什么是計(jì)算機(jī)視覺技術(shù)
計(jì)算機(jī)視覺是一門研究如何使機(jī)器“看”的科學(xué)，是通過攝像機(jī)或者電腦代替人眼進(jìn)行目標(biāo)檢測(cè)識(shí)別、跟蹤和測(cè)量的技術(shù)，具體到智能交通領(lǐng)域就包括車輛檢測(cè)，車輛識(shí)別和車輛跟蹤和測(cè)量等。而深度學(xué)習(xí)是一種可用于計(jì)算機(jī)視覺的機(jī)器學(xué)習(xí)技術(shù)，它應(yīng)該說是近幾年最火技術(shù)之一。
深度學(xué)習(xí)（DeepLearning）本質(zhì)上講就是一個(gè)多層的深度神經(jīng)網(wǎng)絡(luò)，是一種非常接近人腦工作機(jī)制的機(jī)器學(xué)習(xí)算法，為什么叫深度學(xué)習(xí)呢？它是相對(duì)于淺層學(xué)習(xí)而言的，例如含有一個(gè)隱層的神經(jīng)網(wǎng)絡(luò)或者支持向量機(jī)（SVM）算法就是一種淺層學(xué)習(xí)的機(jī)器學(xué)習(xí)算法。
在2012年前，主流的機(jī)器學(xué)習(xí)算法都是淺層學(xué)習(xí)。但在2006年，加拿大的一位執(zhí)著的科學(xué)家Geoffrey Hinton提出了一種多層的神經(jīng)網(wǎng)絡(luò)并創(chuàng)造性的給出了訓(xùn)練的方法，這是一種是模擬人腦工作機(jī)制的機(jī)器學(xué)習(xí)算法，例如一副圖像，人首先看到的是像素，然后是邊緣，然后是結(jié)構(gòu)，最后是整體全貌，將圖象分成一層一層的，每一層都比下一層更加抽象，從而可以更好的識(shí)別這個(gè)圖像中的物體，這模擬了人腦的工作機(jī)理。
在2012年之后，在一些國際上大的互聯(lián)網(wǎng)公司大資金投入之后，深度學(xué)習(xí)從最初的理論到實(shí)際應(yīng)用有了非�？焖俚陌l(fā)展，就像上面這幅圖，到了2014年的時(shí)候，計(jì)算機(jī)可以僅通過一幅圖片，就可以檢測(cè)和識(shí)別里邊的人、馬、狗等，即使有很大的遮擋，這在2012年之前，其實(shí)是一個(gè)很難的問題，但在2012年之后，借助深度學(xué)習(xí)就很容易就能實(shí)現(xiàn)了。今年深度學(xué)習(xí)應(yīng)用最火的應(yīng)該就是眾人皆知的圍棋機(jī)器人AlphaGo，它以4：1戰(zhàn)神了國際頂尖的圍棋手李世石；跟1996年IBM打造的深藍(lán)機(jī)器人下象棋戰(zhàn)勝人類不一樣，AlphaGo背后的計(jì)算機(jī)程序是只看棋盤，不看邏輯，僅僅通過學(xué)習(xí)大量的棋局來“領(lǐng)悟”圍棋的奧秘從而戰(zhàn)勝人類的，這是一個(gè)劃時(shí)代的進(jìn)步。
在我理解來看，就像這里的2張圖，2012年之前有很多識(shí)別只能叫做“青蛙眼的識(shí)別”，很多目標(biāo)的檢測(cè)是靠運(yùn)動(dòng)信息，靠前背景提取來實(shí)現(xiàn)的，因而只有運(yùn)動(dòng)的東西才能檢測(cè)得到，而不動(dòng)的東西往往檢測(cè)不到，就像青蛙一樣。而如今，計(jì)算機(jī)視覺已經(jīng)進(jìn)入了讀圖時(shí)代，計(jì)算機(jī)的識(shí)圖能力甚至已經(jīng)可以達(dá)到2、3歲小孩的水平了。
計(jì)算機(jī)識(shí)別可以給智能交通帶來什么
我認(rèn)為計(jì)算機(jī)視覺能給交通帶來的主要有如下幾個(gè)方面：第一個(gè)是感知，對(duì)于我們車輛而言就是車輛的檢測(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�；鸬钠囕o助駕駛與無人駕駛。
第一，車輛檢測(cè)與感知
檢測(cè)就是計(jì)算機(jī)通過圖片或者視頻，把其中的車輛或其他關(guān)注目標(biāo)準(zhǔn)確的“框”出來，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)采用的是一種基于運(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，這個(gè)就可以解決很多過去車輛檢測(cè)中存在的問題，排除了天氣光線等來帶的干擾。從檢測(cè)感知角度，我覺得有以下幾個(gè)方面的細(xì)分應(yīng)用。
第一個(gè)是路口的感知
目前的中國很多城市交通擁堵很嚴(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。
