文/盧惠鵬 蘇州科達科技股份有限公司
當前，各地公安交警部門以深化公安改革為契機繼續深入推進交通違法大整治行動。經過公安幹警的辛勤付出，各類交通違法行為，交通事故發生率均明顯下降。其中，機動車駕駛員的駕駛習慣和守法意識得到全面提升，機動車違法行為明顯減少；但行人和非機動車的交通違法行為仍然屢禁不止，中國式過馬路、非機動車逆行、闖紅燈等違法行為仍然隨處可見。
本文本著交通違法大整治向行人、非機動車延伸的趨勢，著力於改變老百姓的交通陋習，減少城市交通違法行為和事故率，讓城市道路交通出行環境更安全、更有序、更暢通的目的，為行人、非機動車交通違法行為提供了一些可行的智能化管控應用。
各個城市所面臨的急迫的交通管理需求
需要規範騎手和行人交通行為，特別是非機動車駕駛行為意識，降低市內交通事故率。
由於路面執法交警人力有限，必然需要依賴前端相機人工智能化、深度學習的判斷識別和後端大數據挖掘比對，來進行一體化的智能管控。
各地交警可按需進一步完善執法管理處罰條款，做到“管控罰”有法可依。
國家對於“行人、非機動車違法闖紅燈行為”有明確的法律約束，在《道路交通安全法》中明確規定：
第六十二條：行人通過路口或者橫過道路，應當走人行橫道或者過街設施；通過有交通信號燈的人行橫道，應當按照交通信號燈指示通行；通過沒有交通信號燈、人行橫道的路口，或者在沒有過街設施的路段橫過道路，應當在確認安全後通過。
第八十九條：行人、乘車人、非機動車駕駛人違反道路交通安全法律、法規關於道路通行規定的，處警告或者5元以上50元以下罰款；非機動車駕駛人拒絕接受罰款處罰的，可以扣留其非機動車。
需要加強物流外賣公司對騎手的規範性管理。
打造前端一體化智能採集識別系統
前端物聯網智能採集
行人闖紅燈前端系統
該系統通過深度學習的智能視頻分析技術，可對紅燈狀態下穿越斑馬線的行人進行記錄，支持人臉提取和識別，並通過聲音、影像等形式進行提醒、曝光，從而對不文明的闖紅燈現象起到監督、勸導作用。
檢測流程如下：
1. 當信號燈紅燈時，行人越過等候區，系統抓拍第一張圖片，此時如果外接音箱，會有聲音提醒“當前紅燈狀態，請退回等候區。
2. 行人無視聲音提醒，繼續行進，走到攝像機視野中央時，抓拍第二張圖片。
3. 當行人行走到攝像機視野下方時，抓拍第三張圖片。
4. 闖紅燈行人的特寫圖片，能夠清晰看清該行人全貌。
非機動車違法抓拍前端系統
利用現有成熟的智能卡口前端系統（前後抓拍模式）的升級，我們就能夠實現對非機動車闖紅燈、逆行、不在規定車道行駛、甚至多人駕駛等違法行為做到目標自動跟蹤、違法智能識別抓拍，並可利用深度學習算法，快速提升抓拍率和有效率。
運動目標、目標顏色、行人和車輛的檢測像素要求、檢測率、誤檢率和識別準確率均應不低於“GA/T 1399.2－2017 《公安視頻圖像分析系統》”的要求。
進一步識別和挖掘標籤類數據
智能相機還可進一步提取出非機動車駕駛人的相關特徵標籤，如人臉、是否戴眼鏡、戴帽子或頭盔、戴口罩、衣著、打電話單手駕駛、多人駕駛等；非機動車的相關特徵標籤，如外賣車某公司、非機動車品牌、遮陽傘等；行人標籤，如是否抱小孩、打傘、輪椅等。
建立後端大數據挖掘分析應用
數據挖掘是在大型數據存儲庫中，自動地發現有用信息的過程。數據挖掘可用來發現先前未知的有用模式，還可以預測未來觀測結果。可通過統計學的抽樣、估計和假設檢驗；通過人工智能、模式識別和機器學習的搜索算法、建模技術和學習理論；甚至通過最優化、進化計算、信息論、信號處理、可視化和信息檢索等手段和思想，來進行更為深入的分析應用。
此外，需要數據庫系統提供有效的存儲、索引和查詢處理支持。源於高性能（並行）計算的技術在處理海量數據集方面常常是重要的。分佈式技術也能幫助處理海量數據，並且當數據不能集中到一起處理時更是至關重要。利用這些技術，我們可以至少做到如下應用：
對所關注駕駛人行駛路徑的準確掌控
通過前端分析所獲取到的所關注的非機動車和駕駛人的特徵標籤，可以在後端分析出人車的行駛路徑，乃至非機動車某區域內的實有車輛、OD分析等應用。
對外賣公司騎手的管控
通過前端分析所獲取到的所關注的非機動車（主要是後備箱特徵）和駕駛人（主要是人臉和衣著）的特徵標籤，可以對駕駛人進行外賣公司的歸屬分類，做到企業層級的聯合監督管制。
對特定駕駛人的積分預警管理
通過實有車輛分析，可在平臺提供積分配置管理，默認可查詢出當前所有的積分配置信息，還可針對實際情況配置非機動車車輛每次出現累計的分值，建議該類積分設定最大分值以及最大分值的適用時間週期。
