王辰：基于AI的交通视频综合分析系统

深圳市哈工大交通电子技术有限公司产品中心总监王辰发表了《基于AI的交通视频综合分析系统》主题演讲。

以下为王辰演讲内容。

（深圳市哈工大交通电子技术有限公司产品中心总监王辰）

各位同仁、各位领导，大家下午好！今天很荣幸有这个机会代表哈工大交通电子技术有限公司给各位领导做一个关于视频分析的汇报。

首先简单的给大家介绍一下我们公司，我们的业态是做视频分析，实际上在上世纪60年代就已经有人提出用机器视觉来代替人工，也就是我们所谓的AI。

但是在上世纪80年代的时候，美国和法国的一些公司就已经把机器视觉应用到交通领域，比如法国和美国的一些公司，他们把机器视觉用在高速领域，高速是一个比较简单的交通场景，在上世纪就已经使用机器视觉自动识别高速上各种各样的交通事件、交通事故、交通违停，来保证交通安全以及畅通。

在2001年，我们公司做了全国首款交通检测系统，当时是仿造了外国的领先者做了国内第一款基于道路视频的交通检测系统。到今天已经过了十几年，这十几年来对AI的理解，我有自己的一些看法。大家现在都在做AI，可能更多的是关注它的应用。其实我们做机器视觉，大家都有很多想法和应用，但是这个应用的关键是能够给客户带来价值，而这个价值的核心是到底能不能做得准，也就是机器视觉能不能真正给客户带来价值。

第一是我们公司的核心技术，2017年10月份报道全国各地已经有1.66亿的摄像头。这个数据表明我们拥有海量的视频数据，但是传统的监控手段却无法满足交通管理的需求。核心是两个，一是人工监控效率比较低下，还有一个比较重要的点是现有的事件检测精度，实际上很多都达不到深化的要求，我们很多实验室的检测数据在真实场景中实用性会大打折扣。

所以对于非智能化的监控系统，实际上监控人员看不过来，误报特别多。例如，若你真正在连接1万左右的视频的时候，每天有很多误报，监控人员是受不了的，实际上有这个东西可能还不如没有这个东西。

第三个是无法实现全程的自动化检测，现在我们视频监控的范围大概是在1到2公里，但是视频检测的有效范围实际上可能只有200到300米。所以实际上真正的智能化检测，还无法做到全程的检测。

而我们公司在这一块实际上有自己的一些独特见解，在解决精度方面，我们确实提供了基于10年累计的视频数据和深度学习技术算+定制优化。在延长检测精度范围之内，对于设备无法直接检测的范围，通过截获各种各样的数据关联进行智能判断。在检测精度深度分析方面，通过相关信息进行大量的分析和挖掘。在深度应用方面，已经获得视频平台向这类型进行深度整合。

刚刚提到的实用化，实际上主要是这些场景导致的。其实开始讨论到AI可能会想到人脸系统，但是人脸系统应用比较多的是金融领域，实际上它是固定场景、固定角度、固定条件的领域，因此在这个领域实际上已经有比较好的实用化了。

但是交通领域的特点是多场景，交通有桥梁、公路等各种各样的场景。还有多角度，监控相机的角度各种各样大量斜的角度。各种干扰，比如有眩光，自然环境各种各样的风雨雾天气和光照条件的变化。这才是交互领域视频实用化的难点，我们在一个简单的场景做得比较好的一个数据，在实用化就会比较差。

而我们公司在这一块实际上是从2006、2008、2010、2013、2016、2017经历了视频分析三代所有的技术，从背景到跟踪到人为判断到机器学习、深度学习、自学习。实际上我们经历了这么多，也收获到了很多，也正是因为这些经历让我们的视频算法变得更加精准。

这是2008年之前演示的简单背景提取，这个精度比较差。现在可以很精准的监测到里面所有的出租车、自行车、摩托车，也是多种角度的。

我们的核心技术是这一块，基于多场景的各种各样的样本模型的训练以及各种各样的数据库，还有大量使用的样本，经过双重迭代可以保证检测精度。

● 抖动方面的补强，因为我们的相机确实很容易会出现抖动的状态，我们根据里面目标点的跟踪，比如在这个场景下通过跟踪自动补强整个相机的抖动状态，最终得到一个完整的效果。

