視頻技術是當下包括交通在內的城市管理智能化系統中，最重要的感知、分析、預警技術，視頻設備也是應用規模最大、投資最大的智能化感知設備市場。在智能交通領域，交通信號應該是最早的電子設備，隨后就是闖紅燈抓拍設備，再就是交通視頻監控（CCTV），與視頻相關的智能交通建設投資，雖無明確數據，但至少占整個智能交通市場的半壁江山，甚至更多。

最近幾年，不僅視頻監控設備市場格局已定，需求也進入到一個穩定發展期，無非就是高清化、智能化、滿足細分需求等，看起來沒什么可以去調查的，作為需求推動技術發展、產品升級的典型代表，交通管理視頻設備未來會如何發展，我們無法描述更多，現在存在什么問題，卻是可以通過此次調查，窺得一點真知。

近日，我們推送了2018’交通管理智能視頻技術應用情況調查報告（上），現為大家呈現2018’交通管理智能視頻技術應用情況調查報告（下）。點擊“2018’交通管理智能視頻技術應用情況調查報告（上）”即可回顧閱覽。

智能交通管理行業發展到現在，視頻作為最為常見、普及的感知設備，其技術迭代是所有感知設備中最多的，比地磁、雷達、RFID等應用變化都要大，能與之媲美的，應該就只有通信了，2G到3G到4G，馬上又要到5G，而且還有NB-IOT、zigbee、DSRC、ETC等等作為補充。但發展到現在，硬件產品的變化創新，不管是外觀還是功能，似乎比較難再有大的升級變化了，設備應用也從最早的電警、測速等執法設備為主，到現在多種設備共同發展，細分領域的需求也多了起來。

問卷調查結果顯示，共有18個支隊、大隊的215套行人闖紅燈抓拍設備，其中濟南一地就有120套，其余17個單位平均才5.5套，多數在個位數。行人闖紅燈抓拍，實際上更大作用在于威懾和宣傳，而不是執法，鳴笛抓拍、遠光燈抓拍也多是此類性質。前段時間，寧波一個行人闖紅燈抓拍設備將公交車上格力空調廣告中的董明珠小姐給識別為闖紅燈的行人，這也說明系統存在一些局限，行人闖紅燈抓拍少有進行動態檢測的。而且行人闖紅燈抓拍有一個實時的電視屏幕展播闖紅燈的行人，一般而言，行人闖紅燈抓拍到的人臉，大多只會和本地居民的人臉庫進行比對，如果入庫數據太大，比對效果和時長都無法保證。

與行人闖紅燈相比，機動車不禮讓行人抓拍設備在覆蓋地市和數量上都要多一些，共有31個總隊、支隊、大隊建設了567套設備，另外還有一個地市的設備正在調試。機動車不禮讓行人抓拍，主要面向機動車違法，有一定普遍性，而且可以直接進行處罰，不僅有威懾作用，更有處罰手段。但機動車不禮讓行人抓拍設備，并不會成為主流的設備，一是因為功能單一，布設也會影響路口美觀，其次是當司機養成禮讓行人抓拍的習慣之后，不禮讓行人的行為也將趨于減少。

鳴笛違法抓拍設備，比我們預想的要少一些，只有7個總隊、支隊安裝了58套設備，而且上海一市就有40套（一個地市正在調試）。鳴笛抓拍也是細分需求，主要目的也是在于威懾，然后讓司機養成習慣，一個地市有兩三套，大的城市有個一二十套，這應該就是較為實際的市場需求，所以目前市場也就兩三家企業供應此類設備。

遠光燈違法抓拍設備數量更少，只有6個總隊、支隊安裝了35套設備，而常熟一個縣級市居然有22套。

可見細分領域的需求，只能是主流執法、威懾設備的補充，而且很難融入到大的視頻監控資源體系中，但其最大的意義應該在于逼迫和促使出行者的交通文明習慣養成。

前文說了，未來很可能形成統一的數據資源池，至少大部分前端具備智能化能力，將結構化數據直接回傳到中心，也可以將視頻回傳到中心，進行二次識別，再將結構化數據匯入資源池。只是如我們調查結果，具備前端智能化的設備，在二三線城市目前還比較稀少，將視頻大部分回傳到中心，會帶來很高的傳輸成本和存儲成本，以及對計算平臺的要求也會很高，但據說華為出了一個“一拖N”的解決方案，就是一個具備前端智能化的設備，通過裝配有華為升騰芯片的智能前端，可將冗余的算力分享到網絡中附近的其他普通網絡攝像頭上，幫助實現智能化，視頻圖像結構化后再回傳。

