深圳市哈工大交通電子技術有限公司產品中心總監王辰發表了《基于AI的交通視頻綜合分析系統》主題演講。

以下為王辰演講內容。

（深圳市哈工大交通電子技術有限公司產品中心總監王辰）

各位同仁、各位領導，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有限公司給各位領導做一個關于視頻分析的匯報。

首先簡單的給大家介紹一下我們公司，我們的業態是做視頻分析，實際上在上世紀60年代就已經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把機器視覺應用到交通領域，比如法國和美國的一些公司，他們把機器視覺用在高速領域，高速是一個比較簡單的交通場景，在上世紀就已經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，當時是仿造了外國的領先者做了國內第一款基于道路視頻的交通檢測系統。到今天已經過了十幾年，這十幾年來對AI的理解，我有自己的一些看法。大家現在都在做AI，可能更多的是關注它的應用。其實我們做機器視覺，大家都有很多想法和應用，但是這個應用的關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，2017年10月份報道全國各地已經有1.66億的攝像頭。這個數據表明我們擁有海量的視頻數據，但是傳統的監控手段卻無法滿足交通管理的需求。核心是兩個，一是人工監控效率比較低下，還有一個比較重要的點是現有的事件檢測精度，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據在真實場景中實用性會大打折扣。

所以對于非智能化的監控系統，實際上監控人員看不過來，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。

第三個是無法實現全程的自動化檢測，現在我們視頻監控的范圍大概是在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年累計的視頻數據和深度學習技術算+定制優化。在延長檢測精度范圍之內，對于設備無法直接檢測的范圍，通過截獲各種各樣的數據關聯進行智能判斷。在檢測精度深度分析方面，通過相關信息進行大量的分析和挖掘。在深度應用方面，已經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致的。其實開始討論到AI可能會想到人臉系統，但是人臉系統應用比較多的是金融領域，實際上它是固定場景、固定角度、固定條件的領域，因此在這個領域實際上已經有比較好的實用化了。

但是交通領域的特點是多場景，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據，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經歷了視頻分析三代所有的技術，從背景到跟蹤到人為判斷到機器學習、深度學習、自學習。實際上我們經歷了這么多，也收獲到了很多，也正是因為這些經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。現在可以很精準的監測到里面所有的出租車、自行車、摩托車，也是多種角度的。

我們的核心技術是這一塊，基于多場景的各種各樣的樣本模型的訓練以及各種各樣的數據庫，還有大量使用的樣本，經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抖動的狀態，我們根據里面目標點的跟蹤，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，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。而在這一塊經過長時間的大量樣本訓練，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分。

這是在深圳市交委做的高點視頻的狀態，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。其實這個系統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器。當然這個服務器肯定不是一臺服務器，它是一個服務器組，也就是我們所謂的群。

在軟件架構上，我們提供了一個算法，稱為算法資金池、算法倉以及應用倉的概念，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，可以很快速的對當地進行定制服務。檢測的功能主要是分四大塊：違法檢測、圖片結構化、視頻結構化、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據的一些應用分析，更多的是關注一些趨勢分析、報表以及各種各樣的異常以及交通事件的預警，以及對道路上所關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域范圍達到檢測精度。

在產品方面，從成立到現在十幾年，我們積累了大量的交通真實案例。堅持AI、大數據研究，保障道路的安全暢通。

我們的技術優勢是5個：技術整合是將人工智能、交通控制、用戶需求、硬件平臺、軟件優化進行自由整合。

● 技術壁壘方面，我們花了大量的精力去進行數據模型的研究，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。基于不同場景環境和交通問題的模型，進行了大量的分析。

● 深度學習方面，應該算是國內比較早運用深度學習的企業，應用也比較完善。

● 交通大數據二次挖掘方面，通過流量、模型、車牌等各種各樣的數據，研究交通數據的關聯，通過分析延伸智能的出行。

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

公司2010年成立的時候當時是隸屬于哈工大的，但是現在已經完全是獨立體系了。從2001年到現在，我們不斷的推出基于視頻分析的各種各樣類型的產品和系統，而且是專業服務在交通領域的。因此在交通領域上，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，在真正的商業落地場景下應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，而且現在一直在討論，每天都提供大量的數據，我們用這些數據進行更優化的系統，因此這些成功能代表我們在交通領域視頻方面會有自己獨到的一面。

其實AI到了現在成為一個熱點，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！