【正文】 新方法，提出了基于方差和四階矩自適應(yīng)的背景更新算法；在跟蹤運(yùn)動(dòng)目標(biāo)時(shí)，提出了最近距離運(yùn)動(dòng)目標(biāo)匹配算法，能夠在短時(shí)間內(nèi)找到屬于同一個(gè)運(yùn)動(dòng)物體的不同的運(yùn)動(dòng)位置；在消除運(yùn)動(dòng)目標(biāo)的陰影時(shí)，提出了邊緣組合陰影消除方法，能夠在沒有先驗(yàn)知識(shí)的情況下，完全消除運(yùn)動(dòng)目標(biāo)的陰影。通過(guò)改進(jìn)或提出的算法，檢測(cè)事件大大縮短，檢測(cè)效果有了明顯改進(jìn)。產(chǎn)品主要技術(shù)指標(biāo)和產(chǎn)品技術(shù)水平達(dá)到國(guó)內(nèi)領(lǐng)先水平。在產(chǎn)品軟硬件平臺(tái)方面，本項(xiàng)目產(chǎn)品采用最先進(jìn)的美國(guó) TI 公司 DSP 芯片組和穩(wěn)定可靠的 Linux 操作系統(tǒng)，將攝像機(jī)、微處理器、存儲(chǔ)器、數(shù)字 A/D、智能視覺嵌入式軟件等集成在一起，比以普通 PC 機(jī)或 PC104 工控機(jī)、Windows 為基礎(chǔ)平臺(tái)的產(chǎn)品集成度更高、穩(wěn)定性更好，突破模擬視頻分辨率最高只能為 768576 的限制可為智能視覺分析軟件提供更高的分辨率。項(xiàng)目產(chǎn)品主要技術(shù)性能和技術(shù)指標(biāo)對(duì)比：技術(shù)性能或參數(shù) 法國(guó)CITILOG 上海高德威 廈門宸天 成都威路特 沈陽(yáng)聚德流量檢測(cè)準(zhǔn)確率 99% 98% 98% 99%31 / 56車輛事件檢測(cè)準(zhǔn)確率 90% 93%行人等事件檢測(cè)準(zhǔn)確率 90%貨物等事件檢測(cè)準(zhǔn)確率 90%公路服務(wù)區(qū)事件檢測(cè) 有到目前為止，公司在技術(shù)開發(fā)方面的資金總投入是多少聚德公司每年投入大量人力、物力、財(cái)力進(jìn)行新技術(shù)、新產(chǎn)品的開發(fā)，科技項(xiàng)目多次獲得國(guó)家、省市科技計(jì)劃的立項(xiàng)支持，每年研發(fā)經(jīng)費(fèi)投入均超過(guò)年銷售收入的 10%以上, 公司的科技成果分別獲得遼寧省科技進(jìn)步三等獎(jiǎng)和沈陽(yáng)市科技進(jìn)步二等獎(jiǎng)。以下是近三年企業(yè)的科技活動(dòng)資金投入情況：2022 年 萬(wàn)元,占企業(yè)總銷售收入的 %；2022 年 萬(wàn)元,占企業(yè)總銷售收入的 %； 2022 年 萬(wàn)元,占企業(yè)總銷售收入的 %。公司未來(lái) 3 ~ 5 年在研發(fā)資金投入和人員投入計(jì)劃（萬(wàn)元）年 份 第 1 年 第 2 年 第 3 年 第 4 年 第 5 年資金投入 300 500 700 900 1100人員（個(gè)） 30 50 70 90 110請(qǐng)說(shuō)明，今后為保證產(chǎn)品質(zhì)量、產(chǎn)品升級(jí)換代和保持技術(shù)先進(jìn)水平，公司的開發(fā)方向、開發(fā)重點(diǎn)和正在開發(fā)的技術(shù)和產(chǎn)品 本項(xiàng)目主要內(nèi)容是利用運(yùn)籌學(xué)及先進(jìn)的信息技術(shù)、計(jì)算機(jī)技術(shù)、數(shù)據(jù)通訊技術(shù)，傳感器技術(shù)、電子控制技術(shù)、人工智能技術(shù)，研究智能視覺技術(shù)在智能交通領(lǐng)域的綜合應(yīng)用，實(shí)現(xiàn)交通各項(xiàng)參數(shù)的自動(dòng)提取、違法行為的自動(dòng)記錄和報(bào)警、路況自動(dòng)預(yù)測(cè)，用于暢通交通、減少事故、應(yīng)急處理等，為交通設(shè)施的規(guī)劃、交通疏導(dǎo)、應(yīng)急交通管制等提供良好的輔助決策手段。項(xiàng)目具體研究?jī)?nèi)容包括：交通事件的智能視覺檢測(cè)交通事件的智能視覺檢測(cè)包括：車流量、排隊(duì)長(zhǎng)度、車輛速度、車道占有率、平均等待時(shí)間、車輛拋撒物、貨車倒貨、人員從車輛帶貨離開、在車附近徘徊、車輛拋錨等的自動(dòng)檢測(cè)、記錄、報(bào)警等，它的系統(tǒng)功能和運(yùn)行基礎(chǔ)數(shù)據(jù)由網(wǎng)絡(luò)動(dòng)態(tài)配置。