Page 13 - VSDC_JulAug2018_eMag
P. 13
技术趋势
Technology Trends
和未知拓扑，基于云的基础架构会出现节点间延迟和带宽
波动，这些往往会影响应用程序的性能。
云服务
今天，许多公司允许系统集成商使用这种网络上传
和处理数据。通过这样做，开发人员不需要投资本地处
理能力，而是使用远程处理能力和存储能力。Amazon
Web Services（AWS）、微软、谷歌和 IBM 均提供 IaaS
产品。这些公司以及美国 Clarifai 公司和 Cloud Sight 公
司也提供图像识别应用程序编程接口（API）以开发应
用程序。
在 Gaurav Oberoi 的网站（http://bit.ly/VSD-5API）上，
比较了其中五种图像识别功能，并提供了一款名为“Cloudy
Vision”的开源工具，以便开发人员可以测试他们自己的
图像，并为他们的应用选择最佳解决方案。目前提供这类
服务的公司中，谷歌和 Cloud Sight 都允许开发人员通过
简单地将图像拖放到基于 Web 的界面来测试功能。
车牌拍照
为了更好地理解这类基于网络的图样识别系统的有
效性，Vision Systems Design 的工作人员决定使用新加坡
Optasia Systems 公司在本刊“神经网络帮助识别车牌服务
于交通控制”一文中展示过的相同图像，来处理自动车牌
识别（ANPR）问题。
Optasia Systems 公司开发的 IMPS AOI-M3 系统使用
德国 Basler 公司的相机，以及运行于主机上的基于本地软
件的前馈人工神经网络。
使用 Optasia Systems 公司提供的相同图像，将在明
亮的阳光下和黑暗中拍摄的汽车图像（见图 1），两者大
小分别大约 5MB 和 0.5MB，首先上传到谷歌的 Cloud
Vision 和 Cloud Sight 的图像识别软件。使用大约 17Mbps
的上传速度，谷歌的 Cloud Vision 对图 1a 和图 1b 的分析
结果分别在大约 8 秒和 4 秒内返回。考虑到传输图像并返
回结果所需的最短时间大约为 2.5s，处理丰田的大幅高亮
度图像数据花费了大约 6 秒。返回结果都清楚地标识了每
辆汽车的车牌。当同样的图像上传到 Cloud Sight 的图像
识别软件时，该汽车在上传和处理时间约 3 秒后被识别为
丰田车。
显然，Dan Marinescu 教授概括的延迟和带宽波动，
通常会影响应用程序的性能。但是，即使将图像传输速度
视觉系统设计 Vision Systems Design China Jul/Aug 2018 11
