研究方向
  • 多模态大数据感知

通过多视角学习方式融合多源异构数据,实现对城市参与者的全面多维感知。

  • 城市交通预测与干预

基于大规模路网结构,针对交通拥堵治理问题,进行分析预测和智能干预。

  • 城市大规模并行异构计算

通过并行异构计算来加速在海量实时异构数据网络上的计算和处理过程。

  • 城市复杂环境感知与理解

对城市环境进行有效的感知建模,并设计对于环境鲁棒的自适应计算机视觉算法。

  • 城市视觉搜索引擎

利用视频的动态特征信息进行行人与行为的特征建模,进一步完成搜索识别。

  • 城市市政规划和公共资源分析

基于大数据智能分析,结合城市发展规律,对城市的基础设施布局和公共资源分配进行智能分析和决策。


产品及应用
  • 城市视觉智能引擎

    依托于阿里云分布式计算和存储平台,利用先进的视频图像、图形学处理技术和深度学习算法,建立城市级人工智能模型,实现对整个城市视觉数据的接入、计算、分析、索引和挖掘,并赋能公共安全、交通、市政综治、商业、司法、园区、电力能源、医疗教育等各个行业场景。

    了解更多
  • 天擎

    城市大脑的大规模视觉计算平台。包含视频接入系统、实时/离线计算系统与视觉搜索系统三大组件,对外提供完备的大规模视觉计算解决方案。“天擎”已实现云端快速弹性部署,是面向安防的创新产物,为客户按需提供智能分析能力,有效提升智能分析效率。“天擎”可实现视频分析千倍加速,处理16小时视频仅用1分钟。

  • 天曜

    全时全域交通自动巡逻报警系统。能够对城市里面的交通事件、事故进行全方位的实时感知,自动发现人、车、物、事件全要素的异常,自动识别交通事故、违章行为并在20秒内推送给指挥中心,准确率达95%以上。能够实现对城市交通进行7*24小时不间断巡检,减少交警路面巡逻工作量,降低交警安全风险,并将交警从查看监控的任务中解放出来,提高执法效率。

  • 天机

    车流人流预测系统。通过区域内的历史和实时视频数据,实时准确地预测全区域未来的车流、人流情况,为道路疏导、管控决策提供参考,规避拥堵和踩踏等安全隐患问题。目前,在预测未来1小时内车流、人流方面,准确率达90%以上。

  • 天鹰

    渐进式视频搜索引擎。基于对全局视频资源的实时搜索,快速定位特定对象,如查找失踪人口、追踪肇事逃逸车辆等,只需1-2秒的处理时间,且行人识别准确率达到96%以上。

  • 天镜

    市政建设与管理系统。为城管、安监、消防、住建、公安等政府各职能部门提供市政事件的视频自动巡逻告警服务,辅助人工巡查,消除市政建设的隐患点,提高市政管理的智能化水平。

  • 城市解决方案

    杭州: 
    视频巡检识别准确率92%以上,互联网信号灯全自动调控车辆,通行速度提升15%,特种车辆(救护车、消防车等)优先通行效率提升50%。

    苏州:
    对公交进行数据优化,两个试点公交线客流量分别增加17%和10%,提升公交分担率。

    上海:
    将交通、能源、供水、建筑等基础设施数字化处理和分析,为安防、公共交通、公共服务提供智能决策。

    雄安新区:
    携手新区打造以云计算为基础设施、物联网为城市神经网络、城市大脑为人工智能中枢的未来智能城市。

    衢州、嘉兴:
    “渐进式视频搜索引擎”上线一月后破获侵财案件15起、走失案4起、不文明现象曝光近万次,专注于城市市政建设与管理,为城管、安监、消防、住建、公安等政府各职能部门提供市政事件的视频自动巡逻告警服务,代替人工巡查,提高了市政管理的智能化水平。

    了解更多

研究团队
华先胜达摩院城市大脑实验室负责人

北京大学应用数学博士,IEEE Fellow,ACM杰出科学家。曾任ACM Multimedia、IEEE ICME等国际会议程序委员会主席,全球MIT TR35获得者。研究领域包括视觉识别、搜索等。

