一、項(xiàng)目背景

隨著社會(huì)的進(jìn)步和科技的不斷發(fā)展，互聯(lián)網(wǎng)技術(shù)和AI視覺(jué)分析技術(shù)日益成熟，為傳統(tǒng)交通監(jiān)控領(lǐng)域帶來(lái)了新的發(fā)展機(jī)遇。AI視覺(jué)分析技術(shù)的引入，不僅提升了交通監(jiān)控的智能化和自動(dòng)化水平，還顯著減輕了交管部門(mén)的工作負(fù)擔(dān)，增強(qiáng)了其監(jiān)控能力。

如今傳統(tǒng)的交通監(jiān)管模式也逐漸顯露出其短板，無(wú)法全方位、準(zhǔn)確地發(fā)現(xiàn)和管控復(fù)雜交通場(chǎng)景中的危險(xiǎn)狀況，這在一定程度上導(dǎo)致了危險(xiǎn)行為管控的遺漏。

二、傳統(tǒng)交通監(jiān)控痛點(diǎn)

1、高度依賴人工：長(zhǎng)時(shí)間監(jiān)控易疲勞，且易遺漏重要事件。

2、監(jiān)控覆蓋不足：難以全面覆蓋交通道路，存在監(jiān)控盲區(qū)。

3、反應(yīng)速度遲緩：處理交通事件時(shí)，人工響應(yīng)速度較慢，尤其在復(fù)雜情況下。

4、數(shù)據(jù)處理能力有限：無(wú)法對(duì)大量監(jiān)控?cái)?shù)據(jù)進(jìn)行有效分析，決策支持不足。

5、缺乏智能識(shí)別：無(wú)法自動(dòng)識(shí)別違規(guī)行為、事故等關(guān)鍵事件。

6、預(yù)警功能缺失：無(wú)法實(shí)時(shí)預(yù)測(cè)和預(yù)警交通風(fēng)險(xiǎn)。

7、監(jiān)管效率低下：對(duì)違規(guī)行為無(wú)法快速識(shí)別和處理。

8、資源消耗大：維護(hù)和管理成本較高。

9、跨部門(mén)協(xié)作困難：缺乏跨部門(mén)、跨區(qū)域的協(xié)作能力。

10、升級(jí)維護(hù)難：技術(shù)更新和系統(tǒng)維護(hù)困難，難以滿足新需求。

三、方案介紹 針對(duì)以上痛點(diǎn)問(wèn)題，訊維推出智慧交通視頻AI監(jiān)控解決方案，為攝像頭加載AI算法，實(shí)現(xiàn)對(duì)道路危險(xiǎn)區(qū)域、人員闖入、危險(xiǎn)行為等實(shí)現(xiàn)自動(dòng)監(jiān)測(cè)、智能化記錄與報(bào)警 ，將被動(dòng)監(jiān)控轉(zhuǎn)變?yōu)橹鲃?dòng)防御 ，提升安全應(yīng)急處置能力。

AI實(shí)時(shí)監(jiān)測(cè)預(yù)警，賦能城市交通全方位、多層次決策，基于機(jī)器視覺(jué)分析技術(shù)，算法自適應(yīng)強(qiáng)，可兼容市面主流廠商違法取證設(shè)備，提高圖片收集效率，實(shí)現(xiàn)證據(jù)采集標(biāo)準(zhǔn)化，證據(jù)剔除自動(dòng)化，流程監(jiān)管常態(tài)化，助力交管部門(mén)開(kāi)啟智慧執(zhí)法新時(shí)代。

邊緣部署+云端管理

1、項(xiàng)目在現(xiàn)有已安裝的攝像機(jī)和當(dāng)前監(jiān)控網(wǎng)絡(luò)，實(shí)現(xiàn)功能最大化和經(jīng)濟(jì)性改造。通過(guò)互聯(lián)網(wǎng)接入支持GB/T-28181協(xié)議的網(wǎng)絡(luò)攝像頭，按照配置的算法對(duì)不同的視頻流進(jìn)行分析。

2、發(fā)現(xiàn)違規(guī)行為則記錄圖片或視頻信息，并且可以通過(guò)IP網(wǎng)絡(luò)音柱對(duì)電動(dòng)自行車(chē)超載等行為進(jìn)行語(yǔ)音提示，或發(fā)送信息到現(xiàn)場(chǎng)的LED顯示大屏設(shè)備進(jìn)行告警

