近日，堪称计算机视觉领域“奥斯卡”的国际顶会CVPR 2020首次以线上形式拉开帷幕。在本届大会与智能交通关系最紧密的AI CITY Challenge和MOTS Challenge两大挑战赛中，百度一举击败阿里、滴滴、卡内基梅隆大学等参赛者，斩获4项世界冠军及1个榜单冠军，并成功卫冕1项冠军，再度彰显了百度在“新基建”的大潮下，在智能交通和智慧城市领域领先的技术实力。此外，百度本次夺冠也与飞桨的强力支撑密不可分。

　　AI CITY智慧城市挑战赛由英伟达、亚马逊、马里兰大学等主办，主要集中在交通相关的车辆跟踪、再识别、异常事件分析等应用场景。MOTS (Multi-Object Tracking and Segmentation) 多目标跟踪与实例分割挑战赛由德国慕尼黑大学、德国亚琛工业大学、ETH联合举办，是多目标跟踪方向的权威竞赛。

　　两项挑战赛均是计算机视觉顶会CVPR的议程之一，每年吸引众多企业与高校参赛者。同时，其所有数据均从实际场景采集获得，存在剧烈的镜头抖动、图像模糊等工业环境中存在的问题。完成与实际业务落地场景“零差距”的严苛考验，可以直观反映参赛者真实的应用能力。

　　夺勇智慧城市挑战赛3项冠军 自研智能交通系统原力爆发

　　AI CITY智慧城市挑战赛的4项比赛中，全球共有315支队伍参加，其中不乏阿里、滴滴、松下、卡内基梅隆大学等一流科技巨头和高校。百度共参战3项竞赛，最终技压群雄，全部取得了冠军成绩：

　　1、 车流统计（Track 1：Multi-Class Multi-Movement Vehicle Counting）；

　　2、 车辆再识别（Track 2：City-Scale Multi-Camera Vehicle Re-Identification）；

　　3、 异常事件检测（Track 4：Traffic Anomaly Detection）。

　　其中，车辆重识别赛道今年更是成功卫冕，异常事件检测最终得分超第二名近50%。冠军的瞩目成绩源于背后技术的厚积薄发，也是百度技术创新性的证明：

　　1、 在车流统计任务中，提出平滑马氏距离、漏检框召回优化等多目标跟踪改进算法，结合基于轨迹形状相似度的车道分类方法，整体方案综合指标达到91.8%；

　　2、 在车辆再识别任务中，通过采用3D渲染数据编辑、复杂负样本增强、多信息融合等技术，最终mAP指标大幅领先第二名6%以上；

　　3、 在异常事件检测任务中，提出双向多粒度融合异常检测算法，使得异常事件准确率高达98%以上。

　　据知，上述的百度夺冠技术均已应用于百度自研的智能交通系统，该系统整合了检测、跟踪、3D定位、分割、身份重识别、事件分析在内的一揽子视觉技术，成为保障业务落地的坚实基础。

　　其中，可分析车流数据发现交通拥堵的车流统计技术，智能交通系统中确认车辆身份的车辆再识别技术，以及可准确发现潜在交通风险的异常事件检测技术，均是目前智能交通领域的典型服务。

　　多目标跟踪与分割难度大 百度斩获2项第一

　　多目标追踪（MOT）是视频理解和分析领域的核心技术之一，广泛应用于智慧城市、智能交通等实际场景。MOTS挑战赛在上年基础上，进一步结合实例分割与多目标追踪两大挑战性任务，要求参赛者在追踪场景中人与车的同时进行像素级解析，竞赛难度极大提升。

　　KITTI-MOTS是自动驾驶权威数据集KITTI中多目标跟踪任务的扩展，包括21段训练视频以及29段测试视频，每一段视频均提供了所有物体（人和车）的实例分割标注，成为首个同时提供实例分割以及多目标跟踪标注的公开数据集。

　　百度同时参战了MOTS和MOT竞赛任务，最终凭借原创自研的领先技术，在KITTI-MOTS赛道以及MOT20榜单中均斩获第一。

　　具体而言，在KITTI-MOTS竞赛中，百度提出新型方法PointTrack++，在行人和车辆两个类别中均取得冠军。PointTrack++包括视频实例分割、掩膜特征提取以及多目标关联跟踪等技术，突破性地把3D点云分析融入2D MOTS任务之中，首次实现实时在线的MOTS算法，并在车辆场景测评指标上领先第二名3个百分点以上，实现SOTA结果。

　　继去年MOT16夺冠之后，百度继续在2020年最新的多目标追踪榜单MOT20上进行了测试。相比往年，MOT20使用一批全新的训练/测试数据集，场景行人高度密集，具有富有挑战性。在行人更高度密集的复杂场景下，百度取得了MOT20榜单第一的优异成绩。