AI帮你监控汽车是否礼让行人，是如何实现的？

【嘉德点评】人工智能用于智慧城市建设的诸多方面，从智能监控识别，智能交通系统建设，大数据处理等，但人工智能帮你监控汽车是否礼让行人，又是如何实现的呢？

集微网消息，5月9日，AI独角兽依图科技在上海推出其首款AI芯片——questcore，中文名“求索”，同时宣布该款芯片正式商用。值得注意的是，该芯片也是全球首款深度学习云端定制SoC。

而依图科技在AI图像处理方面结合交通领域也取得了不错的成绩。随着城市化进程加快，城市人口急剧增加，地面交通状况变得越来越复杂。目前在交通信息采集系统中，视频车辆检测一般用CCD摄像机对车道车辆进行拍摄，用硬件将拍摄到的图像进行数字化存储，用图像处理的方式对图像初步处理，去除图像噪声信息，对图像进行分区并采用一定算法对各分区图像处理，提取必要的车辆特征信息，根据特征信息进行车速、排队等交通信息统计。

早在15年2月4日，依图科技就申请了一项名为“一种违规车让人行为实时检测方法”的发明专利（申请号：201510058281.0），申请人为上海依图网络科技有限公司。

根据目前公开的专利资料，让我们一起来了解一下这项违规车让人行为实时检测方法吧。

如上图为违规车让人行为实时检测方法流程图。获得实时视频，将视频数据解析成画面帧信息，实时视频为一段斑马线场景的视频。

其次，检测画面中的斑马线区域。采用Adaboost检测器和haar特征相结合的方法检测画面中的斑马线区域，提取检测画面的haar特征，通过Adaboost检测器检测出其中的斑马线区域。Adaboost检测器是自适应增强的缩写，是一种机器学习方法，相对于大多数其它学习算法而言，不会很容易出现过拟合现象。haar特征(哈尔特征)是用于物体识别的一种数字图像特征，它们因为与哈尔小波转换极为相似而得名。

接着，检测画面中车辆位置。采用SVM分类器和HOG特征相结合的方法检测画面中车辆位置。提取检测画面的HOG特征，通过SVM分类器检测其中的车辆位置。支持向量机(SVM)方法是一种训练机器学习的算法，可以用于解决分类和回归问题。

通过上述两个步骤就可以检测出斑马线和车辆的位置。再根据画面帧信息对车辆进行速度检测和轨迹追踪，得到车辆的车速值以及其运动轨迹。

最后，判断车辆是否越过斑马线且越过斑马线时行驶速度超过阈值，若是，则对斑马线两端区域进行行人检测，若否，则返回第一步。在进行行人检测时，要判断是否有行人处于等待状态，如果有行人则判定当前车辆违规；如果没有则判定当前车辆没有违规行为。

以上就是违规车让人行为实时检测的方法，现在在很多城市对于交通规则管制的越来越严格，在很多城市的斑马线前也有对于闯红灯行人的检测以及本系统中对于车辆违规行为的检测。利用技术让人们的出行生活更加有序方便！（校对/holly）

*此内容为集微网原创，著作权归集微网所有。未经集微网书面授权，不得以任何方式加以使用，包括转载、摘编、复制或建立镜像。