深度学习 | 计算机视觉在智能交通领域应用的五个方向

最新推荐文章于 2024-09-30 21:58:39 发布

有些代码不应该被忘记

最新推荐文章于 2024-09-30 21:58:39 发布

阅读量1.8w

点赞数 23

分类专栏：车辆检测文章标签：深度学习计算机视觉智能交通领域五个方向

本文链接：https://blog.csdn.net/scutjy2015/article/details/73732260

版权

本文探讨了计算机视觉在智能交通领域的五个关键应用：车辆检测与感知，车辆身份特征识别，车辆比对，交通视频分析以及无人驾驶和汽车辅助驾驶。深度学习技术提升了车辆检测的准确性，实现了车辆身份的多维度识别，有效解决了交通事件检测和车辆行为分析的问题，并为汽车驾控提供了可能。

摘要由CSDN通过智能技术生成

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。