不管前端是否智能化，視頻圖像的處理、存儲，都是很現實的需求。視頻資源的存儲，有人嗅到了市場機會，易華錄這幾年就落子數據湖，光磁一體化，也就是藍光存儲+磁盤存儲，正好適合數據使用頻度居中的政府數據，視頻數據也是如此，一般而言，三個月之后存儲的必要性就不大了。在調查中，云南省內的支隊、大隊，基本上都是三個月存儲時長，廣州、濟南也是三個月，但昆明卻是兩個月，南昌、昆明、文山也是兩個月；一個月就有株洲、柳州、常熟、麗江、大理、安順等，還有半個月的寶雞。上海存儲時長最久，12個月，不知道上海的存儲機房得有多少個硬盤，數量大，存儲時間也長。數據量中，每日視頻數據超過億條的就只有廣州和上海，除廣州上海昆明濟南包頭常熟外，其他城市日視頻數據少有接近千萬。

專用的視頻結構化處理服務器是這幾年才興起的，主要面向視頻圖像的結構化以及視頻圖像的檢索、比對，基本上就是車輛卡口，包括車牌和車輛特征，人臉卡口，行人和車輛駕駛人，非機動車卡口，自行車電動車摩托車等車輛與騎行者，再高明一點的，可能會把行人的人物信息結構化，人臉識別后能分析人物特征，男性還是女性，年齡段等等。

視頻結構化處理器，一般都采用專用的GPU即圖形處理芯片，而且不吝嗇，6顆很常見，還有更高配置的，否則難以支撐“192路1080P視頻的目標結構化/192路卡口視頻的車輛結構化/2000萬張每天的卡口圖片車輛結構化/64路人臉卡口視頻的人臉結構化”，甚至更高的性能要求。

就ITS114來看，視頻結構化處理器應是以后每個支隊的標配。此次統計有22個總隊、支隊、大隊配備有專用的視頻結構化處理器，還有兩家已經有采購計劃，只是沒有涉及服務器具體數量。對視頻數據進行二次識別的，有31個單位，只是這些二次識別里面，有多少事為了專門采購軟件進行違法行為識別，比如前幾年就有不少總隊、支隊采購了不系安全帶二次識別軟件，還有多少是面向交通管理本身，比如大數據專項執法、緝查布控系統等。也許22個已經應用視頻結構化處理器的單位，就是后者。

說大數據專項執法，應該是公安部推動的“情指勤督”一體化現代勤務機制的標配了，視頻數據是目前最重要的情報來源，支撐決策和調度指揮，目前比較常用的大數據專項執法包括，假牌套牌、報廢車查緝，重點營運車輛交通違法專項行為執法、失駕、毒駕嫌疑人緝查、追逃人員緝查、限行、限牌、超標車等等。假套牌車的查緝在調查問卷的回復中是百分之百，重點營運車輛交通違法專項行為執法、失駕、毒駕嫌疑人緝查也接近百分之百，而追逃人員緝查，不到百分之四十，實施了限行限牌超標車查緝的數量更少，畢竟限行限牌的城市不多，而實施超標車禁行的城市也不多。

有三個主觀方面的調查問題。

有9個單位選擇了滿意，占比17.6%，包括四個大隊，五個支隊，其余41個單位都選擇了“還需完善”。實際上，緝查布控系統最重要的功能，就是根據識別出來車牌數據與特征數據庫進行比對，然后再安排攔截、查緝，智能視頻預警分析如果還需要完善，一是前端卡口要排查、升級，二是識別的準確率要提升，識別不準確，自然會造成假報警較多，影響系統正常運行。且一些城市已在布設人臉卡口，加上傳統卡口上也需要對人臉進行比對分析，比如在毒駕、追討人員以及其他危險駕駛人員的查緝方面，有一定需求，這都需要智能視頻分析技術進一步完善，提高識別準確度。

兩份數據沒有標明態度之外，僅有兩個單位表示不看好，可見人臉識別在交通管理中的未來應用，前途一片光明。現在車管所的“放管服”服務中，大多都已經用到了人臉識別技術，卡口、闖紅燈電警目前還未要求進行人臉識別，但已經要求進行人臉取證，《道路車輛智能監測記錄系統通用技術條件(GAT497-2016)》規定就是取證圖像為車輛前部時，人臉圖片不得低于50*50像素。未來隨著900萬高清的智能前端設備更多應用，人臉識別用于動態交通管理中，應該也是水到渠成。

