Zensors推新深度學習技術 可在視覺條件不佳情況下追蹤汽車3D形態

蓋世汽車訊 據外媒報道，Zensors公司推出了最新深度學習技術 - Car Pose Net。此前，只使用單視圖攝像頭追蹤汽車等堅硬的3D物體是存在問題的，而Car Pose Net能夠追蹤車輛的3D形態線框，提高了追蹤效果，特別是在下雪或存在部分視覺障礙的困難條件下。Zensors公司是美國卡內基梅隆大學（Carnegie Mellon）的衍生公司，主要研發基於雲的視覺感知技術。

該技術為現有的城市和自動駕駛汽車攝像頭系統賦予了新的潛力，只需要使用現有的攝像頭硬體和Zensors邊緣或雲計算平台就可部署，可以提供更先進、更準確、時效性更強的交通數據。

Zensors公司產品主管Anuraag Jain表示：「這實際上是基於攝像頭的感測技術的發展，將城市現有的攝像頭基礎設施的功能實現最大化，生成新的數據流。」此類深度學習技術可用於交通管理和「高峰期行車收費」（congestion pricing），最早將於2021年在紐約市推出。此外，Car Pose Net還可用於交通違章（如開錯道）執法；探測雙排停放的汽車；無論在全視野下還是被其他車輛或物體遮擋的情況下都可檢測汽車方位，從而了解車輛左轉或右轉或繼續直線行駛時的行為，探測無效轉彎或方向開錯的車輛；還能通過跟蹤車輛形態圖的大小和位置，計算出車速；檢測汽車、卡車、貨車、公共汽車等不同類型的車輛，讓城市監管部門能夠改善交通法規或公共交通規劃；根據車輛類型和行駛軌跡，實時統計車輛在任何監測時間和地點的行駛情況，從而在每個十字路口調整交通燈時間，以最大限度地提高交通流量。

Car Pose Net集成至Zensors平台，能夠讓城市管理者做出更多數據驅動的決策。攝像頭拍攝的內容通過深度學習模型，轉換成統計數據，此類數據可以在Zensors雲的圖表或實時儀錶盤中查看，或者通過CSV或API訪問，以便將其集成至其他系統中。

Jain表示：「該技術能夠利用現有的基礎設施，部署時間只需幾天或幾周，就可讓新的感測器覆蓋整個城市，因而與部署其他更依賴硬體的跟蹤系統相比，可以大大減少部署成本。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！