最近几年，“嵌入式”和“极化”等术语逐渐变得流行起来，它们真实地呈现了视觉技术在智能交通系统(ITS)的应用发展。
近年来，ITS涵盖的各个层面都在迅速发展，但视频监控技术的发展尤为瞩目。在ITS市场激烈的竞争机制驱使下，新技术不断被研发和升级，其中，视觉技术的进步将会成为其致胜的关键。早前，一些先进的视觉产品已经在今年的德国斯图加特国际机器视觉展 VISION上进行了展示，以下是国际智能交通记者对参加展会的一些视觉产品制造商的采访整理。
德国相机制造商Basler的高级产品经理Enzio Schneider说，“嵌入式，在几年前只是一个流行词，但目前已经成长为计算机视觉重要的趋势之一，嵌入式视觉可提供给客户量身定制的解决方案，满足大多数视觉行业的需求，降低成本并获得竞争优势。”
德国Framos公司的销售副总裁Axel Krepil也同意这个结论。他说，“‘嵌入式视觉’是指一种通过视觉方法去理解周边环境的机器。通过融合3D，智能传感器，人工智能和模块化设计等技术，创建出标准化和定制的系统，从而满足相机的特定需求，其应用领域包括汽车、厨房、消费电子、医疗器械等等，由于需求越来越广泛，嵌入式视觉的设备市场和微处理器市场正获得高速发展”。
视觉成像技术
Krepil认为，视觉成像技术可以为交通基础设施提供先进的解决方案，以提高交通参与者的安全性和便利性。
英国LED光源控制器供应商Gardasoft的营销经理Jools Hudson认为，过去几年中相机技术主要的发展趋势有三种：
第一，单摄像头逐渐替换多摄像头组合。她说，“今天的机器视觉相机远比过去的相机更加先进，单个摄像头已经融合了多摄像头组合的所有功能”。
第二，从模拟相机转向数字相机。Hudson解释道，“模拟相机对ITS系统存在固定的性能限制，比如监控区域。而具有GigE Vision和CoaXPress接口的新型数字相机在这方面无疑更具优势。”
第三，民用相机转向工业级相机，工业相机提供了更强大的解决方案，可在各种恶劣天气条件下正常运行。
正如许多人现在所了解到的情况一样，极化成像已逐渐发展成为了机器视觉的主题。Lucid视觉实验室是在机器视觉市场中首家推出5MP凤凰偏振彩色相机的公司。Lucid 的总经理Torsten Wiesinger说，“该相机解决方案采用了索尼IMX250MZR/MYR CMOS 传感器，可以提供更高的分辨率，更清晰的像素和更快的帧速率，此外，其超越可见光的新型传感技术，如极化，短波红外，长波红外，紫外线，多光谱等技术变得越来越流行，明显提高了相机的检测能力。但是实际上，两年前并没有谁真正谈论过极化成像的问题，但现在已经有好几家相机制造商正在提供偏振相机。这是一个大趋势”。
Wiesinger说，相机引入2.5Gbase-T和5Gbase-T标准是另一个很有意思的发展。这些标准将使得数据利用2.5 Gbit / s或5 Gbit / s的速度在双绞铜线内完成传输，并在千兆以太网和万兆以太网之间创建两个中间标准。 这些标准实现了Cat 5e和Cat 6非屏蔽双绞线电缆上的摄像机与计算机之间长达100米的连接。在Vision2018展上，Lucid推出了全新的5Gbase-T PoE Atlas相机，其配备了全新的31.4 MP Sony IMX342传感器，每秒数据传输速率为600 MB,提供比GigE相机高5倍的带宽，该相机可实现高达100米的标准以太网电缆更高的分辨率和更高的帧速率。
Teledyne Imaging推出的VIS、红外线、LIDAR的多传感器融合相机，可增强对象检测性，同时改进对象分类。 Teledyne Dalsa高级产品经理Manuel Romero认为，“过去两年里，机器视觉、人工智能和深度学习技术是提高智能交通系统的安全性和可靠性的关键要素。比如，为自动驾驶汽车增加行人红外传感器，改善了人类与无生命物体的区别，减少了行人事故的发生，嵌入了先进的视觉技术和深度学习技术的智能交通系统，通过全面评估大数据，能够模仿人类识别能力来实现某些行为特征识别，从而做出更明智的动态决策”。