這個是清一色的選擇“還有待改進”，除了一份數據選擇“已經完全滿足”了，其所在城市50%的設備是前端智能化設備。關于設備如何提升，在最后一部分的建議、意見中，我們可以看得更多。

在智能交通管理領域，沒有投入，就不會有成果，但并不是說，有了投入，就一定會有成果。另外，智能交通管理的技術、設備更新迭代較快，在前一階段獨領風騷的，在這一階段說不定就落后了。總的來說，執法設備、系統的建設推進要比其他系統快，尤其在三四線城市，在財政緊張的情況下，也能夠優先保證執法設備的建設、應用，至于原因也不言而喻。視頻監控設備是最直接的非現場執法設備，執法數量可能已經占到了所有執法數量的90%以上，可能在整個智能交通管理系統中的建設投入，怕是要超過50%。

最近三年年平均新增、更換交通監控外場設備投入超過5千萬的城市有上海、廣州、包頭、常熟、濟南、廈門，最高為上海，超過1個億，1~5千萬的有武漢、南昌、昆明、株洲、柳州、寶雞、吉林、德宏州、楚雄，0.5~1千萬的有樂山、惠州、新疆總隊高速支隊、臨滄、文山、曲靖麒麟、德宏瑞麗、云南總隊高速支隊、云南機場支隊、曲靖會澤等，云南有9個大隊年投入不足100萬。

年平均維護費用超過1000萬的城市有上海、廣州、武漢、濟南、昆明、常熟，最高是廣州，為3000萬，500~1000萬的有南昌、廈門、柳州、寶雞、包頭、100~500萬的有樂山、吉林、云南高速支隊、西雙版納、楚雄、德宏，其余數據為100萬以下，還有11份無數據，最少的只有幾萬。此外，一些城市以整體租賃的形式，建設和維護都是一家企業，一年包干，比如惠州就是如此，一年500萬。

我們將幾個城市的設備總量和維護費用相關聯，上海平均每套每年的維護費用為3100元，廣州為4900元，武漢為2500元，南昌為4400元，濟南為2300元，廈門為3500元，包頭為3000元，常熟為1500元，楚雄3000元，新疆高支隊為650元……還有一些數據比較離奇，比較起來，說明一些數據填寫存在偏差，在這里就不一一說明了。

寶雞市交警支隊高級工程師魏益民：人的五大外部感知包括視覺、聽覺、觸覺、嗅覺、味覺，對應在人工智能領域，只有視覺、聽覺、觸覺有具體對應的研究和應用，“視覺”在安防、交通、智能機器人領域是最重要的一個能力，即圖像信息分析識別，從視頻圖像中像人類視覺一樣，獲取所需要的信息，并對圖像所展現的情境作出判斷；聽覺對應的是語音識別和語音合成，在交通領域主要以導航語音以及違法鳴笛抓拍設備的形式存在，如要上升為智能，則需要對語言背后所包含的指令、情緒進行識別；觸覺，則是生物特征識別，溫度、濕度、硬度、材質判斷等等，這個并沒有對應的單一技術，而是通過其他傳感技術獲得。但人的能力中，最重要的是思維決策能力，也就是通過各種外部感覺判斷以及知識、經驗積累，來做出解決問題、有利于自身的行動，這也是人之所以成為智慧生物的最大特征。所以，人工智能，最重要的部分在經驗積累、思維決策。

柳州市交警支隊指揮中心接處警大隊龍海勇：技術手段可謂是百花齊放，但最終還是要回歸到業務需求、實戰實效中來，任何的技術只是響應應用需求的一種手段，無論是大腦、小腦、無腦，解決了問題就行，政府和行業也在考慮投資的性價比，希望各“腦”還是要以實效為衡量標準，解決實際問題，化巨資投入為碎片化，才能得到三四線城市的響應。

楚雄州交警支隊周茁：想法很好，但落地并達到實用還有很多的工作要做。任何一個細節不到位都難以產生實際效果。

大理州交警支隊科技信息化科段慶榮：城市大腦、交通大腦需要大量的數據支撐，對于經濟欠發達的西部小微城鎮，資金投入及收效甚微，對大、中城市更為合適。

上海市交警總隊高級工程師王全榮:對交通管理有較好的作用，有待提高技術水平，有貼近實戰需要。

廣州市交警支隊科技設施處王世明：城市大腦”、“交通大腦”等均是基于大量數據分析而建立，對于視頻圖像數據的應用，一方面在后臺運用人工智能等新技術或算法對視頻圖像進行結構化處理，另一方面升級更新升級前端設備，實現結構化視頻數據的采集。

