现在的交通问题检测,现已不像之前用肉眼,或者是依托某一种视觉技能了,现在在AI和计算机视觉的结合之下现已有了更便利的运用和更多的使用。
据统计,60%以上的交通事故的底子原因是驾驭员的分神。人脸检测算法可以检测出注意力会集的和不会集的人脸。深度学习算法可以检测眼睛聚集和非聚集的差异,以及受此影响的驾驭痕迹。
在驾驭员分神检测中,有多种深度学习方法(RNN和CNN)使用于实时分神驾驭员姿势分类。
计算机视觉用于交通标志的检测和辨认。将视觉技能使用于不同交通场景的交通标志切割(图画切割),并选用深度学习算法对交通标志进行辨认和分类。
在辅佐驾驭和无人驾驭中,车辆在行进时需求实时地去感知周围的环境,包括行进在哪里、周围有什么障碍物、当时交通信号怎样等等。这就需求多类传感器,摄像头便是这里边之一。
因为摄像头数据(图片)包括丰厚的色彩信息,所以关于精密的障碍物类别辨认、信号灯检测、车道线检测、交通标志检测等问题就需求依靠计算机视觉技能。
车辆检测和车道检测是最先进的驾驭员辅佐体系(ADAS)的组成部分。深度神经网络近年来已使用到深度学习研讨及自主避撞体系中。