这款参考设计是与同济大学算法团队及中国本土的方案公司合作开发的，可以实现在3-5 米距离内高精度读取低速移动的车牌。得益于XMOS的xcore.ai芯片强大的AI功能，轻量化的机器学习模型已经可以无缝地适应在低功耗、低成本场景中工作，而不会影响精确度。
传统意义上，使用ALPR功能的停车场所集成的硬件，都远远超出了低速移动、近距离车牌识别所需的规格。高分辨率摄像头，以及复杂的机器学习模型在强大的处理器上运行，这些模型很多情况下依赖于后台云端进行图像处理，这使得在许多情况下ALPR的实现成本极其高昂，需要从芯片到设备直到系统进行全面创新，方能降低采购成本和使用成本。
相比传统的ALPR解决方案，XMOS的参考设计可以在设备端提供边缘计算所需的精度和算力，从而显著降低功耗和减少物料清单(BOM)。通过消除对高成本硬件的需求且几乎消除对云连接的需求，这种设备成为了整个智慧城市ALPR基础设施中切实可行的组件，可便捷地部署在各类智能停车场所，或者嵌入到智慧园区和智慧城市等应用中，同时使用成本大幅度降低。
“对于智能停车而言，云连接和巨大的处理能力完全是大材小用。”XMOS产品、营销和业务拓展副总裁Aneet Chopra表示。“这使得ALPR网络的成本远远高于实际需要，使维护更加复杂，并且充斥着云所固有的隐私问题。”
“我们开发的参考设计通过简化流程消除了这些问题。如果你可以在设备上实现所需要的的精度和计算，就可以避免将所有原始数据发送到云端，或者使用过于昂贵或功能强大的硬件。从长远来看，这将会帮助我们推动ALPR在智能停车市场取得进展。”
“简易和实惠是ALPR领域需要优先考虑的两个事项，这不仅是为了推动销售，也是为了鼓励创新。”同济大学张绍明教授指出。“让设备更便宜、更简单、更可靠对智慧城市而言非常重要，同时缩减机器学习模型的规模，使它们可以在 xcore.ai这种可大规模生产的芯片上运行，从而能够为开发人员提供资金和设计灵活性来进行实验。”
继3月在tinyML峰会(tinyML Summit)上成功进行展示之后，XMOS也于5月16-19日的嵌入式视觉峰会( Embedded Vision Summit )上展示了该解决方案并得到了非常好的反响。
原标题：XMOS发布用于智能停车的车牌自动识别(ALPR)参考设计
