深度学习 | 计算机视觉在智能交通领域应用的五个方向

计算机识别可以给智能交通带来什么

我认为计算机视觉能给交通带来的主要有如下几个方面：第一个是感知，对于我们车辆而言就是车辆的检测，第二个是车辆身份的识别，第三是车辆身份的比对，第四个是车辆的行为分析，第五个是驾控，也就是现在非常火的汽车辅助驾驶与无人驾驶。 

• 第一，车辆检测与感知 

检测就是计算机通过图片或者视频，把其中的车辆或其他关注目标准确的“框”出来，检测是很多系统的基础。在2012年以前，很多智能交通系统中用的检测采用的是一种基于运动的检测，这种检测会受天气、光线等方面的影响，在不同天气下会存在很多问题。而基于深度学习的检测，是基于车辆的轮廓和形态的检测，是完全模拟人看车的方式，只要人眼可以辨识那是一辆车，就可以“框”出来，这个就可以解决很多过去车辆检测中存在的问题，排除了天气光线等来带的干扰。从检测感知角度，我觉得有以下几个方面的细分应用。

第一个是路口的感知

目前的中国很多城市交通拥堵很严重，很多十字路口的红绿灯配时其实并不是最优的，通过基于深度学习的车辆精确感知检测，可以精准的感知交通路口各个方向的车辆数量、流量和密度，从而可以给交通路口的最优配时提供准确依据。如果各个路口都用上这种车辆检测技术，那对交通拥堵将是极大的缓解。 

这张图是我们的检测结果，是基于纯图片的检测方式，而不是基于运动的方式，干扰会大大降低，部分遮挡也不影响车辆检测，同时成本也非常低，可以利用现有的已建电子警察、反向卡口或监控摄像头的视频图像。 

第二个就是路段的感知