计算机视觉在交通领域，主要有哪几方面的应用？

计算机视觉在交通领域主要有如下几个方面的应用：第一个是感知，既车辆的检测，第二个是车辆身份的识别，第三是车辆身份的比对，第四个是车辆的行为分析，第五个是驾控，也就是现在非常火的汽车辅助驾驶与无人驾驶。

车辆检测与感知

检测就是计算机通过图片或者视频，把其中的车辆或其它关注目标准确的“框”出来，检测是很多系统的基础。在2012年以前，很多智能交通系统中用的检测是一种基于运动的检测，这种检测会受天气、光线等方面的影响，在不同天气下会存在很多问题。而基于深度学习的检测，是基于车辆的轮廓和形态的检测，是完全模拟人看车的方式，只要人眼可以辨识那是一辆车，就可以“框”出来，这个就可以解决很多过去车辆检测中存在的问题，排除了天气光线等来带的干扰。

路口的感知

目前的国内很多城市交通拥堵情况很严重，很多十字路口的红绿灯配时其实并不是最优的，通过基于深度学习的车辆精确感知检测，可以精准的感知交通路口各个方向的车辆数量、流量和密度，从而可以给交通路口的最优配时提供准确依据。如果各个路口都用上这种车辆检测技术，那对交通拥堵将是极大的缓解。

路段的感知

经过过去几年的建设，我国的大中型城市都安装了很多监控摄像头，通过路段的感知，可以基于原有监控系统获取到道路的总体交通路况，通过这种车辆检测技术就可以为道路路况分析、交通大数据、交通规划等提供可靠的数据依据。

路侧停车的感知

有两个方面的应用，一个是路侧违法停车的感知和抓拍，不再需要摄像机去轮询检测，大大提高了摄像机的使用寿命。另外一个就是路侧停车位的管理，之前的方案在外场要感知车位是否被占用，一般通过地磁感知，成本非常高，系统可靠性也是问题；基于图像的识别则可以很好的解决这个问题，一台摄像机即可监控和感知一大片区域的停车位是否被占用，成本低还所见即所得。

停车场的感知

现在室内停车场应用图像识别实现车位检测的已经比较多了，但是现在很多车的检测都是基于车牌，有车牌就可以检测出来，没车牌检测不出来，甚至有的车牌效果不太好也无法检测。而基于深度学习的车辆检测，只看车辆的轮廓，不看车牌，只要看起来像个车的，就可以检测出来，而且精度很高。现在通过计算机视觉技术，可以做到模拟人的视觉感知，