南昌市交警支隊科研所熊順：利用視頻分析技術可以精確捕捉道路交通的違法行為及交通路況等，對交管部門對道路交通的管理起到了較大作用，提高了管理效率和精準度。

武漢市交管局科技處張建華：前端感知設備增加，很有必要對獲取的數據進行深度應用。

株洲市交警支隊科研所臧斌：目前還不太成熟，還需要更多的數據樣本、案例對算法進行培養。

惠州市交警支隊智能交通指揮中心楊順明：個人覺得媒體吹噓的概念性多一點，實用性還不足，距離落地估計還要較長的一段時間。現在的視頻分析技術我覺得主要是夜間環境影響比較大。

吉林市交管支隊科研所康萌：結構化數據及圖片二次分析功能將交通大數據精細化，管理應用的方式變的多樣化，這也是交通大腦的基礎所在，城市交通精細化管理和精準打擊具有重要的發展意義。

包頭市交管支隊交通科技管理大隊劉欣：可以有效增強視頻分析技術在交通管理中的應用，有效打擊交通違法行為，更好地為智慧交通提供更加精準的服務。

普洱市交警支隊張凱：可以有效認知重點車輛態勢，發掘專項整治的情報數據，認知出行規律，提供創新交通服務。

昭通市交警支隊科技大隊何云飛：對于“城市大腦”、“交通大腦”以及人工智能等的發展應用，我們不能再單純停留在概念層面上， 而更需要行動起來，基于大數據視頻分析技術，建設能落地應用的系統和平臺，扎扎實實提升交通管理能力，推動道路交通秩序的改善。

曲靖市會澤縣高速公路交巡警大隊指揮中心李世昆：城市大腦”、“交通大腦”以及人工智能在視頻分析技術上的基礎是前端設備的先進性，更替前端設備的迫切性須與之吻合。

曲靖市曲陸高速公路交巡警大隊張濤：對于駕乘人員駕車時行動特征識別及車牌識別能更準確，能更快捷和計算和預判交通流的發展情況，有助于改善管理模式。

柳州交警支隊指揮中心接處警大隊龍海勇：智能視頻分析也就是在視頻中進行結構化處理，從而對結構化結果進行數據標簽化處理，但現在數據標簽的應用并無統一標準，還是依照各警種的業務需求來框定，例如對車輛的二次分析，基本都是車型、車標、顏色、年檢標識、掛墜、紙巾盒等，如果要無牌車的車燈損壞進行搜索，各系統均不會得以有效支撐，因為這不屬于數據標簽類型，但這一類需求時有存在。

在交通高峰期，車頭間距較小的情況下，對流量的檢測精準度還是不太高，這就需要通過智能視頻分析技術進行算法優化，因為計算機無法辨別視頻中是一輛長車還是兩輛小車，但我們認為，可通過車輛的固定特征進行疊加算法的優化，例如擋風玻璃、后視鏡等，從而把視頻流量精準化，隨著900萬像素攝像機的市場投放，今后視頻應用范圍將會更大，視頻分析只有更精準，才能響應今后大數據的需求。

曲靖市馬龍交警大隊副大隊長羅軼：相對于傳統的人工分析，現在的視頻分析技術可以做到主動收集分析數據并根據預設條件執行報警，記錄， 分析等，但是相對于人工抓拍分析視頻分析技術存在錯誤率高，有死角，轉換時間有一定的延遲等缺點。

廣州交警支隊科技設施處王世明：需要提升的地方，主要為分析處理的效率和準確性；未來，建議增加前端視頻綜合采集、結構化分析的研究。

武漢市交管局科研所張建華：應充分利用現有前端設備采集到的信息，進行深度應用，如事件檢測、視頻結構化。

南昌市交管局科研所熊順：我認為智能視頻分析處理技術在準確性和兼容性方面有待提升，建議加強對流量、擁堵、拋灑、穿越、道路占用等事件的分析，使智能視頻分析技術的運用范圍更加廣闊。