提供積分報警查詢，可輸入人臉或身份證進行人臉比對，進行關聯非機動車的積分報警數據的查詢，並顯示出最近的非機動車全身照、報警時間、報警積分、報警級別等信息，在詳情中可查看積分的變化過程。
提供積分閥值設置，可根據默認的普通，中級，高級三個等級設置積分報警級別，還可在等級閥值的基礎上，將閥值進行調整，調整某一個級別，同時會調整相鄰級別的閥值。
根據實有車輛與積分預警管理，為交警重點有針對性的管理提供輔助決策提供大數據支撐，可以為交通非機動車的整治行動提供必要的參考數據。
對疑似黑駕行為的管控
對一些固定場所（比如地鐵站）進行疑似黑駕行為車輛的重點監測和管控打擊。
平臺可以基於實有車輛庫，對選定時間內的非法運營非機動車車輛進行特徵關聯查詢，按照出現頻次進行排序，並可按照出現的具體區域進行頻次的直觀展示。
在對疑似黑駕行為車輛進行監測的時候，會用到非法運營區域的配置設定，平臺中可以通過電子地圖進行區域的配置和設定。比如“某某開發區”區域，可以設定關聯屬於該區域的關聯前端智能採集點位。
制定一套智能管控流程
各地交警可依託市局“一中心、一平臺”總體架構進行針對行人和非機動車交通違法行為應用開發，提供集違法取證、人臉識別、人臉比對、大數據比對、精準打擊、綜合管控、信息公告、違法處理等多功能於一體的綜合信息系統，整個系統形成“PDCA閉環”，做到多循環的完善機制。
在公安物聯網環境下，部署高清抓拍攝像機、人臉識別軟硬件設備等，基於高質量的人車特徵圖像、人臉圖像，通過自動抓拍、深度學習識別提取、自動比對等功能，實現“由像到人”、“由人到管”精準定位和打擊的業務模式。人臉比對管理平臺可與各地市局人口庫等建立連接，提供人臉動態比對預警、統計分析等功能，實現對違法人員的身份確認。
各屬地交警支隊對採集到的違法證據，經人工審核確認後，通過“公安交通管理綜合應用平臺外掛系統”錄入相關違法信息並進行相關法律文書打印，制發違法通知書（掛號信）通知違法當事人，總隊科技處通過互聯網短信告知平臺同步將違法信息短信發送給違法當事人。對違法行為無異議的當事人可通過手機“交警APP”在線處理，也可前往屬地交警支隊/大隊違法窗口處理，相關民警可通過“公安交通管理綜合應用平臺外掛系統”進行違法處理，處理完畢後的違法信息自動錄入“公安交通管理綜合應用平臺”。
綜合違法大數據可視化實戰應用的發展探討
2018年4月底，上海交警已經草擬了《針對行人、非機動車違法抓拍建設指導意見書》，擬至2020年，全市對行人、非機動車交通違法電子警察抓拍點位達到1000個，實現外環線內關鍵路口與郊區中心城主要路口的全覆蓋。通過前端智能採集識別點位的不斷建設，深度學習算法對採集數據的可靠性不斷優化，後端大數據標籤類數據的不斷豐富，我們就能夠針對行人和非機動車，更全面服務的立體化治安防控應用和更高AI+要求的業務可視化應用。
能夠豐富立體化治安防控應用的數據源
立體化治安防控著眼於“點”、“區域面”和“時間線”。“點”指的是前端點位智能採集識別的內容項；“區域面”更多的是統計分析出大數據的散佈度量（極差和方差）、多元歸總統計（協方差矩陣）等，從而發現出區域性數據的橫向分佈規律；而“時間線”則可週期性統計各項指標率和縱向規律。
提出更高AI+要求的可視化實戰應用
不僅侷限於將數據挖掘分析結果以圖形或表格的形式進行可視化展示，更高AI+的業務可視化實戰，可考慮基於AR全景地圖進行更直觀可視的數據、圖片和視頻的關聯自動調閱功能的實現。管理決策人員可隨時通過手機、PAD、指揮中心大屏及微信集成獲取到後端大數據挖掘分析出的結果，並直觀關聯現場點位圖片和視頻片段。
結語
隨著前端視頻源高清化和智能化應用技術的發展，視頻圖像所帶來的信息直觀性、內容豐富性和應用拓展性也不斷加強，其在城市公安交通信息化系統建設的重要地位已不容忽視，後端大數據挖掘應用的程度直接影響到公安交通信息化系統的整體運行效率和管理水平。目前內地各城市資金投入的限制還是制約視頻圖像信息應用發展的主要因素之一，其導致道路交通信息化管理系統的建設顧此失彼（前端點位數量不夠，覆蓋面、智能程度低，功能片面，創新型數據挖掘應用程度不高等），從而束縛了城市交通管理業務的開展和加大了綜合應用的侷限性。
總之，公安交通管理業務中基於視頻圖像信息的應用探討，是一個永無止境、極其廣泛的領域。目前在公安交通信息化系統建設中的應用也僅僅是很少的一部分，在公安交通信息化系統建設中，對視頻圖像的應用研究是一個不可迴避的課題，也是一個隨著視頻圖像處理技術的發展而不斷持續發展的課題。
閱讀更多 安全自動化 的文章
