视频提取与智能分析技术在交通治理中应用广泛,如机动车闯红灯、超速、违法停车、变道等违法行为均可基于视频分析技术实现检测判定。但对一些新型违法行为的检测,如不系安全带、打电话等,传统的技术尚无法实现,得益于人工智能的出现,目前已可对多种新型违法行为进行检测取证。
不系安全带/打电话检测
不系安全带、打电话等违法行为的检测需克服2道难关,其一视频采集设备的光线需穿透挡风玻璃,其二需具备不系安全带、打电话等行为的识别能力。对于问题一:需配置气体爆闪灯,辅助光源穿透挡风玻璃,确保采集设备能够获取清晰的驾驶员照片;对于问题二:其本质是深度学习算法的运用,其中打电话是通过定位左手或右手附耳打电话的动作和人脸识别算法中嘴部点位的变化来判断驾驶员是否存在打电话的行为;不系安全带同样是基于深度学习算法对驾驶员身前是否具有条带状特征进行判定。
行人闯红灯检测
行人闯红灯违法行为长期存在,但因缺少有效的检测取证手段,常会遇到法不责众的尴尬局面。基于视频分析与人脸识别技术,通过部署在斑马线的行人闯红灯取证摄像机,可实时抓拍闯红灯人员图片,此外摄像机内部的人脸检测与跟踪算法可抠取出3张反映不同位置的人脸图片形成取证证据,并将人脸图片上传到后端进行建模分析,与公安机关的常住人口库进行比对确认闯红灯人员的身份,从而对其曝光或与其征信挂钩或由社区民警上门教育以杜绝再次发生。
非法鸣笛自动检测
机动车鸣笛作为一种信号,警示其他车辆和行人注意安全,然而随着道路通行压力的增大,非法鸣笛现象随处可见,由此带来的噪音污染影响越来越大。但由于非法鸣笛取证难,很难判定鸣笛声来源于哪辆车,造成执法难度剧增。基于视频抓拍+声音检测的可视化鸣笛检测系统,可精确定位鸣笛机动车,并自动抓拍和识别车辆号牌,形成完整的取证证据。其中声源定位是基于波束成形技术实现的,通过声源传输到各个声音传感器的相位差确定鸣笛的位置,并对音频数据进行处理得到声像图;同时采用校正匹配算法实现声像图与视频抓拍图像的融合,形成由鸣笛抓拍图片+声音文件+含有鸣笛声音的视频组成的完整证据文件,从而辅助交管部门执法取证。