项目展示： 道路车辆状态的识别

项目内容

要求给出道路上每一个车辆的静止或者运动状态。在不能停车的地段，比如十字路口，得到静止车辆停止的时间，并且判断是否有交通事故发生。

项目方案

• 使用目标检测网络检测车辆的位置
• 使用FlowNet检测光流。
• 如果车辆位置上，在光流图上存在光流，则车辆运动。将静止的车辆加入集合
• 在集合中配对，即寻找静止车辆距离小于某阈值的其他静止车辆组成pair。
• 统计当前帧中出现的pair是否在上一帧中出现过，如果出现过，则对应的pair对应的计数加1。
• pair的计数大于阈值，则说明两辆静止车辆在不能停车的路段，车距相近，且静止时间过长，可能发生事故。

项目工作

• 在python上进行算法搭建，验证算法可行性
• 使用libtorch C++ API，将torchScirpt模型部署到VS项目中。

项目demo

每一帧的车辆位置，由目标检测网络提供。视频内容由甲方提供（海康的接口）。

每一帧的光流，由flowNet提供，根据光流得到车辆是否静止还是运动。就是上图bounding box的标签（static or running）

蓝色线相连接，指静止车辆pair（两个距离小于某阈值且最近的静止车辆组成）。青色圈代表这个pair持续的时间已经超过了某个阈值，发出示警。