|
据外媒报道，Zensors公司推出了最新深度学习技术 - Car Pose Net。此前，只使用单视图摄像头追踪汽车等坚硬的3D物体是存在问题的，而Car Pose Net能够追踪车辆的3D形态线框，提高了追踪效果，特别是在下雪或存在部分视觉障碍的困难条件下。Zensors公司是美国卡内基梅隆大学(Carnegie Mellon)的衍生公司，主要研发基于云的视觉感知技术。 该技术为现有的城市和自动驾驶汽车摄像头系统赋予了新的潜力，只需要使用现有的摄像头硬件和Zensors边缘或云计算平台就可部署，可以提供更先进、更准确、时效性更强的交通数据。 Zensors公司产品主管Anuraag Jain表示：“这实际上是基于摄像头的传感技术的发展，将城市现有的摄像头基础设施的功能实现最大化，生成新的数据流。”此类深度学习技术可用于交通管理和“高峰期行车收费”(congestion pricing)，最早将于2021年在纽约市推出。此外，Car Pose Net还可用于交通违章(如开错道)执法；探测双排停放的汽车；无论在全视野下还是被其他车辆或物体遮挡的情况下都可检测汽车方位，从而了解车辆左转或右转或继续直线行驶时的行为，探测无效转弯或方向开错的车辆；还能通过跟踪车辆形态图的大小和位置，计算出车速；检测汽车、卡车、货车、公共汽车等不同类型的车辆，让城市监管部门能够改善交通法规或公共交通规划；根据车辆类型和行驶轨迹，实时统计车辆在任何监测时间和地点的行驶情况，从而在每个十字路口调整交通灯时间，以最大限度地提高交通流量。 Car Pose Net集成至Zensors平台，能够让城市管理者做出更多数据驱动的决策。摄像头拍摄的内容通过深度学习模型，转换成统计数据，此类数据可以在Zensors云的图表或实时仪表盘中查看，或者通过CSV或API访问，以便将其集成至其他系统中。 Jain表示：“该技术能够利用现有的基础设施，部署时间只需几天或几周，就可让新的传感器覆盖整个城市，因而与部署其他更依赖硬件的跟踪系统相比，可以大大减少部署成本。” |
