当前我国高速公路总里程数已超过 16 万公里,接入视频监控超过5万路,视频监控资源充足,但同时,违反禁止标 线、倒车、逆行等违法行为对正常的高速公路交通秩序带来巨大安全隐患。当前通过安装具备违法取证功能的智能监控设备可以实现对部分违法行为的识别与取证,但对于更大范围的常规视频监控设备,则只能通过人工视频巡逻的方式发现违法,投入的人力资源大且效率低下。利用现有视频监控 资源从中自动识别违法行为、异常事件是高速公路智能化管理的需求,在匝道口等特定高速公路场景下已经有基于视频监控分析的应用实践。本项目研究基于视频分析的高速公路违法行为识别系统架构与具体实现,利用高速公路已有的视频监控系统,主动发现高速公路上的部分违法行为。
完成上述基于视频的智能分析系统需要解决如下技术问题与指标:
1、复杂场景下、多角度高精度目标识别问题,指定区域目标召回率大于90%。
2、多目标实时追踪问题,指定区域单摄像头可同时追踪目标不低于30。
3、低功耗高性能边缘计算设备研发问题,单设备支持4路以上1080p高清视频处理。
4、视频流处理框架搭建问题,支持单机4路以上的并发处理能力。
5、基于视频深度神经网络的分析高性能推理框架搭建,单摄像头处理帧率大于10FPS。
6、数据收集标注平台搭建,支持目标检测、图像分类、实例分割、语义分割等常见数据标注。
7、通用性训练平台搭建,支持目标检测、图像分类、实例分割、语义分割等常见模型训练。