飛槳智能交通全景

這一系列開源算法被包括武漢鐵路局、上海天覆科技、北京德厚泉等知名企業廣泛應用在出入口車輛管控、智能查車、車牌識別等典型交通治理場景，精度最高可提升至95%以上。從“人眼看”全面升級至“天眼算”，實現人力成本降低60%以上的卓越效果。

人工智能技術的日益成熟帶動行業中越來越多的企業嘗試應用AI能力，飛槳與行業重點合作伙伴梳理、抽象出以下典型交通治理場景，為開發者提供交通智能化更多的思路。

場景一：交通擁堵治理

交通監管中最高頻的場景即是出入口車流量監控，及時預警道路擁堵情況，不僅可以大幅優化城市交通狀況，更可大幅減少不必要碳排放。實際應用中面臨拍攝角度與光線多變、涉及車輛類型繁多、統計與預警實時性要求高三大難題，飛槳實時多目標跟蹤PP-Tracking中提供的車流量統計算法則能完美“消化”這三大難題，應用服務器端輕量級版FairMOT模型預測得到目標軌跡與ID信息，支持自定義流量統計時間間隔，實現動態人流/車流的實時去重計數。

飛槳多目標跟蹤能力：

https://github.com/PaddlePaddle/PaddleDetection/blob/develop/deploy/pptracking/README_cn.md

場景二：交通違章事件精準識別

通過飛槳目標檢測、多目標跟蹤的技術，可對車輛異常停留、車輛違停、車輛逆行等交通違規事件進行毫秒級精準識別，提前阻止交通事故發生，保障道路運行安全。

視頻數據引用自：http://www.sutpc.com/news/jishufenxiang/800.html

飛槳相關技術介紹：

https://github.com/PaddlePaddle/PaddleDetection/blob/develop/README_cn.md

場景三：智能車輛人員監管

傳統車輛人員監察依靠人力抽查，對人力消耗極大，而機器視覺方式也無法完全代替人工，需要人工反復審核，無法從根本上解決人力成本與準確度的平衡。飛槳所提供的目標檢測、多目標跟蹤、OCR技術，助力北京德厚泉科技公司零人工成本實現車輛進出數量統計、車牌識別、人車關系分析，如檢測保安是否按規定查車等，不僅完全釋放人力，其識別準確性達到97%，真正意義上實現智能化升級。

飛槳行人分析技術介紹：

https://github.com/PaddlePaddle/PaddleDetection/tree/develop/deploy/pphuman

在未來，飛槳會持續豐富場景化能力，圍繞人、車、路、環境不斷拓展垂類能力，新增車輛分析相關能力，囊括車輛屬性（車牌、顏色、車型等）、車輛異常（逆行、超速、撞擊）等功能。以最低門檻、最高性能為初心，助力智慧交通實現運行模式的智能化、信息化升級， 加快發展“綠色AI”，引導算力算法低碳發展，助力“雙碳”目標更好實現。

飛槳目標檢測套件項目地址：

https://github.com/PaddlePaddle/PaddleDetection/blob/develop/README_cn.md

直播課程預告

飛槳貼心地為大家準備了一節直播課，從核心技術理論入手，結合企業用戶親自講解應用案例及心得，全方位剖析智能交通中的難點、痛點與解決方案，讓大家聽得懂、學得會、用得明。在3月28日晚上20:00～21:30在線直播，歡迎感興趣的行業伙伴們一起參與和交流。

掃碼報名直播課，加入技術交流群

更多精彩搶先看