Skip to main content

視覺

運用人工智慧影片分析讓交通服務操作人員如虎添翼

computer vision camera

1999 年,一輛在法國與義大利之間 7.2 英里長白朗峰隧道行駛的聯結車起火,39 名受困的通勤者命喪黃泉。雖然這條隧道安裝了各種監視攝影機,但交通服務操作人員卻等到駕駛人紛紛報案才接獲通知,此時大禍早已釀成。

很遺憾,這個問題又持續了好幾年,歐洲各國因交通事故而造成的死亡人數以令人擔憂的速度暴增,隧道更是事故比例最高的地點。

有鑑於此,歐盟會員國於 2004 年決定,針對長度超過 500 公尺的隧道頒布最低道路安全規定,又稱為指令 2004/54/EC。部分規定包括安裝安全攝影機。一條隧道若可能安裝數十或甚至數百部攝影機,公務員就能監測各種情況,例如逆向的駕駛人、煙霧/火、停下來的車輛,或是路上的行人。

當然,任何稱職的運輸系統管理人員都會告訴您,攝影機端點提供的串流交通影片片段,產生的資料太多,操作人員難以手動分析。另外,在指令 2004/54/EC 所創造的現實中,必須有人負責分析歐洲大陸多數地區每部攝影機的多重串流,以及每條隧道多部攝影機。或者也許由某種東西代勞。

運輸管理機構必須儘可能將分析攝影機影片片段的工作自動化。他們需要人工智慧影片分析,才能監測車道邊緣可能發生的安全事件。

實際生活中的交通路況攝影機監測

我們以一條車道為例,讓您瞭解指令 2004/54/EC 的規模和範圍。Boulevard Périphérique Nord de Lyon (BPNL) 位於法國里昂,是 10 公里長的收費道路,連接三大高速公路。這條道路包含四條隧道,共橫跨 6 公里,以及兩條高架橋,交通攝影機不到 200 部。

BPNL 的營運單位是 Société D’exploitation Du Boulevard Périphérique Nord De Lyon (SE BPNL)。該單位的 50 名員工負責管理收費亭、維護道路基礎建設,以及監測攝影機摘要是否有可能構成危險或中斷交通流量的事件。

少了自動化根本不可能進行這類監測的原因顯而易見。假設每位 SE BPNL 員工不眠不休監測攝影機影片片段,他們依舊必須同時觀看四部攝影機的摘要。該公司捨棄以人工方式監測,嘗試使用採用傳統影像處理演算法的電腦視覺攝影機監測軟體。然而,即使是這些軟體,識別人、事、物的準確度,也不足以避免操作人員為了處理假性異常警報而疲於奔命。

「這種技術雖然能理解一團像素正在移動,但無法辨識出一團像素是行人。舉例來說,技術或許能理解一團像素是人形或是以人的速度移動,但是卻無法辨識物體是人。」行動影片分析公司 Sprinx Technologies 共同創辦人暨技術長 Renato Clerici 表示

為了克服這些挑戰,SE BPNL 向 Sprinx 尋求協助,透過該公司的 TRAFFIX.AI 自動事故偵測(AID)軟體,利用類神經網路即時偵測及辨識車輛、人與行人。

Clerici 表示:「人工智慧與深度學習遠比標準的電腦視覺技術準確。」「類神經網路經過訓練,可識別、辨識及偵測照片中的人或車輛。透過 3D 物件追蹤技術,它可讓我們提供非常真實且準確的偵測服務,並大量減少假警報數量。」

OpenVINO 邁向隨時隨地自動事件偵測之路

TRAFFIX.AI 自 2020 年春天部署以來,透過高傳真分析偵測逆向的駕駛人、減速駕駛、停駛車輛、溢出的貨物,甚至是煙霧,協助 SE BPNL 大幅減少了假警報(影片 1)。

影片 1. TRAFFIX.AI 支援突然失去車道可見度這類事件的高傳真影片分析,協助 SE BPNL 減少假性異常。(資料來源:Sprinx Technologies

從終端使用者或系統整合商的觀點來看,有了 TRAFFIX.AI 的內建智慧,輕輕鬆鬆即可針對上述這類使用案例設定及校準系統。雖然平台的 3D 物件偵測軟體是 Sprinx 的專屬軟體,而 MobileNet SSD 類神經網路則是內部用 TensorFlow 所開發,但這套軟體是利用 Intel® OpenVINO 工具組針對邊緣執行最佳化。

這意味著 TRAFFIX.AI 可在任何 CPU、GPU、FPGA、VPU 或其他 Intel 型硬體平台上執行,無論是邊緣電腦、個人電腦或伺服器都不成問題。它甚至隨裝即可連線至智慧運輸系統(ITS),締造真正高效能的隨插即用人工智慧影片分析部署體驗。

Clerici 表示:「OpenVINO 是我們解決方案的要角,因為它負責執行我們用於偵測及辨識車輛和行人的類神經網路。」「您可以使用現有硬體,而且運作順暢。您輕而易舉就能用我們的軟體,將電腦或伺服器連線至現有的網路基礎架構,並且處理現有的攝影機摘要。該硬體能處理的攝影機數量是唯一的限制,但如果您必須處理更多攝影機,添加一部電腦就行了。」

在 BPNL 這類安裝,Sprinx 採用 Intel® Core i9 和 Intel® Xeon® Gold 處理器(最多支援 24 部攝影機)執行 TRAFFIX.AI。然而,正如 Clerici 所說,小型部署可利用搭載 Core i5 或 Core i7 處理器(支援高達 10 段同時影片串流)這類更節能裝置的端點目標。

智慧城市解決方案:已針對人工智慧影片分析準備就緒

Sprinx 的 TRAFFIX.AI 軟體已經讓歐洲車道大約 15,000 部電腦視覺攝影機,搖身一變為智慧影片分析資料擷取裝置。他們的軟體幾乎可部署於任何硬體,並且正與 Intel 攜手合作打造近期即可實現的未來,也就是人工智慧分析軟體可在電腦視覺攝影機端點直接部署,將即時警示直接傳送至內部部署伺服器或雲端平台。

這樣一來,全球已安裝的數十億部攝影機,便能化身為潛在的人工智慧視覺端點。從智慧公共交通運輸系統、智慧交通資料收集到智慧城市解決方案,可能性幾乎瞬間變得無窮無盡。OpenVINO 工具組的支援功能是實現這一切的推手。

然而,就眼前來說,為 SE BPNL 這類操作人員即時提供準確的路況資訊,拯救生命,不失為是個好的開始。

 

本文由 insight.tech 編輯副總監 Christina Cardoza 編輯。

作者簡介

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