什么是計(jì)算機(jī)視覺(jué)技術(shù)
計(jì)算機(jī)視覺(jué)是一門(mén)研究如何使機(jī)器“看”的科學(xué)，是通過(guò)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(chē)輛檢測(cè)，車(chē)輛識(shí)別和車(chē)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(jué)的機(jī)器學(xué)習(xí)技術(shù)，它應(yīng)該說(shuō)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(guó)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)用有了非常快速的發(fā)展，就像上面這幅圖，到了2014年的時(shí)候，計(jì)算機(jī)可以?xún)H通過(guò)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(wèn)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(guó)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(lèi)不一樣，AlphaGo背后的計(jì)算機(jī)程序是只看棋盤(pán)，不看邏輯，僅僅通過(guò)學(xué)習(xí)大量的棋局來(lái)“領(lǐng)悟”圍棋的奧秘從而戰(zhàn)勝人類(lèi)的，這是一個(gè)劃時(shí)代的進(jìn)步。
在我理解來(lái)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(lái)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(jué)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(lái)什么
我認(rèn)為計(jì)算機(jī)視覺(jué)能給交通帶來(lái)的主要有如下幾個(gè)方面：第一個(gè)是感知，對(duì)于我們車(chē)輛而言就是車(chē)輛的檢測(cè)，第二個(gè)是車(chē)輛身份的識(shí)別，第三是車(chē)輛身份的比對(duì)，第四個(gè)是車(chē)輛的行為分析，第五個(gè)是駕控，也就是現(xiàn)在非�；鸬钠�(chē)輔助駕駛與無(wú)人駕駛。
第一，車(chē)輛檢測(cè)與感知
檢測(cè)就是計(jì)算機(jī)通過(guò)圖片或者視頻，把其中的車(chē)輛或其他關(guān)注目標(biāo)準(zhǔn)確的“框”出來(lái)，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(wèn)題。而基于深度學(xué)習(xí)的檢測(cè)，是基于車(chē)輛的輪廓和形態(tài)的檢測(cè)，是完全模擬人看車(chē)的方式，只要人眼可以辨識(shí)那是一輛車(chē)，就可以“框”出來(lái)，這個(gè)就可以解決很多過(guò)去車(chē)輛檢測(cè)中存在的問(wèn)題，排除了天氣光線等來(lái)帶的干擾。從檢測(cè)感知角度，我覺(jué)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(guó)很多城市交通擁堵很?chē)?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(guò)基于深度學(xué)習(xí)的車(chē)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(chē)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(chē)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(chē)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(guò)過(guò)去幾年的建設(shè)，我國(guó)的大中型城市都安裝了很多監(jiān)控?cái)z像頭，通過(guò)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(guò)這種車(chē)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(lái)，成本是非常高的，現(xiàn)在就可以采用很低的成本做到，通過(guò)圖象快速的感知。
第三個(gè)是路側(cè)停車(chē)的感知
有兩個(gè)方面的應(yīng)用，一個(gè)是路側(cè)違法停車(chē)的感知和抓拍，不再需要攝像機(jī)去輪詢(xún)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(chē)位的管理，之前的方案在外場(chǎng)要感知車(chē)位是否被占用，一般通過(guò)地磁感知，成本非常高，系統(tǒng)可靠性也是問(wèn)題；基于圖象的識(shí)別則可以很好的解決這個(gè)問(wèn)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(chē)位是否被占用，成本低還所見(jiàn)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(chē)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(chē)場(chǎng)的感知
現(xiàn)在室內(nèi)停車(chē)場(chǎng)應(yīng)用圖像識(shí)別實(shí)現(xiàn)車(chē)位檢測(cè)的已經(jīng)比較多了，但是現(xiàn)在很多車(chē)的檢測(cè)都是基于車(chē)牌，有車(chē)牌就可以檢測(cè)出來(lái)，沒(méi)車(chē)牌檢測(cè)不出來(lái)，甚至有的車(chē)牌效果不太好也無(wú)法檢測(cè)。而基于深度學(xué)習(xí)的車(chē)輛檢測(cè)，只看車(chē)輛的輪廓，不看車(chē)牌，只要看起來(lái)像個(gè)車(chē)的，就可以檢測(cè)出來(lái)。 而且精度很高。右邊的圖，以前是不太可以實(shí)現(xiàn)的，過(guò)去室外停車(chē)場(chǎng)的數(shù)據(jù)怎么匯集，經(jīng)常是靠停車(chē)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(guò)計(jì)算機(jī)視覺(jué)技術(shù)，也同樣可以做到，模擬人的視覺(jué)感知，哪個(gè)地方有車(chē)停，哪個(gè)地方是空位，直接檢測(cè)出來(lái)把數(shù)據(jù)發(fā)送給平臺(tái)，發(fā)布到停車(chē)場(chǎng)誘導(dǎo)系統(tǒng)上。
第五個(gè)是出入口的車(chē)輛感知
現(xiàn)在很多停車(chē)場(chǎng)和出入口都上了車(chē)牌識(shí)別系統(tǒng)，但如果一旦車(chē)輛車(chē)牌不清楚或車(chē)輛沒(méi)有掛牌，系統(tǒng)就抓瞎了。而采用基于深度學(xué)習(xí)的車(chē)輛特征識(shí)別系統(tǒng)，可以識(shí)別車(chē)輛本身。 通過(guò)車(chē)輛的檢測(cè)，出入口車(chē)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(lái)進(jìn)行車(chē)輛感知，完成抬桿落桿的控制。而基于圖象的車(chē)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(chē)輛身份特征識(shí)別
