如今，路网不畅、交通拥堵等问题已经越来越突出。而在这种巨大的出行需求与有限的交通设施冲突中，却催生出了一个庞大的智能交通市场，这个市场中活跃的身影有解决打车难的滴滴出行，也有解决出行最后一公里的摩拜单车。
但同样是为人们的交通出行提供便利， 珠海习悦 却与它们却有着明显的差异。这是一家基于深度学习，提供计算机视觉技术服务的人工智能企业。“交通拥堵的治理首要在于预防，即能根据道路的现有交通状态预测，分析出短时间内的交通状态变化趋势，并对可能出现的拥堵现象进行调控。”珠海习悦的联合创始人陈谷雨表示，他们基于云端业务推出的智慧交通系统 Deep Traffic Eye 就是为了避免或缓解交通的拥堵问题。
据了解，想要建立起一个长效、及时的交通预警机制，那就需要能在浩如烟海的视频数据中，精准地识别每一个目标，做出数据的统计和分析。而这其中少不了的就是：图像识别、机器学习、大数据计算三大核心技术。
通俗来讲，Deep Traffic Eye 系统首先需要利用大量的交通视频来进行自我学习；其次再通过监控提供的图像准确捕捉进出车辆的一切信息，包括车辆的数目、车型以及车速等信息作出精准的识别和记录；最后判断出当前车流状况、甚至预测未来时段车况等，以便交通管制人员可以作出及时、合理的人为干涉。据介绍，在特定环境下，Deep Traffic Eye 系统高精度的车流量检测准确率目前可以达到 98%左右。
看似用人工智能+视频大数据+云的做法对现有交通做出改造很简单，实则并非如此——相对于静止状态的人脸识别，高速运动的汽车识别难度更大，并且还可能会受到天气跟光照等因素的影响。而这，就需要大量的数据来做基础。
目前，珠海习悦数据库的积累主要来自于政府、合作企业以及一些云平台的数据。除此之外，也需要高精度的计算机算法来支撑。陈谷雨告诉动点科技，Deep Traffic Eye 系统基于最先进的卷积神经网络技术，结合 NVIDIA 的 Tesla 系列高性能 GPU 和曙光高性能服务器，已经实现了对大量 1080p 高清视频的实时目标检测和高精度识别，并且在技术层面上已与西安交通大学“智能网络与网络安全教育部重点实验室”、新加坡 A-STAR Institute for Infocomm Research 研究院建立长期战略合作关系。
另外，计算机视觉识别技术对于视频的深度学习，会牵扯到大量的视频和图片素材。目前主流的方式主要是在云端服务器上进行计算，而云端服务器却时常因为传输慢、带宽消耗大的问题多被人诟病。
因此，珠海习悦也尝试拓展了自己的终端业务，即将深度学习的绝大部分运算内容压缩至前端，为智能机器人、智能家居提供物体检测、行为检测、手势识别、人脸识别技术等。而珠海习悦现在也通过云端和终端两块业务销售解决方案及提供云端 SDK 接口实现了盈利。
对于该市场的整个前景，陈谷雨认为人工智能将会是下一个工业革命，未来即使你感受不到，它也会无时不在。目前国内的人工智能还是一个蓝海，所以并没有产生恶性的竞争，每个企业都有自身的定位。比如旷视主打人脸识别、图普针对线上做“鉴黄”、衣+则做图片搜索引擎等。
不过在融资方面，对方未透露任何消息。