张磊达摩院城市大脑实验室高级研究员

西北工业大学自动化学院博士,IEEE Fellow。曾在香港理工大学电子计算学系任研究助理和副研究员,加拿大麦克马斯特大学博士后。香港理工大学电子计算学系讲座教授。研究兴趣包括计算机视觉、图像处理、模式识别等。论文200多篇,引用超3万5千余次,H-index为91,连续4年被评为 Clarivate Analytics Highly Cited Researcher(2015-2018年)。现任或曾任IEEE Trans. on Image Processing、SIAM Journal of Imaging Sciences、IEEE Trans. on CSVT、Image and Vision Computing及SPIE Journal of Electronic Imaging等期刊的编委或高级编委。


学术成果
论文
  • Yiru Zhao, Zhongming Jin, Guojun Qi, Hongtao Lu, Xiansheng Hua. An Adversarial Approach to Hard Triplet Generation. ECCV, 2018.
  • Sijia Cai, Wangmeng Zuo, Larry Davis, Lei Zhang. Weakly-supervised Video Summarization using Variational Inference and Web Prior. ECCV, 2018.
  • Zhihang Fu, Zhongming Jin, Guojun Qi, Chen Shen, Rongxin Jiang, Yaowu Chen, Xiansheng Hua. Previewer for Multiple-Scale Object Detector. ACM Multimedia, 2018.
  • Jiwei Yang, Xu Shen, Xinmei Tian, Jianqiang Huang, Houqiang Li, Xiansheng Hua. Local Convolutional Neural Networks for Person Re-Identification. ACM Multimedia, 2018.
  • Xie G T, Wang J D, Zhang Ting, et al. Interleaved Structured Sparse Convolutional Neural Networks [C]. CVPR, 2018.
  • Qi G J, Zhang L, Hu H, et al. Global versus Localized Generative Adversarial Nets[C]. CVPR, 2018.
  • Zhang K, Zuo W, Zhang L. Learning a Single Convolutional Super-Resolution Network for Multiple Degradations[C]. CVPR, 2018.
  • Yang J W, Shen X, Tian X M, et al. Local Convolutional Neural Networks for Person Re-Identification[C]. ACM on Multimedia Conference, 2018.
  • Fu Z H, Jin Z M, Qi G J, et al. Previewer for Multiple-Scale Object Detector[C]. ACM on Multimedia Conference, 2018.
  • Cai S J, Zuo W M, Davis L, el al. Weakly-supervised Video Summarization using Variational Inference and Web Prior[C]. European Conference on Computer Vision, 2018.
  • Zhao Y R, Jin Z M, Qi G J, et al.An Adversarial Approach to Hard Triplet Generation[C]. European Conference on Computer Vision, 2018.
  • Liu Y F, Jaw D W, Huang S C, et al. DesnowNet: Context-Aware Deep Network for Snow Removal[J]. IEEE Transactions on Image Processing, 2018, 27(6): 3064-3073.
  • Chu W, Liu Y, Shen C, et al. Multi-Task Vehicle Detection With Region-of-Interest Voting[J]. IEEE Transactions on Image Processing, 2018, 27(1): 432-441.
  • Shen C, Jin Z, Zhao Y, et al. Deep Siamese Network with Multi-level Similarity Perception for Person Re-identification[C]. Proceedings of the 2017 ACM on Multimedia Conference. ACM, 2017: 1942-1950.
  • Zhao Y, Deng B, Shen C, et al. Spatio-Temporal AutoEncoder for Video Anomaly Detection[C]. Proceedings of the 2017 ACM on Multimedia Conference. ACM, 2017: 1933-1941.
  • Zhao Y, Deng B, Huang J, et al. Stylized Adversarial AutoEncoder for Image Generation[C]. Proceedings of the 2017 ACM on Multimedia Conference. ACM, 2017: 244-251.
展开更多
竞赛
  • 2018年1月,获KITTI行人检测单项冠军。
  • 2017年5月,获KITTI车辆检测冠军。

扫描二维码
关注阿里技术微信公众号