作者：黃明明

英特爾邊緣計算創新大使

文章介紹

之前寫了很多關于Java 在OpenVINO 中的引用，有目標檢測、道路分割、模型加速等，但雖然寫了這么多，也似乎沒有過多提及到一些實際生活上的案例。都說創新源于生活，于是乎就想做一些有意思的東西，想了想，還真有一個案例似乎可以做出來。我們在平常長途回家，大多數多會上高速，但高速一般在節假日都會特別堵。所以這時候走應急車道的車還真不少，每每看到這些不排隊的車主，真恨的有些牙癢，于是想結合OpenVINO 來實現一個類似于應急車道識別違法的案例，由于這篇文章沒有代碼部分，所以文章只講述大致的思路，以及最終結果展示。

總體構思

算力平臺：為整體的想法提供算力和硬件支撐

識別模型：通過識別模型能夠識別應急車道、車輛、車牌

舉報系統：通過篩選出來的違規圖片，進行自動上傳。

算力平臺

一開始打算用樹莓派去做，后面考慮到樹莓派這東西現在溢價嚴重得很，基本上都按傳家寶的價格買。故使用研揚科技針對邊緣 AI 行業開發者推出的『哪吒』（Nezha）開發套件，以信用卡大小（85 x 56mm）的開發板-『哪吒』（Nezha）為核心，『哪吒』采用 Intel N97 處理器（Alder Lake-N），最大睿頻 3.6GHz，Intel UHD Graphics 內核GPU，可實現高分辨率顯示；板載 LPDDR5 內存、eMMC 存儲及 TPM 2.0，配備 GPIO 接口，支持 Windows 和 Linux 操作系統，這些功能和無風扇散熱方式相結合，為各種應用程序構建高效的解決方案，專為入門級人工智能應用和邊緣智能設備而設計。英特爾開發套件能完美勝人工智能學習、開發、實訓、應用等不同應用場景。適用于如自動化、物聯網網關、數字標牌和機器人等應用。售價 RMB 999起, 『哪吒』開發套件Nezha intel x86開發板板載Alder N97 可Win10/Ubuntu N97 4G+32G。

應急車道識別

解決算力平臺之后，我們就需要對模型的選型了，畢竟需要識別車道，這個才是關鍵。一開始想著實現車道識別可以使用最基礎的OpenCV來實現，但是發現網上的資料和代碼太過紊亂，且代碼量也過于龐大，需要調節的參數五花八門，需要優化和移植的成本也不是一丁點。所以思考再三，在條路似乎不太符合快速偷懶實現的宗旨。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的預訓練的道路場景分割模型。該模型識別四個類別：背景、道路、路緣和標記。而對于應急車道而言，我們只需要將車道提取出來。

如何識別四個類別：背景、道路、路緣和標記等操作可以看之前的文章：《英特爾開發套件在Java環境實現ADAS道路識別演示 | 開發者實戰》

那么在高速上面，一般是兩車道、三車道、四車道，而最右邊則是應急車道，而絕大部分的車都會在正常車道中行駛，就如下圖：

所以我們可以通過OpenVINO 的road-segmentation-adas-0001 模型將所有道路進行識別。

在通過模型運算之后，我們標記出來的道路是這樣的，其他道路線我們用黃色表示，應急車道線我們用紅色表示，這樣我們就完成了最基本的需求。

車輛提取

同樣，對于車輛識別和提取，我們也可以通過OpenCV來完成，也可以通過OpenVINO notebooks 中的教程(https://docs.openvino.ai/2024/notebooks/218-vehicle-detection-and-recognition-with-output.html)來實現。

最后效果

我們現在拿到了車道信息和車輛信息，這時候我們只需要通過運算，就可以知道車輛是否走應急車道，下面是效果圖。

結語

當然實際上的舉報還是比較困難的，之前是想抓取舉報平臺的數據然后直接舉報，但實際上比較嚴格，比如需要前后兩張照片、照片需要位置信息，需要手機驗證等，雖然這些都不是技術難點，但成本增加了，這需要兩臺手機一前一后拍攝，然后上傳，效果圖如下：

所以目前只做了車輛在應急車道的識別、車牌提取、車輛提取等工作，這些工作均通過Java 平臺結合OpenVINO -Java-API 實現，倉庫地址//github.com/Hmm466/OpenVINO-Java-API

后續筆者將結合OpenVINO -Java-API 實現更多案例，同時也請大家加入到項目中來，共同促進Java在AI領域的應用。

除此之外，為了方便大家了解并快速掌握 OpenVINO 的使用，我們還提供了一系列開源的 Jupyter notebook demo。

運行這些 notebook，就能快速了解在不同場景下如何利用 OpenVINO 實現一系列、包括計算機視覺、語音及自然語言處理任務。