隨著人工智能、互聯(lián)網(wǎng)、大數(shù)據(jù)、5G等新技術(shù)應用和汽車產(chǎn)業(yè)變革的蓬勃興起，智能汽車已成為汽車產(chǎn)業(yè)發(fā)展的重要戰(zhàn)略方向。目前，智能駕駛已經(jīng)成為目前車企營銷的核心競爭力。在人車協(xié)作過程中，智能汽車最重要的功能就是車艙內(nèi)外視覺功能，該功能就如同人類的眼睛一般重要。

艙內(nèi)視覺應用

為了確保行車安全，智能座艙需要實時了解駕駛員的狀態(tài)，在遇到緊急事件時能及時甚至提前讓駕駛員進行應對。因此，從汽車制造商到各國的相關(guān)政策法規(guī)，都在積極導入駕駛員監(jiān)控系統(tǒng)（DMS）。

目前主流是利用2D或3D的攝像頭方案（一般帶紅外功能）實現(xiàn)對駕駛員的身份識別、駕駛員疲勞駕駛以及危險行為的檢測功能，是目前流行的ADAS（高級駕駛輔助系統(tǒng)）系統(tǒng)中重要組成部分。

優(yōu)惠活動大廳通過攝像頭對于車內(nèi)的駕駛員或者乘客的動作特征、身份特征、面部表情等的識別，可以優(yōu)惠活動大廳通過深度學習算法分析這些捕捉的視頻或者圖片，從而分析出目前駕駛員和乘客狀態(tài)，主要包含駕駛員是否疲勞駕駛、操作是否規(guī)范、乘客動作是否安全等。

此外優(yōu)惠活動大廳通過綜合分析人臉屬性、人體骨骼比例以及身長信息，能夠準確判斷成人與兒童。當識別到兒童，系統(tǒng)將主動觸發(fā)兒童看護功能，持續(xù)對兒童進行狀態(tài)、行為監(jiān)測，并實時反饋給前排家長，提醒其采取必要措施。其內(nèi)涵技術(shù)主要是基于深度學習的視覺分析技術(shù)。

艙外視覺應用

除了艙內(nèi)視覺應用廣泛，艙外監(jiān)控也是必不可少。艙外攝像頭主要是代替人眼睛對車輛、行人、交通標志進行識別、跟蹤和測量，感知到汽車周邊的障礙物以及可駕駛區(qū)域，理解道路標志的語義，從而對當下的駕駛場景進行完整描述。

目前使用車艙外攝像頭功能有自適應巡航、車道偏離預警、車道保持輔助、前碰撞預警、自動緊急制動、交通標志識別、智能遠光控制、自動泊車、行人監(jiān)測系統(tǒng)、360環(huán)視系統(tǒng)、倒車影相系統(tǒng)、盲點探測、全景泊車系統(tǒng)等。

捕捉到圖像或者視頻后，優(yōu)惠活動大廳通過深度學習算法進行分析，從而有效的提醒或者指導駕駛員正確安全的操作。深度學習算法分析的本質(zhì)是優(yōu)惠活動大廳通過構(gòu)建具有很多隱層的機器學習模型和海量的訓練數(shù)據(jù)，來學習更有用的特征，從而最終提升分類或預測的準確性。

技術(shù)壁壘

上述的車載視覺技術(shù)的應用無處不在，目前SOTA的視覺分析模型都是基于深度神經(jīng)網(wǎng)絡(luò)的，依賴于海量數(shù)據(jù)的訓練和泛化。但是，由于車載場景的復雜多變，導致目前車載環(huán)境下錄制的視頻或者采集的圖像數(shù)據(jù)非常少。車載環(huán)境數(shù)據(jù)的匱乏是目前車載視覺技術(shù)取得更精準效果的壁壘。因此如何采集或者標注更多車載視覺場景數(shù)據(jù)是工業(yè)界和學術(shù)界共同的難題。

Annotator 智能化標注工具

針對以上工業(yè)界學術(shù)界的痛點問題， 自研的 Annotator 智能化標注平臺推出座艙內(nèi)外環(huán)境的標注功能，能夠?qū)崿F(xiàn)面向場景的多模態(tài)標注。此外，除了能夠處理自動駕駛和智能座艙2D圖像、3D點云等數(shù)據(jù)，還能實現(xiàn)語音、視頻、文本等強大功能。

• 3D點云
• 點云目標檢測
• 點云目標追蹤
• 點云分割

• DMS/ OMS
• 人臉關(guān)鍵點、人體骨骼關(guān)鍵點、人臉五官關(guān)鍵點標注
• 乘客、艙內(nèi)物品矩形框標注

• 圖像數(shù)據(jù)標注
• 圖片分類
• 目標檢測
• 目標追蹤
• 語義分割

申請免費使用：/annotator

了解更多智慧出行AI數(shù)據(jù)解決方案：/industry/automotive