Computer Vision in Transport Engineering
 |
電腦視覺在交通領域，主要有如下幾個方面的應用：第一個是感知，既車輛的檢測，第二個是車輛身份的辨識，第三是車輛身份的比對，第四個是車輛的行為分析，第五個是駕控，也就是現在非常火的汽車輔助駕駛與無人駕駛。
 |
| 太奇雲端於8/1-8/4台北國際自動化展的展出 |
車輛檢測與感知
檢測就是電腦透過圖片或者影像，把其中的車輛，或其它關注目標，準確的「框」出來，檢測是很多系統的基礎。
在2012年以前，很多智慧交通系統中，用的檢測是一種基於運動的檢測，這種檢測會受天氣、光線等方面的影響，在不同天氣下會存在很多問題。
而基於深度學習的檢測，是基於車輛的輪廓和形態的檢測，是完全模擬人看車的方式，只要人眼可以辨識那是一輛車，就可以「框」出來，這個就可以解決很多，過去車輛檢測中存在的問題，排除了天氣光線等來帶的干擾。
路口的感知
目前很多城市交通堵塞情況很嚴重，很多十字路口的紅綠燈配時，其實並不是最優的，透過基於深度學習的車輛精確感知檢測，可以精準的感知交通路口，各個方向的車輛數量、流量和密度，從而可以給交通路口的最優配時，提供準確依據。
如果各個路口，都用上這種車輛檢測技術，那對交通堵塞，將是極大的舒解。
路段的感知
經過過去幾年的建設，許多一線大中型城市，都安裝了很多監控攝影機，透過路段的感知，可以基於原有監控系統，獲取到道路的總體交通路況，透過這種車輛檢測技術，就可以為道路路況分析、交通大數據、交通規劃等，提供可靠的數據依據。
路側停車的感知
有兩個方面的應用，一個是路側違法停車的感知和拍攝，不再需要攝影機去輪詢檢測，大大提高了攝影機的使用壽命。另外一個就是路側停車位的管理，之前的方案在外場，要感知車位是否被佔用，一般透過地磁感知，成本非常高，系統可靠性也是問題；基於圖像的辨識，則可以很好的解決這個問題，一台攝影機，即可監控和感知，一大片區域的停車位是否被佔用，成本低還所見即所得。
停車場的感知
現在室內停車場應用，圖像辨識實現車位檢測的，已經比較多了，但是現在很多車的檢測，都是基於車牌，有車牌就可以檢測出來，沒車牌檢測不出來，甚至有的車牌效果，不太好也無法檢測。
而基於深度學習的車輛檢測，只看車輛的輪廓，不看車牌，只要看起來像個車的，就可以檢測出來，而且精度很高。現在透過電腦視覺技術，可以做到模擬人的視覺感知，哪個地方有車停，哪個地方是空位，直接檢測出來，把數據發送給平台，發佈到停車場誘導系統上。
車輛身份特徵辨識
電腦視覺，用於智慧交通的第二個大的應用領域，就是車輛的身份辨識。目前，常用的ETC和電子標籤技術，辨識車輛確實非常可靠，而且精度還是比圖像辨識要高一些。
但是現實中，還存在很多現實問題，比如說現在很多大貨車無法用ETC，還有ETC系統遭到破壞，怎麼辦？而電子標籤真正落地還需要時間。
在這個時間窗口，如何實現車輛身份特徵的唯一性辨識？透過深度學習提升的車輛辨識，不僅僅是車輛的車牌辨識準確率，還能實現更多維度的辨識，現在的「車臉辨識」技術，不僅能精確辨識車牌，還有車輛的顏色、類型、品牌年款、車輛裡人物、車輛擋風玻璃上的特殊標誌，以及車輛尾部的特徵標誌等。
車輛的比對
電腦視覺用於智慧交通的第三個大的應用領域，就是車輛的比對，最典型的應用就是以圖搜圖，如何在海量圖片裡，精準的找到一輛車，所謂世界上沒有兩片相同的樹葉，也沒有兩輛完全一樣的車。如下圖，看著像是一樣的，但是仔細區分，還是會發現不同。
基於視圖大數據的以圖搜圖功能，可以在海量圖片裡，找到一輛特定的車，不管有沒有號牌，這裡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，但現在電腦可以透過兩個車牌，是完全一樣的車，透過車型比對和車輛特徵比對，來鑒定是否套牌車。
車輛比對的另外一個應用場景，就是收費結算，目前車牌辨識，用在停車場的支付裡，還有一些遺留問題，就是還存在無牌車、污牌車和套牌車，因而依然必須依賴人工參與。
有沒有一種辦法，可以減少或者是不讓人工參與呢？車臉辨識就可以解決這一問題，可以建構車輛多層多維度的特徵，相當於得到一個車輛的肖像，然後透過特徵比對，去判斷是否同一輛車。
交通影像的分析應用
電腦視覺應用，在智慧交通的第四個大的應用領域，就是車輛的行為分析。
第一個是交通事故及事件檢測，基於連續影像，可以分析車輛的行為，檢測如車輛停車、逆行等行為，發現交通事故和交通堵塞進行報警。
借助深度學習技術，能實現真正準確的交通事件檢測系統，真正的幫交通營運部門，提供準確即時的警報資訊。
借助深度學習技術，能實現真正準確的交通事件檢測系統，真正的幫交通營運部門，提供準確即時的警報資訊。
第二個就是車輛違規拍攝，這些近幾年應用非常廣泛，而且利用影像檢測，實現的非現場執法的種類越來越多，現在甚至連開車接打電話，都可以辨識拍攝，這些都得益於，電腦視覺技術的快速進步。
無人駕駛和汽車輔助駕駛
最後要說的一個應用領域，就是汽車駕控，就是當前非常熱的無人駕駛和汽車輔助駕駛。
其中非常重要的一個技術點，就是圖像辨識，透過圖像辨識前方車輛、行人、障礙物、道路，以及交通信號燈和交通號誌，這項技術的落地應用，將給人類帶來前所未有的出行體驗，重塑交通體系，並構建真正的智慧交通時代。
其中非常重要的一個技術點，就是圖像辨識，透過圖像辨識前方車輛、行人、障礙物、道路，以及交通信號燈和交通號誌，這項技術的落地應用，將給人類帶來前所未有的出行體驗，重塑交通體系，並構建真正的智慧交通時代。
總結一下，電腦視覺技術，過去5年內取得的成績，甚至是遠遠超過了之前的20年，得益於深度學習技術，帶來的巨大進步，電腦視覺的廣泛應用，能夠大大提升，智慧交通系統的感知精度與維度，讓智慧交通系統更加智慧。
透過深度學習技術，未來能夠讓行動支付，在智慧交通系統中，更加快速的落地，讓無人駕駛的美好夢想變成現實，從而給全人類帶來更加安全、便捷、舒適的出行體驗。1722180808
0 comments:
張貼留言