Skip to main content

人工智能视频分析助力交通运营商

computer vision camera

1999 年,一辆穿过法国和意大利之间 7.2 英里长的勃朗峰隧道的运输卡车起火,造成 39 名乘客死亡。虽然隧道内安装了各种视频监控摄像头,但直到司机们开始打电话报告时,交通运营商才被提醒注意到这个问题,而那时损失已经造成了。

不幸的是,这个问题多年来一直持续存在,欧洲国家的道路死亡事故增长惊人,特别是隧道内事故。

因此在 2004 年,欧盟成员国决定对长度超过 500 米的隧道作出最低道路安全要求,即“指令 2004/54/EC”。部分要求包括安装安全摄像头。设想是借助每个隧道里可能数十甚至数百个摄像头,官员们可以监控逆行司机、烟雾/火灾、停车或路上的行人等情况。

但当然的是,任何一个优秀的交通系统经理都会告诉您,摄像头终端传来的交通录像生成了太多数据,人类运营商根本无法手动分析。而且“指令 2004/54/EC”带来了一个事实,即在大陆的大部分地区上,每台摄像头的多个录像和每条隧道里的多个摄像头都需要有人进行分析。或者是有东西进行分析。

交通管理部门需要尽可能地将摄像头录像分析自动化。他们需要人工智能视频分析来监控道路边缘的潜在安全事件。

现实生活中的交通摄像头监控

为了让您了解“指令 2004/54/EC”的规模,我们先看一条公路。Boulevard Périphérique Nord de Lyon (BPNL) 是法国里昂的一条 10 公里长的收费公路,连接到三条主要的高速公路。它包含总长 6 公里的四条隧道、两座高架桥、以及不少于 200 个交通摄像头。

BPNL 由 Société D’exploitation Du Boulevard Périphérique Nord De Lyon (SE BPNL) 运营,其 50 名员工负责管理收费站,维护道路基础设施,并监控摄像机画面,以发现可能出现的危险或破坏交通流的事件。

不难看出,没有自动化这完全不可能实现。如果每个 SE BPNL 的员工都 24 小时监控摄像头的录像,他们仍然需要同时观看四个摄像头的画面。公司曾经尝试用基于传统图像处理算法的计算机视觉摄像头监控软件来代替人工监控。但即使是这些软件也很难足够准确地识别人类、物体和事件,以避免让运营商大批量收到误报。

“这种技术可以理解一个像素块在移动,但它无法将像素块识别为行人。比如他可能理解像素块是人的形状,或以人类的速度移动,但它无法将物体识别为人类,”移动视频分析公司 Sprinx Technologies创始人和 CTO Renato Clerici 说。

为了克服这些挑战,SE BPNL 向 Sprinx 求助,该公司通过其 TRAFFIX.AI 自动事故检测 (AID) 软件,使用神经网络实时检测和识别车辆、人类和行人。

“人工智能和深度学习比标准计算机视觉技术精准得多,” Clerici 表示。“神经网络经过训练,可以识别、确认和检测图片中的人类或车辆。借助 3D 物体跟踪技术,我们能够提供非常真实准确的检测并减少大量的误报。”

OpenVINO 自动事故检测之路,无处不在

自 2020 年春季部署以来,TRAFIX.AI 已经帮助 SE BPNL 大大减少了误报,这要归功于高保真分析,它可以检测到从逆行司机、减速、停车到货物泄漏甚至是烟雾或雾气等一切情况(视频 1)。

视频 1. TRAFFIX.AI 通过支持对道路能见度突然丧失等事件的高保真视频分析,帮助 SE BPNL 减少误报。(来源:Sprinx Technologies

从终端用户或系统集成商的角度来说,TRAFFIX.AI 的内置智能让系统易于配置和校准,以满足上述的特定使用情况。尽管平台的 3D 物体检测软件是 Sprinx 专用的,且 MobileNet SSD 神经网络是内部使用 TensorFlow 开发的,但软件使用了英特尔® OpenVINO 工具套件对边缘执行进行了优化。

这意味着 TRAFFIX.AI 可以在任何 CPU-、GPU-、FPGA-、VPU- 或其他基于英特尔的硬件平台上运行,无论是边缘计算机、电脑还是服务器。它甚至可以直接连接到智能交通系统 (ITS),实现真正高性能、即插即用的人工智能视频分析部署体验。

“OpenVINO 在我们的解决方案中扮演其中一个主要角色,因为它运行我们使用的神经网络,来检测并识别车辆和行人,” Clerici 说。“您可以使用现有的硬件,完全可以运行。将装有我们软件的电脑或服务器连接到现有的网络基础设施并处理现有的摄像头画面是非常容易的。唯一的限制是在该硬件上可以处理的摄像头数量,但如果您需要处理更多的摄像头,加一台新电脑即可。”

在像 BPNL 这样的设施中,Sprinx 在英特尔® 酷睿 i9 和英特尔® 至强® 金牌处理器上运行 TRAFFIX.AI,这些处理器最多可以同时支持 24 台摄像头。但正如 Clerici 所指出的,较小的部署可以利用基于酷睿 i5 或酷睿 i7 等能效更高设备的终端目标,支持多达 10 个同步视频流。

智能城市解决方案:对人工智能视频分析已准备就绪

Sprinx 的 TRAFFIX.AI 软件已经将欧洲道路上的大约 15,000 台计算机视觉摄像头转变为智能视频分析数据采集设备。由于能够在几乎任何硬件上部署他们的软件,Sprinx 正在与英特尔合作,在不久的将来,人工智能分析软件可以直接部署在计算机视觉摄像头终端,直接向本地服务器或云平台发送实时警报。

这将使全世界已经安装的数十亿台摄像头变成潜在的人工智能视觉终端。从智能交通系统到智能交通数据收集,再到智能城市解决方案,可能性几乎瞬间变得无限。而这一切之所以能够实现,是由于 OpenVINO 工具套件的实现功能。

但就目前而言,向 SE BPNL 这样的运营商提供准确的实时路况信息以拯救生命是一个很好的开始。

 

本文由 insight.tech 的副主编 Christina Cardoza 编辑。

作者简介

Brandon is a long-time contributor to insight.tech going back to its days as Embedded Innovator, with more than a decade of high-tech journalism and media experience in previous roles as Editor-in-Chief of electronics engineering publication Embedded Computing Design, co-host of the Embedded Insiders podcast, and co-chair of live and virtual events such as Industrial IoT University at Sensors Expo and the IoT Device Security Conference. Brandon currently serves as marketing officer for electronic hardware standards organization, PICMG, where he helps evangelize the use of open standards-based technology. Brandon’s coverage focuses on artificial intelligence and machine learning, the Internet of Things, cybersecurity, embedded processors, edge computing, prototyping kits, and safety-critical systems, but extends to any topic of interest to the electronic design community. Drop him a line at techielew@gmail.com, DM him on Twitter @techielew, or connect with him on LinkedIn.

Profile Photo of Brandon Lewis