計(jì)算機(jī)視覺(jué)在交通領(lǐng)域主要有如下幾個(gè)方面的應(yīng)用：第一個(gè)是感知，既車輛的檢測(cè)，第二個(gè)是車輛身份的識(shí)別，第三是車輛身份的比對(duì)，第四個(gè)是車輛的行為分析，第五個(gè)是駕控，也就是現(xiàn)在非�；鸬钠�車輔助駕駛與無(wú)人駕駛。

車輛檢測(cè)與感知

檢測(cè)就是計(jì)算機(jī)通過(guò)圖片或者視頻，把其中的車輛或其它關(guān)注目標(biāo)準(zhǔn)確的“框”出來(lái)，檢測(cè)是很多系統(tǒng)的基礎(chǔ)。在2012年以前，很多智能交通系統(tǒng)中用的檢測(cè)是一種基于運(yùn)動(dòng)的檢測(cè)，這種檢測(cè)會(huì)受天氣、光線等方面的影響，在不同天氣下會(huì)存在很多問(wèn)題。而基于深度學(xué)習(xí)的檢測(cè)，是基于車輛的輪廓和形態(tài)的檢測(cè)，是完全模擬人看車的方式，只要人眼可以辨識(shí)那是一輛車，就可以“框”出來(lái)，這個(gè)就可以解決很多過(guò)去車輛檢測(cè)中存在的問(wèn)題，排除了天氣光線等來(lái)帶的干擾。

路口的感知

目前的國(guó)內(nèi)很多城市交通擁堵情況很嚴(yán)重，很多十字路口的紅綠燈配時(shí)其實(shí)并不是最優(yōu)的，通過(guò)基于深度學(xué)習(xí)的車輛精確感知檢測(cè)，可以精準(zhǔn)的感知交通路口各個(gè)方向的車輛數(shù)量、流量和密度，從而可以給交通路口的最優(yōu)配時(shí)提供準(zhǔn)確依據(jù)。如果各個(gè)路口都用上這種車輛檢測(cè)技術(shù)，那對(duì)交通擁堵將是極大的緩解。

路段的感知

經(jīng)過(guò)過(guò)去幾年的建設(shè)，我國(guó)的大中型城市都安裝了很多監(jiān)控?cái)z像頭，通過(guò)路段的感知，可以基于原有監(jiān)控系統(tǒng)獲取到道路的總體交通路況，通過(guò)這種車輛檢測(cè)技術(shù)就可以為道路路況分析、交通大數(shù)據(jù)、交通規(guī)劃等提供可靠的數(shù)據(jù)依據(jù)。

路側(cè)停車的感知

有兩個(gè)方面的應(yīng)用，一個(gè)是路側(cè)違法停車的感知和抓拍，不再需要攝像機(jī)去輪詢檢測(cè)，大大提高了攝像機(jī)的使用壽命。另外一個(gè)就是路側(cè)停車位的管理，之前的方案在外場(chǎng)要感知車位是否被占用，一般通過(guò)地磁感知，成本非常高，系統(tǒng)可靠性也是問(wèn)題；基于圖像的識(shí)別則可以很好的解決這個(gè)問(wèn)題，一臺(tái)攝像機(jī)即可監(jiān)控和感知一大片區(qū)域的停車位是否被占用，成本低還所見(jiàn)即所得。

停車場(chǎng)的感知

現(xiàn)在室內(nèi)停車場(chǎng)應(yīng)用圖像識(shí)別實(shí)現(xiàn)車位檢測(cè)的已經(jīng)比較多了，但是現(xiàn)在很多車的檢測(cè)都是基于車牌，有車牌就可以檢測(cè)出來(lái)，沒(méi)車牌檢測(cè)不出來(lái)，甚至有的車牌效果不太好也無(wú)法檢測(cè)。而基于深度學(xué)習(xí)的車輛檢測(cè)，只看車輛的輪廓，不看車牌，只要看起來(lái)像個(gè)車的，就可以檢測(cè)出來(lái)，而且精度很高�，F(xiàn)在通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)，可以做到模擬人的視覺(jué)感知，哪個(gè)地方有車停，哪個(gè)地方是空位，直接檢測(cè)出來(lái)把數(shù)據(jù)發(fā)送給平臺(tái)，發(fā)布到停車場(chǎng)誘導(dǎo)系統(tǒng)上。

車輛身份特征識(shí)別

計(jì)算機(jī)視覺(jué)用于智能交通的第二個(gè)大的應(yīng)用領(lǐng)域就是車輛的身份識(shí)別。目前，常用的ETC和電子標(biāo)簽技術(shù)識(shí)別車輛確實(shí)非常可靠，而且精度還是比圖像識(shí)別要高一些。但是現(xiàn)實(shí)中還存在很多現(xiàn)實(shí)問(wèn)題，比如說(shuō)現(xiàn)在很多大貨車無(wú)法用ETC，還有ETC系統(tǒng)遭到破壞，怎么辦？而電子標(biāo)簽真正落地還需要時(shí)間。在這個(gè)時(shí)間窗口，如何實(shí)現(xiàn)車輛身份特征的唯一性識(shí)別？通過(guò)深度學(xué)習(xí)提升的車輛識(shí)別不僅僅是車輛的車牌識(shí)別準(zhǔn)確率，還能實(shí)現(xiàn)更多維度的識(shí)別，現(xiàn)在的“車臉識(shí)別”技術(shù)不僅能精確識(shí)別車牌，還有車輛的顏色、類型、品牌年款、車輛里人物、車輛擋風(fēng)玻璃上的特殊標(biāo)志以及車輛尾部的特征標(biāo)志等。