這張圖是我們的檢測(cè)結(jié)果，是基于純圖片的檢測(cè)方式，而不是基于運(yùn)動(dòng)的方式，干擾會(huì)大大降低，部分遮擋也不影響車輛檢測(cè)，同時(shí)成本也非常低，可以利用現(xiàn)有的已建電子警察、反向卡口或監(jiān)控?cái)z像頭的視頻圖像。
第二個(gè)就是路段的感知
經(jīng)過過去幾年的建設(shè)，我國的大中型城市都安裝了很多監(jiān)控?cái)z像頭，通過路段的感知，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)，這對(duì)于計(jì)算機(jī)在以前要做起來，成本是非常高的，現(xiàn)在就可以采用很低的成本做到，通過圖象快速的感知。
第三個(gè)是路側(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，一般通過地磁感知，成本非常高，系統(tǒng)可靠性也是問題；基于圖象的識(shí)別則可以很好的解決這個(gè)問題，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，成本低還所見即所得。就如左邊的圖，基于深度學(xué)習(xí)的檢測(cè)，即使這些車輛挨在一起也依然可以準(zhǔn)確檢測(cè)，這采用傳統(tǒng)的方法是做不到的。
第四個(gè)是停車場(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，沒車牌檢測(cè)不出來，甚至有的車牌效果不太好也無法檢測(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，只要看起來像個(gè)車的，就可以檢測(cè)出來。 而且精度很高。右邊的圖，以前是不太可以實(shí)現(xiàn)的，過去室外停車場(chǎng)的數(shù)據(jù)怎么匯集，經(jīng)常是靠停車場(chǎng)的管理員不間斷的報(bào)數(shù)據(jù)，這個(gè)成本非常高，而且不可靠。而現(xiàn)在通過計(jì)算機(jī)視覺技術(shù)，也同樣可以做到，模擬人的視覺感知，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。
第五個(gè)是出入口的車輛感知
現(xiàn)在很多停車場(chǎng)和出入口都上了車牌識(shí)別系統(tǒng)，但如果一旦車輛車牌不清楚或車輛沒有掛牌，系統(tǒng)就抓瞎了。而采用基于深度學(xué)習(xí)的車輛特征識(shí)別系統(tǒng)，可以識(shí)別車輛本身。 通過車輛的檢測(cè)，出入口車輛的檢測(cè)精度可以完全做到99%以上，甚至完全可以替代地磁來進(jìn)行車輛感知，完成抬桿落桿的控制。而基于圖象的車輛檢測(cè)，還可以實(shí)現(xiàn)出入口的視頻濃縮存儲(chǔ)等附加功能。
第二，車輛身份特征識(shí)別
計(jì)算機(jī)視覺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。今天有專家講ETC和電子標(biāo)簽，通過這兩項(xiàng)技術(shù)來識(shí)別車輛確實(shí)非�？煽�，而且精度目前來說還是比圖象識(shí)別要高一些。但是現(xiàn)實(shí)中還存在很多現(xiàn)實(shí)問題，比如說現(xiàn)在很多大貨車無法用ETC，還有ETC系統(tǒng)遭到破壞，怎么辦？而電子標(biāo)簽真正落地還有待時(shí)間驗(yàn)證。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，我們叫車臉識(shí)別，也就是不僅精確識(shí)別車牌，還有車輛的顏色，車輛的類型，車輛的品牌年款，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。
先說車牌號(hào)碼，車牌識(shí)別已經(jīng)應(yīng)用了很多年，但實(shí)際中還有很多車牌是是很難準(zhǔn)確識(shí)別的，比如隨意大角度傾斜的車牌，在過去很多年其實(shí)解決的都不好，可以說過去3-5年車牌識(shí)別技術(shù)曾處于一種瓶頸期，但現(xiàn)在這兩年可以看到有些已經(jīng)可以識(shí)別了，這其實(shí)很大程度上得益于深度學(xué)習(xí)技術(shù)的應(yīng)用，有了新的突破，各種姿態(tài)的，各種角度的車牌都能很好的識(shí)別。
除了車牌識(shí)別之外，過去很難想象的一個(gè)進(jìn)展就是車輛的品牌年款識(shí)別，我們目前已經(jīng)可以識(shí)別超過3000種的車輛品牌年款了，車頭的檢測(cè)超過95%，車尾的檢測(cè)也超過了90%，車輛顏色超過95%。
除此之外，還可以識(shí)別很多車輛的特有特征，通過深度學(xué)習(xí)技術(shù)可以檢測(cè)你年檢標(biāo)的個(gè)數(shù)，也可以識(shí)別你的車有沒有裝行李架，車燈的形狀，有沒有掛件等。
