Data collection from highways: a geometric, class-agnostic approach to embedded vehicle counting

想象一下你正站在一条繁忙的高速公路上，试图计算每分钟有多少辆车驶过。在交通工程领域，了解这个数字就像是掌握了一个城市的脉搏；它能帮助规划者决定在哪里建造新路或如何设置交通灯。几十年来，实现这一目标的聪明方法是使用“深度学习”计算机——这些数字大脑经过训练，可以识别特定的形状，如“小汽车”、“巴士”或“卡车”。这些系统就像是超级敏锐的保安，能够识别车辆、追踪其路径并进行计数。然而，这些数字大脑有一个大问题：它们只知道被教导过的内容。如果一辆奇怪的农用拖拉机、一堆掉落的货物或一辆由驴拉着的货车驶过，计算机可能会感到困惑，因为它并未被训练去识别这些东西。此外，这些智能计算机非常“饥渴”，需要消耗大量电力和强大的昂贵硬件才能运行，这使得它们很难安装在公路旁的简单电线杆上。

本文探讨了一种完全不同、也更为简单的方案：该系统并不试图识别物体是什么，而只是注意到有东西在移动。它将道路视为一个巨大的、隐形的绊线。如果一个阴影或一个运动的色块跨越了特定线条，就计为一辆车。作者称之为“类别无关”（class-agnostic）的方法，这意味着它不在乎物体的类别或类型，它只在乎运动。他们解决的核心问题是：我们能否构建一个如此简单的计数系统，使其能在微型、廉价的计算机（如树莓派）上运行，无需任何训练数据，且依然能出色完成任务？他们认为，有时简单的几何技巧比复杂、耗能的AI更有效，尤其是在你需要计数那些你从未见过的物体时。

隐形绊线：在不知晓物体为何物的情况下计数

本文的作者决定从那种高科技、追求“智能”的计数方式中退后一步。他们并没有构建一个学习如何识别汽车的数字大脑，而是构建了一个像站在桥上的简易、快速的守卫一样的系统。这个守卫并不关心走过的是汽车、卡车还是巨大的机器人；他们只在乎是否有东西移动到了特定线条之上。

“隐形线”的魔力
想象你在玩一款接住落下物体的电子游戏。通常，你会先尝试识别每一个物体。但本文提出了一种更简单的技巧：只需在屏幕上画一条线。如果任何东西跨过了这条线，你就按下按钮。在现实世界中，这条“线”是一个被称为“虚拟环路”的软件。它就像埋在路面下的传统金属感应环（通过感应触发交通灯），只不过它不是埋在沥青里，而是画在摄像机的屏幕上。

该系统分为三个简单的步骤：

1. 背景： 摄像机学习空旷道路的样貌。
2. 差异： 它将当前的画面与空旷道路进行对比。如果存在差异（即移动的车辆），它会将差异点高亮显示为黑底白色的“色块”。
3. 计数： 它检查这个白色色块是否触碰到了那条隐形线。如果触碰到了，就计为一。

这里的精妙之处在于，系统从不询问：“那是汽车吗？”它只是询问：“是否有东西移动过了这条线？”这意味着它可以计数汽车、奶牛或一堆垃圾，而无需被教导这些东西看起来是什么样的。

道路的两条规则
研究人员测试了两种不同的提高计数准确性的方法。

• 规则 #1：速度假设。 第一种方法假设所有汽车的行驶速度大致相同。他们将隐形线的宽度设定为匹配一辆车在一段视频帧内预期移动的距离。如果车速比预期的慢，它可能会在直线上停留两个帧，导致系统误计两次。数学证明，如果车辆按正常速度行驶，这种方法的准确率约为 86%。这是一个不错的猜测，但并不完美。
• 规则 #2：自适应地图。 第二种方法更聪明。它观察移动车辆的色块，并自动识别出车道的位置。然后，它为每个车道绘制一条独立的隐形线。当一辆车进入其所属车道的线时，系统会等待车辆离开该线后再进行计数。这避免了“重复计数”的错误。这种方法还获得了一个额外奖励：通过计时车辆跨越线条所需的时间，系统可以推测出车辆的速度。

现实世界测试：微型计算机，大成果
团队在名为单板计算机（SBC）的微型、廉价计算机（如树莓派）上测试了这些想法。这些计算机只有信用卡大小，成本极低，但性能并不强大。

他们将这种简单的“绊线”法与一种试图追踪每辆车路径（类似于电子游戏角色）的复杂方法进行了对比。结果令人惊讶：

• 在标准台式计算机上，复杂的追踪方法运行缓慢且经常出错。
• 在微小的树莓派上，复杂的追踪法表现惨败，仅能正确计数 37.5% 的车辆。它运行太慢，不得不大幅降低视频质量，以至于根本看不清车辆。
• 然而，简单的“绊线”法运行速度超过了实时速度，并且正确计数了 91% 的车辆。

代价： “分辨率膝点”与“帧率底线”
论文还发现了一些硬性限制，就像数字摄像机的物理定律一样。

• 分辨率膝点（The Resolution Knee）： 如果视频画面太小（宽度低于约 200 像素），系统就会停止工作。移动的车辆变得如此微小，以至于计算机无法将它们与噪点区分开来。但一旦画面足够大，单纯增加分辨率并不会带来太多帮助，只会浪费计算能力。
• 帧率底线（The Frame Rate Floor）： 如果摄像机每秒拍摄的图片太少（低于 5 帧/秒），车辆就会“跳过”隐形线。想象一下，一辆车在两张照片之间的移动速度极快，以至于在第一张照片时它在线的一侧，而在第二张照片时它已到了另一侧，中间从未真正触碰过那条线。系统会完全错过它。如果摄像机拍摄频率不够快，任何智能软件都无法修复这个问题。

为什么这很重要
作者总结道，虽然“智能”AI检测器在你有充足资金和电力时很棒，但它们并不总是最合适的工具。如果你需要计数奇怪的物体（如农用设备）、如果你没有任何数据来训练计算机，或者如果你需要在微型太阳能电池驱动下运行传感器，那么这种简单的几何方法就是赢家。这不在于在每种情况下都达到最高的精确度，而在于实现可靠、廉价，并能在任何地方运行，而不需要超级计算机。

最后，这篇论文表明，有时解决复杂问题最好的方法不是构建一个更聪明的脑子，而是构建一个更简单、更诚实的陷阱。