过模型运算之后，我们标记出来的道路是这样的，其他道路线我们用黄色表示，应急车道线我们用红色表示，这样我们就完成了最基本的需求。

 

 

车辆提取

同样，对于车辆识别和提取，我们也可以通过OpenCV来完成，也可以通过OpenVINO notebooks 中的教程(https://docs.openvino.ai/2024/notebooks/218-vehicle-detection-and-recognition-with-output.html)来实现。
 

 

 

最后效果

我们现在拿到了车道信息和车辆信息，这时候我们只需要通过运算，就可以知道车辆是否走应急车道，下面是效果图。

 

结语

当然实际上的举报还是比较困难的，之前是想抓取举报平台的数据然后直接举报，但实际上比较严格，比如需要前后两张照片、照片需要位置信息，需要手机验证等，虽然这些都不是技术难点，但成本增加了，这需要两台手机一前一后拍摄，然后上传，效果图如下：

 

所以目前只做了车辆在应急车道的识别、车牌提取、车辆提取等工作，这些工作均通过Java 平台结合OpenVINO -Java-API 实现，仓库地址//github.com/Hmm466/OpenVINO-Java-API

 

后续笔者将结合OpenVINO -Java-API 实现更多案例，同时也请大家加入到项目中来，共同促进Java在AI领域的应用。

 

 

除此之外，为了方便大家了解并快速掌握 OpenVINO 的使用，我们还提供了一系列开源的 Jupyter notebook demo。

 

运行这些 notebook，就能快速了解在不同场景下如何利用 OpenVINO 实现一系列、包括计算机视觉、语音及自然语言处理任务。