Page 133 - 安防19年4月刊_150dpi

者对人、车管控的能力。 成交通安全事故的主要原因之一。该系统主要包括
“天眼”集成了基于AI深度智能的远光灯检测 行人闯红灯抓拍一体机，违章行为声音提示单元、
算法，能够对城市夜间车辆滥用远光灯的违法行为 违章行为曝光显示屏、信号灯状态监测等设备，该
进行智能识别和有效取证。在前端架设专属的驾驶 系统通过人工智能技术对行人闯红灯的行为进行实
员人脸抓拍机，同时利用基于AI深度智能的人脸捕 时检测，一旦发现行人准备闯红灯，优先进行语音

获深度学习算法，大幅度提高画面中人脸的检出率 提醒，对于不听劝阻的行人的闯红灯行为进行全过
和高清抠图的质量，为后端进行人脸的建模和比对 程抓拍和录像并实时发送到违法曝光屏进行曝光警
提供基础数据，实现报警拦截。同时，通过人工智 示，对不遵守交通规则的行人起到一定制止和震慑
能分析及深度学习算法，比较成熟的应用技术以车 的作用。
牌识别算法最为理想，虽然目前很多厂商都宣称自 这些产品无论是以哪种产品形态或是采用哪种
己的车牌识别率已经达到了99%，但这也只是在标 架构，都集中体现在交通管理三个方面的技术功能
准卡口的视频条件下再加上一些预设条件来达到 设定：
的。在针对很多简易卡口和卡口图片进行车牌定位 1、识别行人的生理属性。通过分析道路行人的
识别时，较好的车牌识别也很难达到90%。不过随 身体结构，准确识别视频中人物的性别、年龄、姿态
着采用人工智能、深度学习的应用，这一情况将会 等多种生理特征；
得到很大的改善。在传统的图像处理和机器学习算 2、识别行人状态。基于深度学习的行人检测算
法研发中，很多特征都是人为制定的，比如hog、sift 法能够在各类遮挡的情况下精确找出行人位置，并
特征，在目标检测和特征匹配中占有重要的地位，安 能够进一步分析行人姿态和动作，可应用于交通监
防行业的很多具体算法所使用的特征大多是这两种 控、辅助驾驶、无人驾驶等。

特征的变种。人为设计特征和机器学习算法，由于 3、可以在行车场景、交通监控场景、卡口场景
理论分析的难度大，训练方法又需要很多经验和技 中检测多种不同角度的车辆，并同时给出车牌号码、
巧，一般需要一定的时间才会有一次突破性的发展， 汽车品牌、型号、颜色等物理特征；实现人群分析。
而且对算法工程师的知识要求也一直在提高。人工 在高密度公共场所，例如地铁，广场，估计人群数量
智能则不然，在进行图像检测和识别时，无需人为 和密度，同时检测人群过密、异常聚集、滞留、逆
设定具体的特征，只需要准备好足够多的图进行训 行、混乱等多种异常现象。
练即可，通过逐层的迭代就可以获得较好的结果。
从目前的应用情况来看，只要加入新数据，并且有充 AI助力智慧出行，让出行更简单
足的时间和计算资源，随着深度学习网络层次的增 除了拥堵，停车难的问题也备受关注，也造成近
加，识别率就会相应提升，比传统方法表现更好。另 几年来智慧停车的呼声高居不下。因此，人工智能在
外在车辆颜色、车辆厂商标志识别、无牌车检测、 智慧出行方面也在悄然颠覆。我国大部分驾驶时间
非机动车检测与分类、车头车尾判断、车辆检索、人 要么花费在交通拥堵中，要么是在寻找停车位。
脸识别等相关的技术方面安防企业也比较成熟。 基于人工智能的无感停车，不仅改变传统停车
智能行人闯红灯取证系统的推出主要是为了治 模式，还彻底革新了交通管理理念。很多城市越来
理“中国式过马路”的行人闯红灯问题，该问题是造 越深刻地认识到，缓解停车供需矛盾，光靠新增停

2019第四届深圳国际无人机展览会（2019.6.20-22 深圳会展中心） www.china-drone.com.cn 115

ྛြႋႨ JOEE ྒ௹၂