悉尼西南27公里处的澳大利亚利物浦市附近有一个新的大学校园，一个机场正在建设中。
每天将有30,000多人往返其中央商务区。利物浦需要了解对行人，骑自行车的人和车辆的交通流量和移动可能产生的影响。
该市已经拥有闭路电视（CCTV）来监视安全性。由于严格的隐私法规，每个CCTV都会捕获大量视频和数据，这些视频和数据主要是在报告事件后才进行梳理。
该市面临的挑战是将海量数据集转换为信息，以帮助其更高效地运行，应对通勤者的涌入并保持居民可居住的地方-而不损害任何人的隐私。
为了实现这一目标，该市与Wollongong大学的数字生活实验室合作开发了一个多功能智能视频分析平台VIVA。简而言之，VIVA可以解锁数据，以便CCTV网络的所有者可以访问实时，符合隐私要求的数据，从而做出更明智的决策。
VIVA旨在将现有基础架构转换为嵌入式最新AI的边缘计算设备。该平台的最新深度学习算法是在NVIDIA Metropolis平台上开发的。他们的视频分析深度学习模型使用迁移学习进行了训练，并通过NVIDIA TensorRT软件进行了优化，并部署在NVIDIA Jetson Edge AI计算机上。
除了在利物浦这样的城市街道外，VIVA还适用于多种应用，例如识别和跟踪野生动植物；检测涵洞堵塞以进行雨水管理和山洪暴发预警；并使用热像仪跟踪人们，以了解人们的移动行为。它还可以区分搜索建筑物的消防员和其他建筑物的居民，从而帮助识别可能需要帮助的人员撤离。
了解交通模式
对于行人，该项目旨在了解行人去向，他们的首选路线以及拥挤的区域。对于骑自行车的人来说，这是关于他们使用的路线以及改善自行车使用率的方法。对于车辆而言，了解运动和交通方式，停在哪里至关重要。
要了解城市内部的机动性，以前需要一批昂贵且固定的传感器。需要使用不同的模型来计算特定类型的流量，并使用手动过程来了解不同类型的流量如何相互影响。
利用边缘的NVIDIA Jetson TX2的计算机视觉，VIVA平台可以计算不同类型的流量并捕获其轨迹和速度。使用该市现有的CCTV网络收集数据，无需投资购买其他传感器。
识别并预测运动方式和拥堵点，以帮助改善街道和人行道的布局和连通性，交通管理和引导路径。该数据对于帮助利物浦规划其中央商务区的城市设计和交通管理具有不可估量的价值。
使用NVIDIA技术构建的机器学习应用程序
除了使用OpenImage，COCO和Pascal VOC等开放式数据库进行培训外，DLL还通过基于Unity Engine的内部应用程序创建了合成数据。综合数据使该项目可以从众多场景中学习，而这些场景在任何给定的时间都可能不会出现，例如暴雨或大量骑自行车的人。
研究人员说：“通过这种综合数据生成，我们可以在不同的天气，一天中的时间和光照条件下，按照每种感兴趣的场景生成35,000多种图像。” “合成数据生成使用光线跟踪来改善生成图像的真实性。”
根据使用情况和所需的处理，使用NVIDIA Jetson Nano，NVIDIA Jetson TX2和NVIDIA Jetson Xavier NX进行推断。
更多
