科创中国

行业领域

新一代信息技术产业,信息传输、软件和信息技术服务业

需求背景

传统的监控系统故障需要由维护人员或管理人员通过浏览所使用平台内全部视频后，根据显示画面结合自己的经验及各类标准进行判断，而确认视频故障后，往往经过简易的处理便可修复故障。髙速公路的监控系统规模极大，导致故障的原因也较多，维护人员对于故障的识別过程极其繁琐、消耗时间过度冗长，很难及时发现视频故障，不但对于人员成本投入较大，还无法有效降低因视频故障导致的风险。

       随着高速公路里程的发展，前端的监控摄像机也越来越多，目前高速公路管理部门主要是借助视频系统人工监视或用巡逻车流动巡逻方式采集高速公路的运行状况。高速公路异常事件检测目前主要依靠人工盯看监控画面方式发现高速公路上的交通事件，如果一个人需要监视的视频画面太多，就会远远超出人的接受能力，会导致实际监控效果降低。合理规划、设计并部署交通事件检测系统，实现对各种交通事件的自动检测、自动报警、实时显示、综合分析至关重要。

需解决的主要技术难题

常见的视频质量检测和视频事件分析系统成本较高，依赖于人工轮巡对视频图像质量问题及突发事件进行检测，智能化程度低。本项目提出高速公路视频监控管理系统的关键在于将人工智能、大数据以及计算机视觉相关技术运用在高速公路视频监控领域，实现路网智能预警，提升高速公路路网安全管控能力以及车辆自由流智能通行服务能力。本项目任务在于：利用深度学习及计算机视觉技术实现高速公路视频监控摄像头画面异常情况的自动检测，实现高速公路自由流数据源无人化管理；利用深度学习及计算机视觉技术对高速公路监控视频中的异常事件进行自动检测实现交通异常事件检测及时预警。将AI深度学习算法引入全天候多维度智慧高速安全态势检测分析平台，借鉴类似人脑的多层抽象机制来实现对现实对象或数据(如视频图像)的抽象表达，使平台能检测更多的摄像头故障信息和异常交通事件，具有更高的检测率和准确率。

到2022年，完成对清晰度异常、亮度异常、视频抖动、画面冻结等常见画面故障检测，准确率达95%以上。利用深度学习及计算机视觉技术实现高速公路视频监控摄像头画面异常情况的自动检测，实现高速公路自由流数据源无人化管理；到2023年，利用深度学习及计算机视觉技术对高速公路监控视频中的异常事件进行自动检测实现交通异常事件检测及时预警，对行人误闯、异常停车、倒车逆行、烟火抛落物、拥堵等事件检测准确度达到95%以上。

期望实现的主要技术目标

必要性：高速公路是交通事故的多发地段，目前高速公路已实现路网监控全覆盖，但是摄像头异常及事故检测目前均依靠人眼，会出现漏检、错检、效率低下和成本高的问题。

        预期成果：对于视频质量分析和异常事件检测，使用计算机视觉的方法建立人工智能系统，可以实现自动化检测，提高效率，甚至满足实时性要求。相比于人工检测，通过计算机解析交通监控视频，提取交通参数，自动发现并主动上报异常事件，可大幅减少交通管理的人力成本，提高管理水平与应急事件响应能力；充分利用现有视频监控设施和海量视频数据，可最大限度节省硬件投入，获得更丰富直观的交通数据，满足交通管理与公众服务的信息需求

处理进度