3、 告警信息通過(guò)API接口提供給第三方的管理平臺(tái)進(jìn)行統(tǒng)一管理;也可以推送到手機(jī)微信小程序方便及時(shí)查看。 四、算法介紹

算法1：非機(jī)動(dòng)車(chē)道 電動(dòng)車(chē)載人檢測(cè)

基于AI算法對(duì)街道行駛的電動(dòng)自行車(chē)進(jìn)行抓拍和分析，發(fā)現(xiàn)有電動(dòng)車(chē)載人的行為則進(jìn)行記錄和報(bào)警。

算法2：非機(jī)動(dòng)車(chē)道 電動(dòng)車(chē)未帶頭盔識(shí)別

對(duì)進(jìn)入檢測(cè)區(qū)域的電動(dòng)車(chē)駕駛?cè)藛T進(jìn)行檢測(cè)，發(fā)現(xiàn)未佩戴頭盔騎行的行為進(jìn)行識(shí)別，并抓拍和告警。

算法3：機(jī)動(dòng)車(chē)道 未系安全帶檢測(cè)

機(jī)動(dòng)車(chē)車(chē)內(nèi)人員未系安全帶存在安全隱患，對(duì)駕駛車(chē)輛未按照規(guī)定系好安全帶的行為進(jìn)行識(shí)別和告警。

算法4：機(jī)動(dòng)車(chē)道 開(kāi)車(chē)打電話識(shí)別

對(duì)駕駛員接打電話，不安全駕駛行為進(jìn)行抓拍，并識(shí)別記錄機(jī)動(dòng)車(chē)牌照號(hào)碼。

算法5：非機(jī)動(dòng)車(chē)道 電動(dòng)車(chē)牌識(shí)別

基于OCR算法識(shí)別其車(chē)牌號(hào)碼以便于對(duì)其違規(guī)行為進(jìn)行勸解和教育，或進(jìn)行大數(shù)據(jù)統(tǒng)計(jì)和分析。

算法6：機(jī)動(dòng)車(chē)道 機(jī)動(dòng)車(chē)車(chē)牌識(shí)別

對(duì)進(jìn)入檢測(cè)區(qū)域的車(chē)輛進(jìn)行車(chē)牌識(shí)別檢測(cè)，發(fā)現(xiàn)道路有違規(guī)車(chē)輛，會(huì)進(jìn)行抓拍和告警!

算法7：步行街 人流量統(tǒng)計(jì)

對(duì)在道路上通行的人員進(jìn)行識(shí)別，可以分時(shí)段對(duì)經(jīng)過(guò)的行人數(shù)量進(jìn)行統(tǒng)計(jì)。

算法8 機(jī)動(dòng)車(chē)道 車(chē)流量統(tǒng)計(jì)

對(duì)行駛在道路上的車(chē)輛進(jìn)行識(shí)別，統(tǒng)計(jì)途徑車(chē)輛的數(shù)量可匯總到大數(shù)據(jù)平臺(tái)進(jìn)行數(shù)據(jù)挖掘和分析。

算法9：非機(jī)動(dòng)車(chē)道停車(chē) 電動(dòng)車(chē)牌識(shí)別

對(duì)非停車(chē)區(qū)域，或在正常道路上長(zhǎng)時(shí)間違規(guī)停車(chē)的電動(dòng)車(chē)輛進(jìn)行抓拍和告警，并對(duì)車(chē)牌進(jìn)行識(shí)別。

算法10： 機(jī)動(dòng)車(chē)道停車(chē) 機(jī)動(dòng)車(chē)車(chē)牌識(shí)別

對(duì)進(jìn)入檢測(cè)區(qū)域的機(jī)動(dòng)車(chē)進(jìn)行檢測(cè)，發(fā)現(xiàn)車(chē)輛在非停車(chē)區(qū)域停車(chē)的行為進(jìn)行識(shí)別并抓拍和告警。

算法11：外部區(qū)域 火焰識(shí)別

基于AI算法對(duì)街道等區(qū)域發(fā)生的火災(zāi)進(jìn)行識(shí)別，識(shí)別產(chǎn)生的火焰與濃煙，并進(jìn)行報(bào)警記錄。

算法12：公共區(qū)域 人員非法聚集檢測(cè)

基于AI算法對(duì)特定時(shí)間(如晚間)特定位置進(jìn)行監(jiān)控，當(dāng)人員聚集時(shí)進(jìn)行預(yù)警和抓拍。

審核編輯 黃宇