第四届 AI 城市挑战赛
第六届 AI 城市挑战的四个赛道分别涉及城市级多目标多相机车辆跟踪、基于自然语言的车辆轨迹检索、驾驶行为分类、零售店自动化结账，成功的参赛团队的表现已经建立了强大的基础并在参议的挑战中超过了最新技术的水平。
Apr, 2022
第八届 AI 城市挑战赛聚焦计算机视觉和人工智能在零售、仓库和智能交通系统等领域的交叉应用，吸引了来自 47 个国家和地区 726 支团队的空前兴趣。其中包括多目标多摄像头人员跟踪和稠密视频字幕等关键研究方向。
Apr, 2024
AI City Challenge 2023 had five tracks, including multi-target multi-camera people tracking, natural-language-based vehicle track retrieval, driver action classification, automated checkout system, and violation detection of the helmet rule for motorcyclists, drawing record-breaking participation from 508 teams across 46 countries and achieving state-of-the-art performances in all proposed challenge tracks.
Apr, 2023
本文介绍了我们在 AICITY21 车辆重识别比赛中赢得第一名的解决方案，该方案使用了车辆重识别、无监督领域自适应训练、后处理、模型组合等技术，并结合了裁剪训练数据和使用合成数据等方法。最终模型达到了 0.7445 的 mAP 得分。
May, 2021
本研究关注应用先进的技术方法提高交通事故的检测，通过引入一种创新的综合数据集来增强智能城市中的计算机视觉和动作识别系统，旨在填补现有研究的空白，提供用于交通事故检测的基准数据集，以推动学术研究并提升实时事故检测应用，从而实现更安全、更高效的智能城市环境的发展。
Jan, 2024
本文介绍了人工智能在智慧城市和社区 (SCC) 中的应用，并概述了用于交通控制的基于人工智能的技术，包括感知、智能交通控制和驾驶员建模。此外，文中还提到了数据注释的挑战和解释性的问题。
Apr, 2021
该研究综合分析了美国不同地区的交通事故，并提出了一个使用交通监控摄像头和动作识别系统进行事故检测和交通分析的框架，将该框架与紧急服务整合，以提高交通事故的响应效率并减少人为错误。此外，研究还探讨了智能交通事故检测系统在智能城市中的应用，旨在改善交通管理和减少交通事故的严重程度。
Jul, 2023
利用计算机视觉和机器学习的方法，本研究论文展示了如何创建强大的算法以识别不同的交通违规行为，包括闯红灯、非法使用紧急车道、违反车距规定、违反斑马线法规、非法停车和停在斑马线上。通过使用在线交通录像和车载摄像头，本研究应用 YOLOv5 算法的检测模块来识别交通参与者，如汽车、行人和交通标志，以及 strongSORT 算法进行连续帧间追踪。进一步，通过多个离散算法分析交通参与者的行为和轨迹来检测交通违规行为，同时，识别模块提取车辆 ID 信息（如车牌号），生成违规通知并发送给相关部门。
Nov, 2023
本研究提供了一个基于深度学习的实时交通监控平台，通过单个交通摄像头实现了车辆 / 行人检测、速度检测、轨迹估计、拥堵检测、以及车辆和行人交互的监测，同时使用短期和长期的时间视频数据流开发了分层交通模型解决方案，实现了对实际交通情况的监测。
Sep, 2021