深圳市哈工大交通電子技術(shù)有限公司產(chǎn)品中心總監(jiān)王辰發(fā)表了《基于AI的交通視頻綜合分析系統(tǒng)》主題演講。

以下為王辰演講內(nèi)容。

（深圳市哈工大交通電子技術(shù)有限公司產(chǎn)品中心總監(jiān)王辰）

各位同仁、各位領(lǐng)導(dǎo)，大家下午好！今天很榮幸有這個機會代表哈工大交通電子技術(shù)有限公司給各位領(lǐng)導(dǎo)做一個關(guān)于視頻分析的匯報。

首先簡單的給大家介紹一下我們公司，我們的業(yè)態(tài)是做視頻分析，實際上在上世紀60年代就已經(jīng)有人提出用機器視覺來代替人工，也就是我們所謂的AI。

但是在上世紀80年代的時候，美國和法國的一些公司就已經(jīng)把機器視覺應(yīng)用到交通領(lǐng)域，比如法國和美國的一些公司，他們把機器視覺用在高速領(lǐng)域，高速是一個比較簡單的交通場景，在上世紀就已經(jīng)使用機器視覺自動識別高速上各種各樣的交通事件、交通事故、交通違停，來保證交通安全以及暢通。

在2001年，我們公司做了全國首款交通檢測系統(tǒng)，當時是仿造了外國的領(lǐng)先者做了國內(nèi)第一款基于道路視頻的交通檢測系統(tǒng)。到今天已經(jīng)過了十幾年，這十幾年來對AI的理解，我有自己的一些看法。大家現(xiàn)在都在做AI，可能更多的是關(guān)注它的應(yīng)用。其實我們做機器視覺，大家都有很多想法和應(yīng)用，但是這個應(yīng)用的關(guān)鍵是能夠給客戶帶來價值，而這個價值的核心是到底能不能做得準，也就是機器視覺能不能真正給客戶帶來價值。

第一是我們公司的核心技術(shù)，2017年10月份報道全國各地已經(jīng)有1.66億的攝像頭。這個數(shù)據(jù)表明我們擁有海量的視頻數(shù)據(jù)，但是傳統(tǒng)的監(jiān)控手段卻無法滿足交通管理的需求。核心是兩個，一是人工監(jiān)控效率比較低下，還有一個比較重要的點是現(xiàn)有的事件檢測精度，實際上很多都達不到深化的要求，我們很多實驗室的檢測數(shù)據(jù)在真實場景中實用性會大打折扣。

所以對于非智能化的監(jiān)控系統(tǒng)，實際上監(jiān)控人員看不過來，誤報特別多。例如，若你真正在連接1萬左右的視頻的時候，每天有很多誤報，監(jiān)控人員是受不了的，實際上有這個東西可能還不如沒有這個東西。

第三個是無法實現(xiàn)全程的自動化檢測，現(xiàn)在我們視頻監(jiān)控的范圍大概是在1到2公里，但是視頻檢測的有效范圍實際上可能只有200到300米。所以實際上真正的智能化檢測，還無法做到全程的檢測。

而我們公司在這一塊實際上有自己的一些獨特見解，在解決精度方面，我們確實提供了基于10年累計的視頻數(shù)據(jù)和深度學(xué)習(xí)技術(shù)算+定制優(yōu)化。在延長檢測精度范圍之內(nèi)，對于設(shè)備無法直接檢測的范圍，通過截獲各種各樣的數(shù)據(jù)關(guān)聯(lián)進行智能判斷。在檢測精度深度分析方面，通過相關(guān)信息進行大量的分析和挖掘。在深度應(yīng)用方面，已經(jīng)獲得視頻平臺向這類型進行深度整合。

剛剛提到的實用化，實際上主要是這些場景導(dǎo)致的。其實開始討論到AI可能會想到人臉系統(tǒng)，但是人臉系統(tǒng)應(yīng)用比較多的是金融領(lǐng)域，實際上它是固定場景、固定角度、固定條件的領(lǐng)域，因此在這個領(lǐng)域?qū)嶋H上已經(jīng)有比較好的實用化了。

但是交通領(lǐng)域的特點是多場景，交通有橋梁、公路等各種各樣的場景。還有多角度，監(jiān)控相機的角度各種各樣大量斜的角度。各種干擾，比如有眩光，自然環(huán)境各種各樣的風雨霧天氣和光照條件的變化。這才是交互領(lǐng)域視頻實用化的難點，我們在一個簡單的場景做得比較好的一個數(shù)據(jù)，在實用化就會比較差。

而我們公司在這一塊實際上是從2006、2008、2010、2013、2016、2017經(jīng)歷了視頻分析三代所有的技術(shù)，從背景到跟蹤到人為判斷到機器學(xué)習(xí)、深度學(xué)習(xí)、自學(xué)習(xí)。實際上我們經(jīng)歷了這么多，也收獲到了很多，也正是因為這些經(jīng)歷讓我們的視頻算法變得更加精準。

這是2008年之前演示的簡單背景提取，這個精度比較差。現(xiàn)在可以很精準的監(jiān)測到里面所有的出租車、自行車、摩托車，也是多種角度的。

我們的核心技術(shù)是這一塊，基于多場景的各種各樣的樣本模型的訓(xùn)練以及各種各樣的數(shù)據(jù)庫，還有大量使用的樣本，經(jīng)過雙重迭代可以保證檢測精度。

