1. 簡介

摩托車、電動車因其速度快、性能差、保護措施差，極易發生交通事故，一般摩托車、電動車在發生交通事故時，由于速度慣性與保護措施差，如果載人往往操控難度更大，更容易發生交通事故，人員被撞擊和跌落，大多造成嚴重受傷和生命危險，這也是摩托車、電動車事故死亡率、致殘率高的主要原因。最近國內不少地區出臺了騎車禁止載人的相關規定，我司采用AI人工智能機器視覺分析識別技術，通過采集路口網絡視頻攝像頭的實時視頻，使用AI算法檢測騎車載人行為，同時檢測騎車是否正確佩戴安全帽，并在現場發出語音提醒，從而促使人們做好安全騎車出行，進而養成習慣，為營造一個安全、有序的道路交通安全環境貢獻一份力量。    

2. 系統架構

2.1 系統分析

     由于本項目路口與監控中心網絡帶寬不足，因此適合采用分布式部署+集中式管理的方式，即在路口安裝AI邊緣計算設備，接入4-8路網絡攝像頭，每路攝像頭附近安裝一套語音提醒裝置，監控中心部署中心管理平臺軟件，集中管理所有路口的AI邊緣計算設備

2.2 系統結構圖

系統網絡結構圖

3. 功能介紹

3.1 路口AI邊緣分析終端功能

3.1.1視頻源管理

AI邊緣分析終端支持按ONVIF協議搜索添加局域網內的網絡攝像頭

3.1.2算法規則管理

支持選中通道后，添加“騎車載人抓拍”算法規則，在編輯規則時，支持繪制布控區，設置算法閾值聯動方式，聯動動作支持輸出繼電器開關、聯動錄像、聯動語音提醒。

3.1.3 事件記錄與上傳

AI邊緣分析終端實時檢測“騎車載人”行為規則，觸發抓拍事件后，在本地記錄或語音提醒，同時支持選項方式是否上傳中心平臺。

3.1.4 本地化分析瀏覽

AI邊緣分析終端開機后便進行主界面，主界面包括視頻區、抓拍事件區、事件列表區，視頻區實時顯示每路的視頻分析實況，檢測細節和對象框繪制疊加顯示 ，產生抓拍事件時，則將抓拍信信顯示在抓拍事件區（含圖片和時間、地點、事件類型等信息）

終端AI設備主界面

3.1.5 算法說明

  “騎車載人抓拍”算法特點

   在摩托車、電動摩托車像素最小要求100*100,人員像素最小要求80*80,頭盔像素最小要求 50*50以上的場景上，并且光照條件正常的工況下 騎車不戴頭盔的算法檢測率可達99.5%以上。

3.2 中心管理平臺功能

3.2.1 集中管理AI邊緣分析終端

     本功能添加所有路口的AI邊緣分析終端，查看在線、離線工作狀態，遠程配置終端設備的通道視頻源和通道的分析規則，遠程時間同步,AI通道分組等操作。

3.2.2 實時預覽

     本功能任意調取路口的某通道的實時分析視頻畫面，獲取當前通道的抓拍事件，查看算法運行狀態。畫面支持1,2,4,6,7,8,9,10,12,15,16分格顯示模式。

3.2.3 數據查詢

     本功能支持選擇任意路口AI邊緣分析終端的下屬通道，查詢該通道某個時間段的抓拍記錄列表，支持以分頁模式顯示。

3.2.4 統計分析

     本功能支持選擇任意路口AI邊緣分析終端的下屬通道，查詢其某天、某月、時間段事件統計數據。

4. 配置清單

單個路口設備配置

監控中心配置