計算機視覺在交通領域主要有如下幾個方面的應用：第一個是感知，既車輛的檢測，第二個是車輛身份的識別，第三是車輛身份的比對，第四個是車輛的行為分析，第五個是駕控，也就是現在非常火的汽車輔助駕駛與無人駕駛。

車輛檢測與感知

檢測就是計算機通過圖片或者視頻，把其中的車輛或其它關注目標準確的“框”出來，檢測是很多系統的基礎。在2012年以前，很多智能交通系統中用的檢測是一種基于運動的檢測，這種檢測會受天氣、光線等方面的影響，在不同天氣下會存在很多問題。而基于深度學習的檢測，是基于車輛的輪廓和形態的檢測，是完全模擬人看車的方式，只要人眼可以辨識那是一輛車，就可以“框”出來，這個就可以解決很多過去車輛檢測中存在的問題，排除了天氣光線等來帶的干擾。

路口的感知

目前的國內很多城市交通擁堵情況很嚴重，很多十字路口的紅綠燈配時其實并不是最優的，通過基于深度學習的車輛精確感知檢測，可以精準的感知交通路口各個方向的車輛數量、流量和密度，從而可以給交通路口的最優配時提供準確依據。如果各個路口都用上這種車輛檢測技術，那對交通擁堵將是極大的緩解。

路段的感知

經過過去幾年的建設，我國的大中型城市都安裝了很多監控攝像頭，通過路段的感知，可以基于原有監控系統獲取到道路的總體交通路況，通過這種車輛檢測技術就可以為道路路況分析、交通大數據、交通規劃等提供可靠的數據依據。

路側停車的感知

有兩個方面的應用，一個是路側違法停車的感知和抓拍，不再需要攝像機去輪詢檢測，大大提高了攝像機的使用壽命。另外一個就是路側停車位的管理，之前的方案在外場要感知車位是否被占用，一般通過地磁感知，成本非常高，系統可靠性也是問題；基于圖像的識別則可以很好的解決這個問題，一臺攝像機即可監控和感知一大片區域的停車位是否被占用，成本低還所見即所得。

停車場的感知

現在室內停車場應用圖像識別實現車位檢測的已經比較多了，但是現在很多車的檢測都是基于車牌，有車牌就可以檢測出來，沒車牌檢測不出來，甚至有的車牌效果不太好也無法檢測。而基于深度學習的車輛檢測，只看車輛的輪廓，不看車牌，只要看起來像個車的，就可以檢測出來，而且精度很高。現在通過計算機視覺技術，可以做到模擬人的視覺感知，哪個地方有車停，哪個地方是空位，直接檢測出來把數據發送給平臺，發布到停車場誘導系統上。

車輛身份特征識別

計算機視覺用于智能交通的第二個大的應用領域就是車輛的身份識別。目前，常用的ETC和電子標簽技術識別車輛確實非常可靠，而且精度還是比圖像識別要高一些。但是現實中還存在很多現實問題，比如說現在很多大貨車無法用ETC，還有ETC系統遭到破壞，怎么辦？而電子標簽真正落地還需要時間。在這個時間窗口，如何實現車輛身份特征的唯一性識別？通過深度學習提升的車輛識別不僅僅是車輛的車牌識別準確率，還能實現更多維度的識別，現在的“車臉識別”技術不僅能精確識別車牌，還有車輛的顏色、類型、品牌年款、車輛里人物、車輛擋風玻璃上的特殊標志以及車輛尾部的特征標志等。

車輛的比對

計算機視覺用于智能交通的第三個大的應用領域就是車輛的比對，最典型的應用就是以圖搜圖，如何在海量圖片里精準的找到一輛車，所謂世界上沒有兩片相同的樹葉，也沒有兩輛完全一樣的車。如下圖，看著像是一樣的，但是仔細區分，還是會發現不同。

基于視圖大數據的以圖搜圖功能，可以在海量圖片里找到一輛特定的車，不管有沒有號牌，這里還包括一些其它的功能，如套牌車分析等等，套牌車在以前，唯一的方法就是舉報，但現在計算機可以通過兩個車牌是完全一樣的車，通過車型比對和車輛特征比對來鑒定是否套牌車。

車輛比對的另外一個應用場景就是收費結算，目前車牌識別用在停車場的支付里，還有一些遺留問題，就是還存在無牌車、污牌車和套牌車，因而依然必須依賴人工參與。有沒有一種辦法可以減少或者是不讓人工參與呢？車臉識別就可以解決這一問題，可以構建車輛多層多維度的特征，相當于得到一個車輛的肖像，然后通過特征比對去判斷是否同一輛車。

交通視頻的分析應用

計算機視覺應用在智能交通的第四個大的應用領域就是車輛的行為分析。

一個是交通事故及事件檢測，基于連續視頻可以分析車輛的行為，檢測如車輛停車、逆行等行為，發現交通事故和交通擁堵進行報警。借助深度學習技術，能實現真正準確的交通事件檢測系統，真正的幫交通運營部門提供準確及時的報警信息。

第二個就是車輛違章抓拍，這些近幾年在我國應用非常廣泛，而且利用視頻檢測實現的非現場執法的種類越來越多，現在甚至連開車接打電話都可以識別抓拍，這些都得益于計算機視覺技術的快速進步。

無人駕駛和汽車輔助駕駛

最后要說的一個應用領域就是汽車駕控，就是當前非常熱的無人駕駛和汽車輔助駕駛。其中非常重要的一個技術點就是圖像識別，通過圖像識別前方車輛、行人、障礙物、道路以及交通信號燈和交通標識，這項技術的落地應用將給人類帶來前所未有的出行體驗，重塑交通體系，并構建真正的智能交通時代。

總結一下，計算機視覺技術過去5年內取得的成績甚至是遠遠超過了之前的20年，得益于深度學習技術帶來的巨大進步，計算機視覺的廣泛應用，能夠大大提升智能交通系統的感知精度與維度，讓智能交通系統更加智慧。

通過深度學習技術，未來能夠讓移動支付在智能交通系統中更加快速的落地，讓無人駕駛的美好夢想變成現實，從而給全人類帶來更加安全、便捷、舒適的出行體驗。