基於機器學習之自持式道路監控系統設計

Abstract

隨著數位錄影設備的普及，越來越多的道路安裝有道路監控影像，這些影像不僅能用於道路路況的監控，還可以為通行計費、違規取證等提供依據。本文主要目標是建立一個自持式的道路監控系統，藉由機器學習提供的車輛辨識能力與低功耗的無線電系統，這個系統可以在沒有電力與網路支持的環境中獨立監控，並且能與現有道路監控系統整合運作。 我們基於ImageNet的車輛圖像，訓練了一個全卷積神經網路用於識別道路中的車輛、行人等目標物件，提取了影像中的物件類別與路徑信息，大幅減少了傳統視頻監控的數據傳輸量。這使得監控可以使用170mHz無線電作為通訊系統，並且基於Google Map的開放應用介面，我們的系統整合了臺灣高速公路局、公路總局、以及臺北市交通管制工程處的即時道路監控影像，能夠比傳統路況監控供更多實用的資訊。 實驗結果顯示，原始的影像經過卷積神經網絡提取類別信息後，信息大小縮小了95%以上，即便利用170mHz無線電也可以在1km距離上做到即時監控信息的回傳。同時利用Google Map API可以在單一地圖上整合各個來源的道路監控資訊，方便查看某個區域各個路口的交通狀況。