近些年來隨著科學技術的不斷進步，人工智能（AI）正在逐步從尖端技術變得普及。人工智能的發展涉及物聯網、大規模并行計算、大數據以及深度學習算法等領域，深度學習是人工智能進步最重要的因素，它也是當前人工智能最先進、應用最廣泛的核心技術。作為人工智能技術理想的應用領域，自動駕駛以及智能交通系統受到了人們廣泛的關注。很多汽車企業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、百度阿波羅計劃等。

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，因此需要開發可靠的視覺識別系統集成到汽車的車載系統中，卷積神經網絡（Convolutional Neural Network，CNN）是目前圖像識別技術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，該公司專注于數字媒體和FPGA嵌入式平臺技術的研究。

圖2：ATUS基于CNN的視覺識別系統采用Zynq Z7045 SoC器件

該系統采用Xilinx ZC706開發板卡，集成的是Zynq Z7045 SoC器件，采用可編程邏輯資源實現CNN圖像識別算法（如上圖所示），攝像頭負責進行圖像采集，對于采集的視頻流該系統能夠識別包括行人、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，整個系統的功耗僅為10.432W，這是采用CPU或者GPU實現CNN解決方案功耗的10%。

【ATUS CNN視覺識別系統視頻介紹】：

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，其優異的性能功耗比和最大的設計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6.25M的邏輯單元。隨著各種應用對于計算需求和性能的不斷增長，FPGA并行計算特性多帶來的高性能使其在數據中心、深度學習、圖像壓縮與解碼等應用場景應用越來越廣泛。