濟南市交警支隊交通處趙景春：準確性、可靠性要進一步提升。

昆明市交警支隊科技處處長畢鑫：準確度還需提高，對環境的適應能力需提高。

廈門市交警支隊交通指揮中心劉建設：視頻分析技術是未來的趨勢，也是很好的嘗試，但是目前系統的造價太貴、誤報率太高，只能在某些重點部位應用，難以發揮規模化效果。

株洲市交警支隊科研所臧斌：對于車輛特征（非黑白的顏色、車型等）識別的準確率還有待提高。

寶雞市交警支隊高級工程師魏益民：智能視頻分析技術領域是人工智能中的模式識別。通過將智能算法嵌入到DSP中，通過分析和提練人員和車輛二類目標的各種行為模式，形成核心算法；在應用中，通過比較和比對，辨識采集到的視頻圖像屬于何種物體，何種行為，對目標的框架周長和行動軌跡打上標簽，作出預警和實時報警，觸發錄像，并通過網絡上傳。從智能分析的主要應用來看，有兩個大的發展方向。其一是以車牌識別、人臉識別為核心代表的智能識別技術，主要應用于電子警察、機楊、海關。應加強和提高對自動跟蹤、人流量統計、丟失分析的視頻分析算法的優化，提高識別率和準確率，同時對系統架構及布局予以優化。

包頭市交管支隊科技大隊劉欣：智能視頻分析處理技術需要更加精細化和精準智能化。希望更加智能，聯網聯動，主動提供有效數據、加強分析處理能力，更好打擊交通違法行為。

臨滄交警支隊科技科楊芽：提高小車牌、模糊車牌的識別率。

文山州交警支隊岳帥：光照變化無常，目標運動復雜性，背景雜亂對視頻分析影響較大，加之目前大部分攝像頭像素存在偏低的情況，一定程度影響視頻分析能力。智能視頻分析對于硬件要求偏高，投入成本較大；算法需進一步優化，在公安實際應用中，存在較大的誤差。

德宏州交警支隊科技信息化科謝大慶：光照變化無常、目標運動復雜性、遮擋、目標與背景顏色相似、雜亂背景燈都會增加目標檢測與跟蹤算法設計的難度，建議增加輔助補充設備，比如增加補光燈或者紅外光源等，是之能在各種復雜條件下能夠加以應用。

大理州交警支隊科技信息化科段慶榮：視頻分析技術會是今后很長時間內應用的主流，但受算法等的限制，目前只有正向的視頻分析算法，一定程度上制約了在交通管理領域的應用。

普洱市交警支隊張凱：需再提高海量視頻監控錄像分析的效率，更高效的提高應用，獲取信息。

昭通交警支隊科技大隊何云飛：智能視頻分析技術非萬能，脫離實際只能是“天方夜譚”。

云南省交警總隊高速公路交巡警支隊：視頻分析處理，重點清洗無效數據、臟數據、提高分析質量，提供紅外、星光等技術集成使用，未來發展智能化的方向，我認為是終端智能化+二次加工處理綜合分析處理。

曲靖市富源縣交警大隊輔警黃益武：車輛軌跡，車輛特征，人臉識別系統希望改進。

曲靖會澤交警大隊科技設施中隊陳功：需要進一步提升對無牌車輛識別能力，車輛視頻追蹤能力。

曲靖會澤縣高速公路交巡警大隊指揮中心李世昆：智能視頻分析處理技術的基礎是前端設備的可用性與實用性，在升級換代之后若智能分析技術能夠把識別率提高、分析率深化，或許對交通工作有很大的幫助。此外，希望智能分析技術能夠及時發現分析交通違法、研判規律，及時預警。

曲靖市陸良縣交警大隊朱嬋：圖像增強，提高圖像的清晰度、抗環境影響、提升分析準確率、改善系統應用性如跟蹤抓拍、數據關聯。

曲靖市麒麟交警大隊袁赟峰：希望加強智能頻分析技術在人像識別方面運用。

曲靖市馬龍交警大隊羅軼：一是提高正確率，二是增加功能模塊，三是盡可能減少存儲空間而又不影響數據分析。

曲靖市曲勝交巡警大隊楊永林：智能視頻分析處理技術的發展應該以科技為支撐以實際需要為出發點來發展才能更好的適應發展。科技應該為現實執法服務，只有切合實際的智能視頻分析處理技術才能更好地幫助執法者執法。

怒江交警支隊劉秋平：接觸不多，關鍵在于智能初步分析技術分析結果是否準確有效，在應用上是否存在困難，只要能順應時代發展，符合新的要求，不斷更新，就會有它存在的意義。

原文刊載于智慧交通雜志2018年11~12雙月刊

鳴謝