車輛的比對(duì)

計(jì)算機(jī)視覺(jué)用于智能交通的第三個(gè)大的應(yīng)用領(lǐng)域就是車輛的比對(duì)，最典型的應(yīng)用就是以圖搜圖，如何在海量圖片里精準(zhǔn)的找到一輛車，所謂世界上沒(méi)有兩片相同的樹葉，也沒(méi)有兩輛完全一樣的車。如下圖，看著像是一樣的，但是仔細(xì)區(qū)分，還是會(huì)發(fā)現(xiàn)不同。

基于視圖大數(shù)據(jù)的以圖搜圖功能，可以在海量圖片里找到一輛特定的車，不管有沒(méi)有號(hào)牌，這里還包括一些其它的功能，如套牌車分析等等，套牌車在以前，唯一的方法就是舉報(bào)，但現(xiàn)在計(jì)算機(jī)可以通過(guò)兩個(gè)車牌是完全一樣的車，通過(guò)車型比對(duì)和車輛特征比對(duì)來(lái)鑒定是否套牌車。

車輛比對(duì)的另外一個(gè)應(yīng)用場(chǎng)景就是收費(fèi)結(jié)算，目前車牌識(shí)別用在停車場(chǎng)的支付里，還有一些遺留問(wèn)題，就是還存在無(wú)牌車、污牌車和套牌車，因而依然必須依賴人工參與。有沒(méi)有一種辦法可以減少或者是不讓人工參與呢？車臉識(shí)別就可以解決這一問(wèn)題，可以構(gòu)建車輛多層多維度的特征，相當(dāng)于得到一個(gè)車輛的肖像，然后通過(guò)特征比對(duì)去判斷是否同一輛車。

交通視頻的分析應(yīng)用

計(jì)算機(jī)視覺(jué)應(yīng)用在智能交通的第四個(gè)大的應(yīng)用領(lǐng)域就是車輛的行為分析。

第一個(gè)是交通事故及事件檢測(cè)，基于連續(xù)視頻可以分析車輛的行為，檢測(cè)如車輛停車、逆行等行為，發(fā)現(xiàn)交通事故和交通擁堵進(jìn)行報(bào)警。借助深度學(xué)習(xí)技術(shù)，能實(shí)現(xiàn)真正準(zhǔn)確的交通事件檢測(cè)系統(tǒng)，真正的幫交通運(yùn)營(yíng)部門提供準(zhǔn)確及時(shí)的報(bào)警信息。

第二個(gè)就是車輛違章抓拍，這些近幾年在我國(guó)應(yīng)用非常廣泛，而且利用視頻檢測(cè)實(shí)現(xiàn)的非現(xiàn)場(chǎng)執(zhí)法的種類越來(lái)越多，現(xiàn)在甚至連開(kāi)車接打電話都可以識(shí)別抓拍，這些都得益于計(jì)算機(jī)視覺(jué)技術(shù)的快速進(jìn)步。

無(wú)人駕駛和汽車輔助駕駛

最后要說(shuō)的一個(gè)應(yīng)用領(lǐng)域就是汽車駕控，就是當(dāng)前非常熱的無(wú)人駕駛和汽車輔助駕駛。其中非常重要的一個(gè)技術(shù)點(diǎn)就是圖像識(shí)別，通過(guò)圖像識(shí)別前方車輛、行人、障礙物、道路以及交通信號(hào)燈和交通標(biāo)識(shí)，這項(xiàng)技術(shù)的落地應(yīng)用將給人類帶來(lái)前所未有的出行體驗(yàn)，重塑交通體系，并構(gòu)建真正的智能交通時(shí)代。

總結(jié)一下，計(jì)算機(jī)視覺(jué)技術(shù)過(guò)去5年內(nèi)取得的成績(jī)甚至是遠(yuǎn)遠(yuǎn)超過(guò)了之前的20年，得益于深度學(xué)習(xí)技術(shù)帶來(lái)的巨大進(jìn)步，計(jì)算機(jī)視覺(jué)的廣泛應(yīng)用，能夠大大提升智能交通系統(tǒng)的感知精度與維度，讓智能交通系統(tǒng)更加智慧。

通過(guò)深度學(xué)習(xí)技術(shù)，未來(lái)能夠讓移動(dòng)支付在智能交通系統(tǒng)中更加快速的落地，讓無(wú)人駕駛的美好夢(mèng)想變成現(xiàn)實(shí)，從而給全人類帶來(lái)更加安全、便捷、舒適的出行體驗(yàn)。