計(jì)算機(jī)視覺(jué)用于智能交通的第二個(gè)大的應(yīng)用領(lǐng)域就是車(chē)輛的身份識(shí)別。今天有專(zhuān)家講ETC和電子標(biāo)簽，通過(guò)這兩項(xiàng)技術(shù)來(lái)識(shí)別車(chē)輛確實(shí)非�？煽�，而且精度目前來(lái)說(shuō)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(wèn)題，比如說(shuō)現(xiàn)在很多大貨車(chē)無(wú)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(chē)輛身份特征的唯一性識(shí)別？通過(guò)深度學(xué)習(xí)提升的車(chē)輛識(shí)別不僅僅是車(chē)輛的車(chē)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(chē)臉識(shí)別，也就是不僅精確識(shí)別車(chē)牌，還有車(chē)輛的顏色，車(chē)輛的類(lèi)型，車(chē)輛的品牌年款，車(chē)輛里人物，車(chē)輛擋風(fēng)玻璃上的特殊標(biāo)志以及車(chē)輛尾部的特征標(biāo)志等。
先說(shuō)車(chē)牌號(hào)碼，車(chē)牌識(shí)別已經(jīng)應(yīng)用了很多年，但實(shí)際中還有很多車(chē)牌是是很難準(zhǔn)確識(shí)別的，比如隨意大角度傾斜的車(chē)牌，在過(guò)去很多年其實(shí)解決的都不好，可以說(shuō)過(guò)去3-5年車(chē)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(chē)牌都能很好的識(shí)別。
除了車(chē)牌識(shí)別之外，過(guò)去很難想象的一個(gè)進(jìn)展就是車(chē)輛的品牌年款識(shí)別，我們目前已經(jīng)可以識(shí)別超過(guò)3000種的車(chē)輛品牌年款了，車(chē)頭的檢測(cè)超過(guò)95%，車(chē)尾的檢測(cè)也超過(guò)了90%，車(chē)輛顏色超過(guò)95%。
除此之外，還可以識(shí)別很多車(chē)輛的特有特征，通過(guò)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(chē)有沒(méi)有裝行李架，車(chē)燈的形狀，有沒(méi)有掛件等。
著重提一下就是車(chē)輛類(lèi)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(chē)輛，如公交車(chē)，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(guò)裝電子標(biāo)簽來(lái)實(shí)現(xiàn)公交車(chē)的感知，其實(shí)通過(guò)圖像識(shí)別完全可以準(zhǔn)確識(shí)別一輛公交車(chē)來(lái)了，并優(yōu)先通行。
第三，車(chē)輛的比對(duì)
計(jì)算機(jī)視覺(jué)用于智能交通的第三個(gè)大的應(yīng)用領(lǐng)域就是車(chē)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(chē)，所謂世界上沒(méi)有兩片相同的樹(shù)葉，也沒(méi)有兩輛完全一樣的車(chē)。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(lái)。
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(chē)，不管有沒(méi)有號(hào)牌，這里還包括一些其他的功能，如套牌車(chē)分析等等，套牌車(chē)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(guò)兩個(gè)車(chē)牌是完全一樣的車(chē)，通過(guò)車(chē)型比對(duì)和車(chē)輛特征比對(duì)來(lái)鑒定是否套牌車(chē)。
車(chē)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(chē)牌識(shí)別用在停車(chē)場(chǎng)的支付里，還有一些遺留問(wèn)題，就是還存在無(wú)牌車(chē)、污牌車(chē)和套牌車(chē)，因而依然必須依賴(lài)人工參與。有沒(méi)有一種辦法可以減少或者是不讓人工參與呢？就是通過(guò)車(chē)臉識(shí)別。通過(guò)車(chē)臉識(shí)別，可以構(gòu)建車(chē)輛多層多維度的特征，相當(dāng)于得到一個(gè)車(chē)輛的肖像，然后通過(guò)特征比對(duì)去判斷是否同一輛車(chē)。 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(chē)道受限于技術(shù)等原因，還沒(méi)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(lái)，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(jué)應(yīng)用在智能交通的第四個(gè)大的應(yīng)用領(lǐng)域就是車(chē)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(chē)輛的行為，檢測(cè)如車(chē)輛停車(chē)、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(yíng)部門(mén)提供準(zhǔn)確及時(shí)的報(bào)警信息。
第二個(gè)就是車(chē)輛違章抓拍，這些近幾年在我國(guó)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(lèi)越來(lái)越多，現(xiàn)在甚至連開(kāi)車(chē)接打電話(huà)都可以識(shí)別抓拍，這些都得益于計(jì)算機(jī)視覺(jué)技術(shù)的快速進(jìn)步。
第五，無(wú)人駕駛和汽車(chē)輔助駕駛
最后要說(shuō)的一個(gè)應(yīng)用領(lǐng)域就是汽車(chē)駕控，就是當(dāng)前非常熱的無(wú)人駕駛和汽車(chē)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(guò)圖像識(shí)別前方車(chē)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(lèi)帶來(lái)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(jué)技術(shù)過(guò)去5年內(nèi)取得的成績(jī)甚至是遠(yuǎn)遠(yuǎn)超過(guò)了之前以前的20年，得益于深度學(xué)習(xí)技術(shù)帶來(lái)的巨大進(jìn)步，通過(guò)計(jì)算機(jī)視覺(jué)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(guò)深度學(xué)習(xí)技術(shù)，未來(lái)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(wú)人駕駛的美好夢(mèng)想變成現(xiàn)實(shí)，從而給全人類(lèi)帶來(lái)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(lài)品牌。
轉(zhuǎn)載請(qǐng)注明出處：拓步ERP資訊網(wǎng)http://www.ezxoed.cn/
本文標(biāo)題：機(jī)器視覺(jué)在智能交通領(lǐng)域應(yīng)用的五個(gè)方向
本文網(wǎng)址：http://www.ezxoed.cn/html/consultation/10839320603.html
相關(guān)文章