● 抖動方面的補強，因為我們的相機確實很容易會出現(xiàn)抖動的狀態(tài)，我們根據(jù)里面目標點的跟蹤，比如在這個場景下通過跟蹤自動補強整個相機的抖動狀態(tài)，最終得到一個完整的效果。

● 各種各樣遮擋的處理，其實這是一個電子的場景，電子場景更多的是車輛和非機動車行人的遮擋，還有一些場景是高點的場景，實際上有更多的遮擋。而在這一塊經(jīng)過長時間的大量樣本訓(xùn)練，我們可以做到每個車輛的跟蹤。在大雨天氣，實際上辨別起來更加模糊，在這方面我們也進行了比較好的區(qū)分。

這是在深圳市交委做的高點視頻的狀態(tài)，因為高點視頻正好是在立交橋上，所以實際上在晚上的時候不僅要處理到抖動，同時要處理到光線的模糊性。在晚上的光線和各種抖動的雙重處理下，精度達到90%以上，這也是深圳的一個實地項目。

介紹了針對視頻精度特有的處理之后，接下來簡單介紹一下整個架構(gòu)。其實這個系統(tǒng)圖大家都不會太陌生，實際上前端的視頻到后端會提供分析管理和分析服務(wù)器。當然這個服務(wù)器肯定不是一臺服務(wù)器，它是一個服務(wù)器組，也就是我們所謂的群。

在軟件架構(gòu)上，我們提供了一個算法，稱為算法資金池、算法倉以及應(yīng)用倉的概念，我們打造一個可以給用戶任意定制他們所需要的場景概念，而不是打造一個特別大而全的邏輯。針對每個地方的需求不一樣，可以很快速的對當?shù)剡M行定制服務(wù)。檢測的功能主要是分四大塊：違法檢測、圖片結(jié)構(gòu)化、視頻結(jié)構(gòu)化、交通事件檢測，這四塊實際上公司都有完整的提供方案。

這是基于所檢測的數(shù)據(jù)的一些應(yīng)用分析，更多的是關(guān)注一些趨勢分析、報表以及各種各樣的異常以及交通事件的預(yù)警，以及對道路上所關(guān)心的交通事件進行實時檢測，在這一塊我們能保證的是檢測的區(qū)域范圍達到檢測精度。

在產(chǎn)品方面，從成立到現(xiàn)在十幾年，我們積累了大量的交通真實案例。堅持AI、大數(shù)據(jù)研究，保障道路的安全暢通。

我們的技術(shù)優(yōu)勢是5個：技術(shù)整合是將人工智能、交通控制、用戶需求、硬件平臺、軟件優(yōu)化進行自由整合。

● 技術(shù)壁壘方面，我們花了大量的精力去進行數(shù)據(jù)模型的研究，特別是在車型方面，針對不同的車型進行要進行單獨的標的，其實也是很花時間的。基于不同場景環(huán)境和交通問題的模型，進行了大量的分析。

● 深度學(xué)習(xí)方面，應(yīng)該算是國內(nèi)比較早運用深度學(xué)習(xí)的企業(yè)，應(yīng)用也比較完善。

● 交通大數(shù)據(jù)二次挖掘方面，通過流量、模型、車牌等各種各樣的數(shù)據(jù)，研究交通數(shù)據(jù)的關(guān)聯(lián)，通過分析延伸智能的出行。

十幾年來，我們不斷地進行技術(shù)投入，有218位專業(yè)工程人員。我們專心只做一件事情，讓道路交通監(jiān)控真正智能化，“可用、易用、好用”是我們最簡單的一個結(jié)論。

公司2010年成立的時候當時是隸屬于哈工大的，但是現(xiàn)在已經(jīng)完全是獨立體系了。從2001年到現(xiàn)在，我們不斷的推出基于視頻分析的各種各樣類型的產(chǎn)品和系統(tǒng)，而且是專業(yè)服務(wù)在交通領(lǐng)域的。因此在交通領(lǐng)域上，不管是在高速公路、還是在城市道路都有非常好的客戶基礎(chǔ)和真正的使用場景以及真實的案例。

成功案例方面，我想市場會替我們證明剛剛我們所說的一些東西。2017年我們在新加坡iTransport2.0項目，1500路視頻的實時分析，這是非常難得的機會，走出國門，我們和ADC、IBM進行PK。

2017年在重慶高速交警是1000路視頻，其實同時分析1000路視頻需要大量的計算資源，在真正的商業(yè)落地場景下應(yīng)該是非常少見的一個案例。而實際上我們真正累計的視頻有50000多路，而且現(xiàn)在一直在討論，每天都提供大量的數(shù)據(jù)，我們用這些數(shù)據(jù)進行更優(yōu)化的系統(tǒng)，因此這些成功能代表我們在交通領(lǐng)域視頻方面會有自己獨到的一面。

其實AI到了現(xiàn)在成為一個熱點，我個人特別的開心，因為有大量各種各樣的同行在一起，將技術(shù)互相促進、互相進步。所以對于哈工大來說，我們也希望我們的航天力量能夠助力交通，謝謝大家！