著重提一下就是車輛類型識(shí)別，這個(gè)可以幫助高速公路收費(fèi)。還可以識(shí)別一些特種車輛，如公交車，現(xiàn)在很多省份鼓勵(lì)公交優(yōu)先政策，很多城市在打造公交優(yōu)先快速通行系統(tǒng)，如深圳，而目前方案主要是通過裝電子標(biāo)簽來實(shí)現(xiàn)公交車的感知，其實(shí)通過圖像識(shí)別完全可以準(zhǔn)確識(shí)別一輛公交車來了，并優(yōu)先通行。
第三，車輛的比對(duì)
計(jì)算機(jī)視覺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，所謂世界上沒有兩片相同的樹葉，也沒有兩輛完全一樣的車。大家可以看看這個(gè)，右下角的圖，看著以為是一樣的，但是仔細(xì)一看還是有不一樣的，可以區(qū)分出來。
我們研發(fā)的基于視圖大數(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，不管有沒有號(hào)牌，這里還包括一些其他的功能，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)可以通過兩個(gè)車牌是完全一樣的車，通過車型比對(duì)和車輛特征比對(duì)來鑒定是否套牌車。
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？就是通過車臉識(shí)別。通過車臉識(shí)別，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，然后通過特征比對(duì)去判斷是否同一輛車。 這個(gè)當(dāng)然也可以應(yīng)用在高速公路的逃費(fèi)稽查方面。
此外，目前高速公路上MTC車道受限于技術(shù)等原因，還沒有應(yīng)用移動(dòng)支付，有了這些比對(duì)技術(shù)，我認(rèn)為在不久的將來，高速公路的移動(dòng)支付完全可以實(shí)現(xiàn)。
第四，交通視頻的分析應(yīng)用
計(jì)算機(jī)視覺應(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。
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，這個(gè)之前在高速公路上應(yīng)用非常廣泛。但由于存在較多的誤報(bào)，實(shí)際效果離真正的需求還有一段差距。而借助深度學(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)法的種類越來越多，現(xiàn)在甚至連開車接打電話都可以識(shí)別抓拍，這些都得益于計(jì)算機(jī)視覺技術(shù)的快速進(jìn)步。
第五，無人駕駛和汽車輔助駕駛
最后要說的一個(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)就是圖象識(shí)別，通過圖像識(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)視覺技術(shù)過去5年內(nèi)取得的成績甚至是遠(yuǎn)遠(yuǎn)超過了之前以前的20年，得益于深度學(xué)習(xí)技術(shù)帶來的巨大進(jìn)步，通過計(jì)算機(jī)視覺的廣泛應(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。
通過深度學(xué)習(xí)技術(shù)，未來能夠讓移動(dòng)支付在智能交通系統(tǒng)中更加快速的落地，讓無人駕駛的美好夢(mèng)想變成現(xiàn)實(shí)，從而給全人類帶來更加安全、便捷、舒適的出行體驗(yàn)。
核心關(guān)注：拓步ERP系統(tǒng)平臺(tái)是覆蓋了眾多的業(yè)務(wù)領(lǐng)域、行業(yè)應(yīng)用，蘊(yùn)涵了豐富的ERP管理思想，集成了ERP軟件業(yè)務(wù)管理理念，功能涉及供應(yīng)鏈、成本、制造、CRM、HR等眾多業(yè)務(wù)領(lǐng)域的管理，全面涵蓋了企業(yè)關(guān)注ERP管理系統(tǒng)的核心領(lǐng)域，是眾多中小企業(yè)信息化建設(shè)首選的ERP管理軟件信賴品牌。
轉(zhuǎn)載請(qǐng)注明出處：拓步ERP資訊網(wǎng)http://www.oesoe.com/
本文標(biāo)題：機(jī)器視覺在智能交通領(lǐng)域應(yīng)用的五個(gè)方向
本文網(wǎng)址：http://www.oesoe.com/html/consultation/10839320603.html
相關(guān)文章
