隨著 5G 及車聯(lián)網(wǎng)發(fā)展，物流業(yè)主需要更具智慧的管理物流駕駛的系統(tǒng)，現(xiàn)行市場中仍處于安裝行車記錄器來進行事后究責，無法達到事前預(yù)警及駕駛行為有效的改善。本提案透過兩支攝影機（車前影像及駕駛畫面）進行在線影像分析，使用高效AI運算主機(HPC)分析車前狀況及駕駛行為，當發(fā)生異常事件后，進行即時告警，并進行事件錄影，透過4G/5G網(wǎng)路提供管理者查閱，讓管理者隨時檢視行車狀態(tài)（例如跟車過近或行人追撞危險），即時發(fā)現(xiàn)并修正駕駛行為異常（例如分心）。

其用途為：

· 保障駕駛安全

· 透過駕駛行為智能分析來修正駕駛行為，以保護用路人安全

解決方案

本系統(tǒng)特別適合應(yīng)用于 運輸業(yè) 的駕駛管理，我們使用：

· Intel 11 代 TigerLake Edge Computer 及 NCS2 神經(jīng)棒來提供高效能的 AI 運算

· 使用二支 Webcam 擷取車前及駕駛影像，其中車前影像進行人車物件偵測及追蹤，稱為 ADAS；車內(nèi)影像進行駕駛?cè)四樧R別 [5]及頭部姿態(tài)角追蹤 [2]，稱為 DMS

· 當系統(tǒng)偵測到 駕駛行為異常時，會即時提出警示，并進行后端錄影

· 車隊管理者可以透過 4G/5G 路由連入檢測駕駛行為 異常狀況，可做駕駛行為評分依據(jù)。

在開發(fā)過程中所用軟硬體如下：

硬體：

軟體：

1.系統(tǒng)架構(gòu)－開發(fā)硬體平臺：Intel 11 代 TigerLake Edge Computer+ Intel? NCS2 + Webcam x2 + 路由器

本系統(tǒng)由兩支Webcam擷取車前及駕駛座影像，至車聯(lián)網(wǎng)AI平臺并將影像分流至OpenVINO平臺進行AI inference，并將異常事件上傳至駕駛監(jiān)控平臺，業(yè)主能透過駕駛監(jiān)控平臺得知目前駕駛狀態(tài)。（圖一所示）

                                         圖一 系統(tǒng)架構(gòu)

2.技術(shù)架構(gòu)－OpenVINO GStreamer [4]

在串流處理，我們采用 OpenVINO 平臺搭配 GStreamer 及 OpenCV 方式進行。
AI 順向使用 OpenVINO 預(yù)訓(xùn)練模型 [1]，主要有三類：

· 車前物件偵測及屬性識別

· 人臉檢測及頭部姿態(tài)角追蹤

· 人臉識別

影像輸入，可透過 Web Camera 或 檔案方式輸入，Inference 后的影像輸出到二路 V4L2 裝置 [3]

使用 GStreamer 連接 ADAS 及 DMS 所需的預(yù)訓(xùn)練模型（由OpenVINO提供），將 Inference 后的結(jié)果，由 MQTT 傳至團隊開發(fā)的 AI 智能駕駛行為分析程式進行分析，使用 OpenCV 進行 online 貼圖，并將駕使行為異常結(jié)果儲存于資料庫，管理者可透過 本團隊開發(fā)之駕駛監(jiān)控平臺進行異常事件的檢索。（圖二所示）

圖二 技術(shù)架構(gòu)圖

3.ADAS Pipeline

圖三為 GStreamer 連接 OpenVINO Model（人、車、自行車辨識）、（人物屬性辨識）、（車輛屬性辨識）之 ADAS Pipeline：

圖三 ADAS Pipeline

DMS Pipeline

圖四為 GStreamer 連接 OpenVINO Model（頭部姿態(tài)角辨識）、（人臉辨識）之DMS Pipeline：

圖四 DMS Pipeline

成果介紹短片

成果介紹

· 安裝模擬場景

圖五  模擬場景

· ADAS 與 DMS 功能介紹及觸發(fā)條件

 圖六 功能介紹

· 車機畫面及駕駛監(jiān)控平臺 – 展示說明

 圖七  車機畫面介紹

圖八  駕駛監(jiān)控平臺操作步驟

· 各項Model使用CPU及VPU效能表現(xiàn)

                                                      圖九  Model使用CPU及VPU效能

                           圖十 使用 CPU 及VPU 效能圖表 (因值域差異大，以 Log10 對數(shù)表示)

                                                                    圖十一  裝置工作詳細內(nèi)容

以下概略說明主要硬體的使用方式及整合后系統(tǒng)效能的表現(xiàn)，其中CPU 占比最高，功能包含：

· 負責兩項 AI 功能：車前物件偵測與追蹤，及駕駛頭部姿態(tài)角

· 應(yīng)用端的邏輯及 online OSD 貼圖

· 網(wǎng)頁服務(wù)器及資料庫

GPU 提供車機影像的顯示，NCS2 神經(jīng)棒負責第三個AI的功能：人臉偵測與識別。

輸入資料量為兩只 Web Camera 攝影機，其分辨率為 752×416@30 FPS，整合后的系統(tǒng)效能，張數(shù)大約落在 15~25 張。

本系統(tǒng)能即時分析輔助駕駛并讓業(yè)主了解駕駛行為表現(xiàn)，可以進行員工教育，提升駕駛素質(zhì)，保障駕駛及用路人的生命安全。