段爱国：创新应用机器视觉 赋能智慧交管发展

          前言

          当前，随着科技不断进步，各类前沿技术纷纷融入到交管工作中，并取得了较大成就。但同时，也普遍存在系统性不够、智能化水平不足等问题。华为机器视觉总裁段爱国以“全息感知，数据智能，赋能交通智能体”为题，介绍如何全面深入、有效快速地将新技术应用落地，以解决交管工作难点。

          智能世界有三项特征：万物感知、万物互联和万物智能，分别对应的技术是机器视觉、5G和人工智能，即所谓“三驾马车”。

          科技的发展阶段主要是以无线技术发展作为代际划分的依据。过去十年实际上是4G技术的十年，因为在4G技术的引领下产生了智能手机，进而连接了人和人，推动了移动互联网的“爆发”。未来十年将是5G技术的十年，在5G技术引领下产生的就是机器视觉，将推动行业数字化的“爆发”。

          何谓机器视觉？机器视觉指的是给机器以人一样的眼睛感官，不仅能够看见，还能思考，同时驱动人类的肢体进行反应和执行闭环。机器视觉是物理世界到数字世界感知的入口，能够进行物和物的连接。

           那么，机器视觉和智慧交管之间有何关系呢？其实，交管行业的数字化、智慧化离不开机器视觉，需要机器视觉为其赋能。

图1：未来智能世界图景预测

          在交管领域，机器视觉目前主要聚焦于帮助交管部门解决“十大挑战”。“十大挑战”分为三类：一是前端感知和检测领域的四大挑战，二是摄像机和边缘设备建设施工的三大挑战，三是面向数据赋能和数据应用的三大挑战。

图2：“十大挑战”

          传统的城市路口往往是一套设备只能解决一个问题，导致路口设备众多，形成麻雀杆。引入机器视觉的操作系统和庞大算法后，可以使摄像头变得十分智能，能够集交通违法检测、交通事件检测、交通流量检测、交通态势检测等多项功能于一体，实现一机多用。

图3：能够一机多用的摄像机

          02  解决挑战二：光污染，隐患大

          传统的爆闪灯往往功率较大、不够环保，导致光污染，其替代品外部红光灯则拍摄失真、成像不准确。机器视觉能够有效解决此类问题，具体而言，是通过“算力换图像”，即在摄像头上安装多个算力强大的芯片，利用AI来进行精准补光、图象增强和图象降噪，同时消除了光污染。

          传统的枪球一体机存在全局视角固定、双镜有限协同的缺陷，不能兼顾全局和细节。为解决此问题，引入机器视觉，研发了“二郎神”AI双模智能球机，其内部装了手机摄像头，并加装了大光圈镜头，既做到了成本低，又保持了全景可视化。

          如何更有效、更低成本地进行电动自行车、行人违法监管？可以在前端摄像和后端视频分析之间加装芯片，利用芯片强大的运算能力进行图片解析，既提高了分析效率，又能够降低成本。

图4：有效管理非机动车的摄像头

          很多城市的老城区电警、卡口覆盖率低，这是因为地下管网多、审批协调难度大、破路施工对交通影响大。为解决此问题，可以安装多个无网电警组网，即在一个路口装4到8个电警，并设置其中一个为提供无线网络的母机，其他电警内部自行组网，无需施工、破路。同时，在电警中加入智能芯片，实现2公里内自动对焦和回传、路口全覆盖。

           传统的4G摄像头主要为传输图片服务，因此在传输视频时经常面临卡顿的情形，难以满足警卫安保等特殊场合的需求。通过大量布设新型5G摄像头，可以流畅传输视频，有效应对多种场景。

          可通过设置专为无电、无网场景设计的生态型摄像机来解决布网、取电难的问题，其应用单晶硅光伏板、超级刀片锂电等吸收太阳能发电、储能；应用VideoX技术进行链型组网、星型组网，即便无网无电，也能在一定范围内全覆盖。

          单向视频易被大型车辆遮挡，夜间、雨雪雾霾天气感知效果差；环形线圈易损坏，数据有效性差；浮动车数据抽样率不足，参数不准；单雷达对低速目标感知差，轨迹有断点，重复计数，数据不准。为解决上述问题，可以利用边缘计算、摄像头和雷达来构建全息路口，打通视频和信控的数据，实现事件、事故自动感知、辅助定责，信号控制优化，交通隐患识别和交通组织优化等功能。

          可以设置多算法仓，容纳并综合运多家算法对天网、雪亮路段视频和电警、卡口设备视频进行复用，为交通管理智能化服务。

          可从算法层面进行创新，把驾驶人信息、车牌信息、车辆属性等通过人车算法加以关联，有利于提高假套查处、交通逃逸追查、车辆轨迹还原与特征识别等效率。