交通方面的计算机视觉的使用（二）

现在的交通问题检测，已经不像之前用肉眼，或者是依靠某一种视觉技术了，现在在人工智能和计算机视觉的结合之下已经有了更方便的使用和更多的应用。

1、驾驶员注意力检测

据统计，60%以上的交通事故的主要原因是驾驶员的分心。人脸检测算法能够检测出注意力集中的和不集中的人脸。深度学习算法能够检测眼睛聚焦和非聚焦的差异，以及受此影响的驾驶迹象。

在驾驶员分心检测中，有多种深度学习方法（RNN和CNN）应用于实时分心驾驶员姿态分类。

2、交通标志检测

计算机视觉用于交通标志的检测和识别。将视觉技术应用于不同交通场景的交通标志分割（图像分割），并采用深度学习算法对交通标志进行识别和分类。

3、辅助驾驶和无人驾驶

在辅助驾驶和无人驾驶中，车辆在行驶时需要实时地去感知周围的环境，包括行驶在哪里、周围有什么障碍物、当前交通信号怎样等等。这就需要多类传感器，摄像头就是其中之一。

由于摄像头数据（图片）包含丰富的颜色信息，所以对于精细的障碍物类别识别、信号灯检测、车道线检测、交通标志检测等问题就需要依赖计算机视觉技术。

4、防撞系统

车辆检测和车道检测是最先进的驾驶员辅助系统（ADAS）的组成部分。深度神经网络近年来已应用到深度学习研究及自主避撞系统中。

这些你都清楚了吗？