计算机视觉领域计算机视觉在交通领域的主要有如下几个方面的应用

计算机视觉在交通领域主要有如下几个方面的应用：第一个是认知，既车辆的评估，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，也就是目前比较火的车辆辅助驾驶与无人驾驶。

一、车辆测试与感知

评估就是计算机通过照片以及视频，把其中的汽车或其他关注目标精确的“框”出来，检测是这些平台的基础，在2012年曾经，很多智能交通平台中用的测试是一种基于运动的测试，这种测量会受天气、光线等方面的妨碍，在不同天气下会存在诸多疑问，而基于深度学习的测试，是基于车辆的轮廓和形态的测试，是完全模拟人看车的方法，只要人眼可以辨识那是一辆车，就可以“框”出来，这个就可以解决这些过去车辆检验中存在的弊端，排除了天气光线等来带的干扰。

1、路口的感知

现在的国外这些城市交通拥堵状况很严重，很多十字路口的红绿灯配时虽然并不是最优的，通过基于深度学习的车辆精确感知测试，可以准确的认知交通路段各个方向的汽车总量、流量和强度，从而可以给交通路口的最优配时提供精确依据。如果各个路口都用上这些汽车测试科技，那对交通拥堵将是极大的加剧。

2、路段的感知

经过过去几年的建设，我国的大小型城市都安装了这些监控摄像头，通过路段的认知，可以基于原有监控平台获得到道路的总体交通路况计算机视觉领域，通过这些汽车测试科技就可以为道路路况分析、交通大数据、交通规划等提供可靠的数据根据。

3、路侧停车的感知

有两个方面的应用，一个是路侧违法停车的感知和抓拍，不再必须摄像机去轮询检查，大大提升了摄像机的使用寿命计算机视觉领域，另外一个就是路侧停车位的管理，之前的细则在外场要感知车位是否被占用，一般借助地磁感知，成本相当高，系统可靠性也有弊端，基于图像的辨识则可以较好的缓解这个难题，一台摄像机即可监控和认知一大片区域的停车位是否被占用，成本低还所见即所得。

4、停车场的感知

目前室内停车场应用图像辨识实现车位检测的早已非常多了，但是目前这些车的测试都是基于车牌，有车牌就可以检测出来，没车牌检测不起来，甚至有的车牌效果不太好也能够测试，而基于深度学习的汽车测试，只看车辆的轮廓，不看车牌，只要看上去像个车的，就可以测试下来，而且效率很好，现在通过计算机视觉科技，可以做到模拟人的触觉感知，哪个地方有车停，哪个地方是空位，直接检测出来把数据发送给系统，发布到停车场诱导系统上。

5、车辆身份特性识别

计算机视觉用于智能交通的第二个大的应用领域就是汽车的身份识别，目前，常用的ETC和电子标签技术辨识汽车确实比较靠谱，而且效率还是比图像识别要高一些，但是现实中还存在诸多现实问题，比如说这次这些大货车能够用ETC，还有ETC系统受到破坏，怎么办？而电子标签真正落地还必须时间，在这个时间窗口，如何推动车辆身份特点的唯一性甄别？通过深度学习提高的车辆识别不只是是汽车的车牌识别准确率，还能推动更多维度的识别，现在的“车脸识别”技术虽然能准确识别车牌，还有汽车的底色、类型、品牌年款、车辆里人物、车辆挡风玻璃上的特殊标识或者汽车顶部的特点标志等。

6、车辆的比对

计算机视觉用于智能交通的第三个大的应用领域就是汽车的比对，最典型的应用就是以图搜图，如何在海量图片里精准的找到一辆车，所谓世界上没有两片同样的叶子，也没有两辆完全一样的车，如下图，看着像是一样的，但是认真区分，还是会看到不同。

基于视图大数据的以图搜图功能，可以在海量图片里找到一辆特定的车，不管有没有号牌，这里还包含一些其他的用途，如套牌车分析等等，套牌车在当时，唯一的方式就是举报，但目前计算机可以借助两个车牌是完全一样的车，通过车型比对和汽车特征比对来辨别是否套牌车。

车辆比对的此外一个应用场景就是收费结算，目前车牌识别用在停车场的支付里，还有一些遗留问题，就是还存在无牌车、污牌车和套牌车，因而一直需要依赖人工参与，有没有一种方法可以降低甚至是不让人工参与呢？车脸识别就可以解决这一难题，可以形成车辆多层多维度的特点，相当于受到一个车辆的肖像，然后借助特征比对去分辨是否同一辆车。

二、交通视频的分析应用

计算机视觉应用在智能交通的第四个大的应用领域就是汽车的行为分析。

第一个是交通事故及事件评估，基于连续视频可以预测车辆的行为，检测如汽车停车、逆行等行为，发现交通肇事和交通拥堵进行报警，借助深度学习科技，能推动真正精确的交通事件监测平台，真正的帮交通运营部门提供具体及时的报警信息。

第二个就是汽车违章抓拍，这些近几年在我国应用十分广泛，而且运用视频测试实现的非现场执法的类型越来越多，现在反而连坐车接打电话都可以识别抓拍，这些都得益于计算机视觉科技的迅速进步。

三、无人驾驶和车辆辅助驾驶

最终要说的一个应用领域就是车辆驾控，就是当前极其热的无人驾驶和车辆辅助驾驶，其中比较重要的一个技术点就是图像辨识，通过图像识别前方汽车、行人、障碍物、道路及其交通信号灯和交通标志，这项科技的落地应用将给人类带来前所未有的出行体验，重塑交通模式，并建立真正的智能交通时代。

总结一下，计算机视觉科技过去5年内获得的成绩并且是远远超出了之前的20年，得益于深度学习科技带给的很大进步，计算机视觉的广泛应用，能够大大提高智能交通平台的认知精度与维度，让智能交通平台非常智慧。

通过深度学习科技，未来能否让移动支付在智能交通平台中更加强速的落地，让无人驾驶的美丽梦想成为现实，从而给全人类带来非常安全、便捷、舒适的出行体验。