近些年來隨著科學(xué)技術(shù)的不斷進(jìn)步，人工智能（AI）正在逐步從尖端技術(shù)變得普及。人工智能的發(fā)展涉及物聯(lián)網(wǎng)、大規(guī)模并行計(jì)算、大數(shù)據(jù)以及深度學(xué)習(xí)算法等領(lǐng)域，深度學(xué)習(xí)是人工智能進(jìn)步最重要的因素，它也是當(dāng)前人工智能最先進(jìn)、應(yīng)用最廣泛的核心技術(shù)。作為人工智能技術(shù)理想的應(yīng)用領(lǐng)域，自動駕駛以及智能交通系統(tǒng)受到了人們廣泛的關(guān)注。很多汽車企業(yè)都加入自動駕駛汽車的研究，比如特斯拉的自動輔助駕駛系統(tǒng)、百度阿波羅計(jì)劃等。

圖1：自動駕駛汽車需要具備識別道路交通情況的能力

自動駕駛面臨的首個問題就是如何識別道路上的行人、汽車等其他物體，因此需要開發(fā)可靠的視覺識別系統(tǒng)集成到汽車的車載系統(tǒng)中，卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）是目前圖像識別技術(shù)中最炙手可熱的算法模型，來自韓國的ATUS（Across The Universe，穿越蒼穹）組織推出了基于CNN的汽車視覺識別系統(tǒng)，該公司專注于數(shù)字媒體和FPGA嵌入式平臺技術(shù)的研究。

圖2：ATUS基于CNN的視覺識別系統(tǒng)采用Zynq Z7045 SoC器件

該系統(tǒng)采用Xilinx ZC706開發(fā)板卡，集成的是Zynq Z7045 SoC器件，采用可編程邏輯資源實(shí)現(xiàn)CNN圖像識別算法（如上圖所示），攝像頭負(fù)責(zé)進(jìn)行圖像采集，對于采集的視頻流該系統(tǒng)能夠識別包括行人、汽車、路牌、欄桿等二十種不同的對象。Zynq Z7045 SoC的可編程邏輯部分工作時鐘頻率為200MHz，整個系統(tǒng)的功耗僅為10.432W，這是采用CPU或者GPU實(shí)現(xiàn)CNN解決方案功耗的10%。

【ATUS CNN視覺識別系統(tǒng)視頻介紹】：

Xilinx Zynq-7000系列器件配備雙核 ARM Cortex-A9 處理器以及28nm可編程邏輯資源，其優(yōu)異的性能功耗比和最大的設(shè)計(jì)靈活性自推出以來受到工程師們的歡迎，Zynq Z7045屬于該系列最高端的器件，集成高達(dá)6.25M的邏輯單元。隨著各種應(yīng)用對于計(jì)算需求和性能的不斷增長，F(xiàn)PGA并行計(jì)算特性多帶來的高性能使其在數(shù)據(jù)中心、深度學(xué)習(xí)、圖像壓縮與解碼等應(yīng)用場景應(yīng)用越來越廣泛。