領先的英國芯片公司XMOS日前宣布推出其自動車牌識別（Automatic Licence Plate Recognition，ALPR）參考解決方案，旨在推動停車場中的ALPR從復雜的資源密集型硬件轉向簡單的、基于設備的人工智能（AI）方案，從而使設備制造商和系統集成商可以極方便生產、安裝和集成自動車牌識別系統。

這款參考設計是與同濟大學算法團隊及中國本土的方案公司合作開發的，可以實現在3-5 米距離內高精度讀取低速移動的車牌。得益于XMOS的xcore.ai芯片強大的AI功能，輕量化的機器學習模型已經可以無縫地適應在低功耗、低成本場景中工作，而不會影響精確度。

傳統意義上，使用ALPR功能的停車場所集成的硬件，都遠遠超出了低速移動、近距離車牌識別所需的規格。高分辨率攝像頭，以及復雜的機器學習模型在強大的處理器上運行，這些模型很多情況下依賴于后臺云端進行圖像處理，這使得在許多情況下ALPR的實現成本極其高昂，需要從芯片到設備直到系統進行全面創新，方能降低采購成本和使用成本。

相比傳統的ALPR解決方案，XMOS的參考設計可以在設備端提供邊緣計算所需的精度和算力，從而顯著降低功耗和減少物料清單（BOM）。通過消除對高成本硬件的需求且幾乎消除對云連接的需求，這種設備成為了整個智慧城市ALPR基礎設施中切實可行的組件，可便捷地部署在各類智能停車場所，或者嵌入到智慧園區和智慧城市等應用中，同時使用成本大幅度降低。

“對于智能停車而言，云連接和巨大的處理能力完全是大材小用。”XMOS產品、營銷和業務拓展副總裁Aneet Chopra表示。“這使得ALPR網絡的成本遠遠高于實際需要，使維護更加復雜，并且充斥著云所固有的隱私問題。”

“我們開發的參考設計通過簡化流程消除了這些問題。如果你可以在設備上實現所需要的的精度和計算，就可以避免將所有原始數據發送到云端，或者使用過于昂貴或功能強大的硬件。從長遠來看，這將會幫助我們推動ALPR在智能停車市場取得進展。”

“簡易和實惠是ALPR領域需要優先考慮的兩個事項，這不僅是為了推動銷售，也是為了鼓勵創新。”同濟大學張紹明教授指出。“讓設備更便宜、更簡單、更可靠對智慧城市而言非常重要，同時縮減機器學習模型的規模，使它們可以在 xcore.ai這種可大規模生產的芯片上運行，從而能夠為開發人員提供資金和設計靈活性來進行實驗。”

繼3月在tinyML峰會（tinyML Summit）上成功進行展示之后，XMOS也于5月16-19日的嵌入式視覺峰會（Embedded Vision Summit）上展示了該解決方案并得到了非常好的反響。