在AI电脑视觉的应用中,城市是应用最广的场域,举凡安全监控、交通设施、医疗系统、零售餐饮等,目前都有厂商发展中,而在这其中又以安控与交通走得最快。
电脑视觉技术发展多年,早已应用于各种领域中,现在路上常见的安全监控摄影机与工厂中的机器视觉都是其一,近年来AI技术再次崛起,并迅速与多种技术结合,视觉系统由于在城市与工厂应用多年,不仅技术成熟,而且累积的资料量非常庞大,这两点恰为现在AI的机器学习演算法所需,因此就目前发展来看,电脑视觉成为这波AI浪潮启动最快的技术。
观察AI电脑视觉的应用,工厂中的AIAOI系统的应用最深,主要作为产品品质检测之用,城市则是应用最广的场域,举凡安全监控、交通设施、医疗系统、零售餐饮等,目前都有厂商发展中,而在这其中又以安控与交通走得最快。
用AI视觉帮城市防疫+防灾
城市的建设与发展,存在自身的演变与发展规律,随着公共安全要求的逐步丰富与深化,系统必然会跟着从单纯而复杂整合,甚至与网路、云端的整合应用,都有可能成为新一波的要点。从趋势来看,由于技术的不断提升,城市安控的应用也日益多元,近期与趋势结合最明显者是防疫措施。
![图1 : 城市中大量设置的安全间监控摄影机,为AI运算提供了大量数据。(source:Blue Star)](/art/2020/10/151747071260/p1S.JPG)
图1 : 城市中大量设置的安全间监控摄影机,为AI运算提供了大量数据。(source:Blue Star) |
|
2020年一开始,COVID-19疫情就重击人类社会,由于此病毒的传染性极高,因此感染者所接触的人与物都必须精确厘清。囿于隐私权,现在民主国家的安全监控系统有严格限制,不能随意辨识公共空间中所有人物的身分,但在防疫期间,在法律允许下,仍可藉由具备AI功能的影像辨识软体,从安全监控系统中找出已确诊者的行踪路径、接触的人与物,以利于后续的防疫动作进行。
另外具备AI功能的安全监控系统也可做为防救灾之用,例如日本IT大厂NEC在东京都丰岛区建置「丰岛区综合防灾系统」,就将AI与该公司的群众行动解析技术结合,以防灾摄影机所拍摄的群众影像来掌握人潮拥挤的状况与异常情形。 ?
这套系统在人群密集的东京丰岛区,在主要车站周边与干线道路装设了51台防灾摄影机,内建的AI可即时判断影像状态,一旦发现异常,就可启动因应措施,遏阻灾难扩大。
正如前文所叙,安全监控摄影系统的建置必须顾及隐私,因此该技术并非以特定个人为对象,而是针对异常的「群众整体的动向变化」,并且以NEC独有的AI影像辨识技术为基础,即使防灾摄影机拍摄到的是人群影像重叠的拥挤状态,也能够进行高精确度的分析,迅速掌握人潮密度、群众动向。发生异常事故时,也将自动向工作人员发出警告通知,使其立即掌握异常发生的地点与状况,迅速请求支援或发布相关资讯等,进而减轻相关人员监控人潮的工作负荷。
防灾摄影机的设置地点,以1天约259万名利用者的池袋车站为主,包括车站周边、干线道路、救援中心(即作为灾害时避难场所的学校等)。由丰岛区的灾害对策中心收集摄影机的影像,一元化管理灾害发生时该地区民众所通报的资讯等。收集到的灾害资讯能够集中于地图画面上,可一目了然呈现,加速决策判断,及早对灾区民众发布相关讯息。
公共空间与大型设施内出现异常拥挤的状况时,容易引起推挤踩踏的事故,特定场所也可能因集会聚众而成为犯罪攻击的目标。因此,防灾摄影机的应用将能够预防拥挤环境中的意外事故,以及因群众聚集所造成的突发事件,让受害程度降至最低。
舒缓交通流量 智慧管理停车
除了治安与救灾之外,AI与视觉系统在城市的另一项主流应用是交通。交通是城市运作的动脉,因此现在智慧交通的首要建置目标是维持这条动脉顺畅运作,其作法仍是与城市中密布的安控监控摄影机结合。
安控摄影机与交通系统整合,在这波AI出现前已运作多年,其主要作法是汇集各处路口车流,以可视化方式呈现在后端管理系统,再将各交通要道的车流状况资讯提供给用路人参考,不过这种方式只能让用路人被动的绕开车流阻塞处,仍无法让车流的顺畅度最佳化。
具备AI影像功能的系统,则可透过长期且大量的数据,判断出未发生但可能发生的道路阻塞,并提出相关建议协助道路管理先行排除可能的塞车因素。例如发现某一路段的车流有逐渐增加趋势,演算法就可根据过去的数据推算出接下来那些路段将会出现阻塞,而在推测的同时,系统也会纳入周边道路资讯,汇整出舒缓阻塞的建议作法,提供给道路管理者,让管理者可提前部署疏散车流。
![图2 : 具备AI影像功能的系统,将可改善城市的交通问题。(source:Policy Forum)](/art/2020/10/151747071260/p2S.JPG)
图2 : 具备AI影像功能的系统,将可改善城市的交通问题。(source:Policy Forum) |
|
另外AI影像功能也可应用于智慧停车系统。过去智慧停车系统的主要作法,是在停车格中埋入感测器,侦测停车格是否为空位,再将侦测结果传回后端中心,并引导驾驶前往停车。但这种作法的工程浩大,需要在停车场内建置无线感测网路,而且后续的维修工作也有一定难度。
影像系统则可解决以上困难,不仅安装简单,可且建置成本也大为降低,其作法仅是在既有的安全监控摄影系统中,加入影像识别软体,再将识别结果传送到停车管理系统即可完成。由于道路、停车场现在都有监控摄影机,因此业者不需另外建设硬体架构,只需从软体着手即可,导入更为快速。
除了车流预测与停车管理之外,AI在交通领域还有多种应用,例如辨识违规行驶车辆的车牌,让交通警察系统可以径行举发就是其一。就目前厂商的能力来看,这些应用所需的技术都不难,难的是如何发想出可与现场环境结合的实用性的创意。
不过,创意发想虽难,却能带来实际获利,现在智慧化成为趋势,市场对高可行性创意有一定接受度,因此多数业者仍鼓励业者往此发展,在掌握商机的同时,也能创造自身产品的差异化,将可在智慧化市场更具竞争力。
**刊头图(source:Smart Cities World)