國科會工程處產學合作研究計畫優良成果彙編

交通違規偵測與擷取系統

成果簡介

    本計畫利用影像品質改善技術和深度學習網路，提升智慧車流行為分析系統的效能，成功整合了先進的影像處理技術和深度學習網路，針對臺灣特有的交通環境，包括人口密集和道路狹窄的挑戰，開發出能夠有效提升交通管理效能和安全性的創新技術。

    系統核心在於利用模糊感知注意力網路(BANet)架構對車牌進行影像優化。透過這項技術，即使在極為不利的環境條件下，仍能夠有效地提升影像品質，確保車輛識別和行為分析的準確性。其中BANet透過特殊的模塊分析並修復不同方向和程度的模糊，提升了模糊影像的處理效能和還原質量。此外還利用深度預測模型來取得影像深度資訊，能夠配合判斷車輛在3D空間的相對位置，從而有效地分析車輛違規行為。

圖1、模糊感知注意力網路(BANet)的模型架構

圖2、車輛識別和行為分析流程圖：(a)判斷闖紅燈 (b)判斷紅燈左右轉

    計畫團隊的研究成果，包含影像品質改良技術與交通違規模式分類方法，已在多個國際知名期刊發表。因交通場景資料可能來自行車紀錄器、路口監視器等，常有玻璃反射、動態模糊與影像雜訊，故本計畫之影像品質改良技術，包含影像去反射、去模糊、去雜訊及影像增強等具實際應用價值之研究主題，其中「Single Image Reflection Removal based on Knowledge-distilling Content Disentanglement」發表在頂尖訊號處理領域快報(IEEE Signal Processing Letters, SCIE, EI, IF=3.201)。此外，研究團隊在IEEE智慧運輸工程國際會議(ICITE)上發表的論文「Traffic Violation Detection via Depth and Gradient Angle Change」可成功偵測到常見的交通違規態樣。

    另外，計畫團隊取得了影像品質提升方法及使用該方法的影像處理裝置的臺灣發明專利(證書號：I768517)，同時還有兩項專利正在申請/審查中。

    透過這項計畫，團隊將最新的車輛違規偵測技術帶入了真實的應用，與合作廠商海盛科技和執法部門緊密合作，顯著提升了交通違規的監控效率。在高雄市繁忙路口，此系統即時識別出一輛違規行駛的車輛，這不僅為警方提供了強有力的執法輔助，也成為其他城市交通管理創新的範例。

圖3、計畫團隊提出影像優化和車輛行為識別系統與整合雲端交通違規判定系統實例

    這樣的成功案例為參與計畫的學生提供了實際案例學習和參賽的機會，並且在人工智慧領域的競賽中與海盛科技合作獲得人工智慧鬥智賽銀獎，將學習和經驗轉化為實際的產品和服務，成為計畫所帶來的直接而實質的衍生效益。

    計畫團隊與海盛科技已與高雄市警察局簽署合作備忘錄，規劃將研究成果應用於關鍵交通要道路口，作為智慧城市發展的一部分。這些成果在2024年高雄智慧城市展覽中向公眾展示。

    透過學、產及警方等三方面的合作，讓這項技術實際運用於提升道路安全和交通管理的效率。未來有望被廣泛應用於智慧城市建設和智慧交通系統的發展中，為臺灣的交通安全和管理帶來大幅度的改變。