嵌入式愿景
随着新兴技术发展越来越快，嵌入式视觉的竞争也日渐激烈化，很多公司迫切寻找行业最关注的领域进行转型的案例屡见不鲜。Wiesinger说，“由于越来越多的类似于工业物联网、人工智能、深度学习、嵌入式视觉等新兴技术的推动，该行业也发生了很大的转变，除了IEEE 1588，IEEE 802.1工作组正在研发更具标准化的时间敏感网络(TSN)技术，该技术将在以太网连接设备之间提供具备确定性的可靠操作。这些解决方案将在同一物理网络上提供更关键的实时通信，保证延迟性和低抖动连接。另一个有意的动作是，由VDMA领导的OPC UA Vision标准，可轻松将工业4.0中的机器视觉与未来智能工厂集成”。
Gardasoft的Hudson表示，由于对成像智能化的需求日渐增加，智能交通领域的发展越来越迅速，同时也刺激了制造商对许多硬件和软件的创新来满足市场需求，最令人期待的趋势是将机器视觉和深度学习整合到ITS里，利用这些技术方案来分析交通流量模式，从而达到缓解交通拥堵的目的。 Enzio Schneider指出，目前还有许多类似于安全、物联网和智慧城市等市场尚未被机器视觉技术完全渗透。随着嵌入式处理器，图像传感器和摄像头的价格逐渐下降，即成本降低的驱使下，计算机视觉解决方案对这些市场将变得更具吸引力，这样的趋势继续持续下去，视觉行业将会完全渗透进交通领域。
Axel Krepil认为，视觉技术在未来将会无处不在。机器人、物联网、智能家居、以及娱乐等行业都将受益于视觉技术，但是，实时视觉在交通领域的自动驾驶汽车、共享汽车系统、智能停车、交通基础设施等层面更具潜力，而视觉成像技术也将成为解决自动驾驶和交通管理遇到的各种挑战所必须的基础技术。
同时，这也引出了最重要的问题：我们在应用该技术的时候，是否会变得更聪明？
智能处理
“当然，”Axel Krepil坚定地认为，“视频成像技术让机器像人一样拥有了“眼睛”，同时，智能处理算法可以协助其自动识别和反应周围的环境，比如自动驾驶汽车或无人机，也是通过智能识别道路状况来避免碰撞事故的发生。就实用案例来说，具有高精度图像识别的嵌入式摄像系统即使在光线条件较差的情况下仍然可以实现24小时全天候实时监控，为监控中心提供图像数据，并通过智能处理算法对交通流量进行实时评估，以改善交通安全，平衡交通流量，实现对整个城市路网流量的总体调控。”
Torsten Wiesinger认为视觉技术的未来极具潜力。随着OPC-UA-TSN通讯标准和OPC Vision Initiative的出现，工业物联网公司可以利用单个以太网网络支持时间敏感型网络应用(TSN)，同时，由于OPC-UA-TSN标准可以应用于计算机的各个节点(例如：摄像机，PC，PLC和基于串口服务器的系统)，因此它在开发基于边缘和云端的网络应用中用处很大。 Jools Hudson认为视觉技术的前景同样乐观。她说，“机器学习和人工智能技术的日益普及肯定会对智能交通系统(ITS)产生深远的影响。相机识别的信息越来越精准可靠，例如乘客数量、驾驶员行为，以及车牌和车辆型号等等。随着图像捕获技术越来越先进，相对的，ITS提供商们对新技术的需求也在不断增长“。
Schneider认为，变“聪明”的关键取决于你想表达的内容。她说，“如果你的意思是，我们在使用嵌入该技术的应用程序时，是否可以进一步理解这个应用程序的运行处理模式，那么答案是——不会，因为程序研发过程具备高复杂性，研发公司为了让用户更便于理解和使用，只会提供简易的操作入口，用户本身根本没办法理解各种程序的具体细节。” “但是，那么我们通过使用各种程序(例如交通、停车等)是否会变得更聪明，使容易达成目的，那么答案是“不一定”。同时，你收集到了大数据，单如果没有足够的能力进行分析处理也无济于事，从长远来看，你必须得到AI 、机器学习等技术的支持。”
关于视觉技术的应用，很多人在许多问题上达成了一致意见，但在某些关键领域仍然存在一定的分歧。要证明预测的准确性是一件很棘手的事情，但视觉技术将会为未来的ITS解决方案提供一个极具诱惑力的愿景。