● 各种各样遮挡的处理，其实这是一个电子的场景，电子场景更多的是车辆和非机动车行人的遮挡，还有一些场景是高点的场景，实际上有更多的遮挡。而在这一块经过长时间的大量样本训练，我们可以做到每个车辆的跟踪。在大雨天气，实际上辨别起来更加模糊，在这方面我们也进行了比较好的区分。

这是在深圳市交委做的高点视频的状态，因为高点视频正好是在立交桥上，所以实际上在晚上的时候不仅要处理到抖动，同时要处理到光线的模糊性。在晚上的光线和各种抖动的双重处理下，精度达到90%以上，这也是深圳的一个实地项目。

介绍了针对视频精度特有的处理之后，接下来简单介绍一下整个架构。其实这个系统图大家都不会太陌生，实际上前端的视频到后端会提供分析管理和分析服务器。当然这个服务器肯定不是一台服务器，它是一个服务器组，也就是我们所谓的群。

在软件架构上，我们提供了一个算法，称为算法资金池、算法仓以及应用仓的概念，我们打造一个可以给用户任意定制他们所需要的场景概念，而不是打造一个特别大而全的逻辑。针对每个地方的需求不一样，可以很快速的对当地进行定制服务。检测的功能主要是分四大块：违法检测、图片结构化、视频结构化、交通事件检测，这四块实际上公司都有完整的提供方案。

这是基于所检测的数据的一些应用分析，更多的是关注一些趋势分析、报表以及各种各样的异常以及交通事件的预警，以及对道路上所关心的交通事件进行实时检测，在这一块我们能保证的是检测的区域范围达到检测精度。

在产品方面，从成立到现在十几年，我们积累了大量的交通真实案例。坚持AI、大数据研究，保障道路的安全畅通。

我们的技术优势是5个：技术整合是将人工智能、交通控制、用户需求、硬件平台、软件优化进行自由整合。

● 技术壁垒方面，我们花了大量的精力去进行数据模型的研究，特别是在车型方面，针对不同的车型进行要进行单独的标的，其实也是很花时间的。基于不同场景环境和交通问题的模型，进行了大量的分析。

● 深度学习方面，应该算是国内比较早运用深度学习的企业，应用也比较完善。

● 交通大数据二次挖掘方面，通过流量、模型、车牌等各种各样的数据，研究交通数据的关联，通过分析延伸智能的出行。

十几年来，我们不断地进行技术投入，有218位专业工程人员。我们专心只做一件事情，让道路交通监控真正智能化，“可用、易用、好用”是我们最简单的一个结论。

公司2010年成立的时候当时是隶属于哈工大的，但是现在已经完全是独立体系了。从2001年到现在，我们不断的推出基于视频分析的各种各样类型的产品和系统，而且是专业服务在交通领域的。因此在交通领域上，不管是在高速公路、还是在城市道路都有非常好的客户基础和真正的使用场景以及真实的案例。

成功案例方面，我想市场会替我们证明刚刚我们所说的一些东西。2017年我们在新加坡iTransport2.0项目，1500路视频的实时分析，这是非常难得的机会，走出国门，我们和ADC、IBM进行PK。

2017年在重庆高速交警是1000路视频，其实同时分析1000路视频需要大量的计算资源，在真正的商业落地场景下应该是非常少见的一个案例。而实际上我们真正累计的视频有50000多路，而且现在一直在讨论，每天都提供大量的数据，我们用这些数据进行更优化的系统，因此这些成功能代表我们在交通领域视频方面会有自己独到的一面。

其实AI到了现在成为一个热点，我个人特别的开心，因为有大量各种各样的同行在一起，将技术互相促进、互相进步。所以对于哈工大来说，我们也希望我们的航天力量能够助力交通，谢谢大家！