32 / 56汽車牌照的自動(dòng)識(shí)別汽車牌照自動(dòng)識(shí)別系統(tǒng)配置在城市路口和出入口及主要道路，通過(guò)對(duì)車牌的識(shí)別，實(shí)現(xiàn)動(dòng)態(tài)的單雙號(hào)或其他規(guī)則的車輛限行、非公交車走公交車道、機(jī)動(dòng)車走非機(jī)動(dòng)車道等的檢測(cè)、記錄、報(bào)警等，限行規(guī)則及特許車輛（如北京奧運(yùn)會(huì)的特許車） 、公交車數(shù)據(jù)庫(kù)等由網(wǎng)絡(luò)動(dòng)態(tài)配置。電子警察電子警察配置在城市路口和主要道路，通過(guò)智能視覺檢測(cè)技術(shù)和車牌識(shí)別技術(shù)，對(duì)車牌的識(shí)別，實(shí)現(xiàn)對(duì)闖紅燈、違停、逆行、越線、卡口車輛的檢測(cè)、記錄、報(bào)警等，系統(tǒng)功能和車輛黑名單數(shù)據(jù)庫(kù)等由網(wǎng)絡(luò)動(dòng)態(tài)配置。路況自動(dòng)檢測(cè)與預(yù)測(cè)結(jié)合交通事件智能視覺檢測(cè)、汽車牌照自動(dòng)識(shí)別、電子警察等系統(tǒng)進(jìn)行路況的自動(dòng)檢測(cè)和預(yù)測(cè)，并預(yù)留軟件接口可通過(guò) LED 及手機(jī)、廣播等手段進(jìn)行交通誘導(dǎo)。項(xiàng)目關(guān)鍵技術(shù)是交通事件的運(yùn)動(dòng)目標(biāo)的檢測(cè)、運(yùn)動(dòng)目標(biāo)的分類劃分和跟蹤、事件統(tǒng)計(jì)分析等智能視覺算法，技術(shù)先進(jìn)、集成度高、穩(wěn)定性好的硬件設(shè)計(jì)技術(shù)，識(shí)別率高、穩(wěn)定性好、適應(yīng)性強(qiáng)的汽車牌照自動(dòng)識(shí)別技術(shù)，主要技術(shù)指標(biāo)和產(chǎn)品技術(shù)水平達(dá)到國(guó)內(nèi)領(lǐng)先水平。運(yùn)動(dòng)目標(biāo)檢測(cè)運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)有多種方式。目前常用的是地感線圈、雷達(dá)(微波)、超聲波、紅外、激光、視頻等幾種檢測(cè)技術(shù)。在早期的交通監(jiān)控系統(tǒng)中，歐美許多國(guó)家采用環(huán)型線圈檢測(cè)器作為車輛檢測(cè)裝置。而日本等亞洲國(guó)家多采用超聲波檢測(cè)和光學(xué)探測(cè)的方法。隨著時(shí)代的發(fā)展，視頻檢測(cè)技術(shù)不斷成熟，在運(yùn)動(dòng)目標(biāo)的檢測(cè)領(lǐng)域逐漸取代了其他技術(shù)，它的主要優(yōu)點(diǎn)有：安裝方便，不破壞路面，施工時(shí)基本不影響交通；利用多種探測(cè)器，實(shí)現(xiàn)不同的檢測(cè)功能；檢測(cè)器設(shè)置方便、靈活；可以實(shí)現(xiàn)大區(qū)域檢測(cè)；系統(tǒng)采用模塊化、結(jié)構(gòu)化設(shè)計(jì)，可擴(kuò)展性好、系統(tǒng)運(yùn)行效率高；維護(hù)方便且成本較低。由于背景圖像的動(dòng)態(tài)變化，如天氣、光照、陰影、行人及混亂干擾等因素，都會(huì)給運(yùn)動(dòng)檢測(cè)與跟蹤帶來(lái)影響，同時(shí)，動(dòng)態(tài)場(chǎng)景中運(yùn)動(dòng)物體的快速分割、光線變化、多輛車輛粘連、車輛互遮擋等問題也給車輛視頻檢測(cè)帶來(lái)了一定的挑戰(zhàn)。如何減少這些因素給檢測(cè)結(jié)果帶來(lái)的影響，提高視頻檢測(cè)準(zhǔn)確率成了視頻檢測(cè)領(lǐng)域研究的重點(diǎn)與難點(diǎn)。運(yùn)動(dòng)目標(biāo)分類和跟蹤在前景目標(biāo)被提取出來(lái)之后，必須對(duì)目標(biāo)進(jìn)行連續(xù)的跟蹤，以獲得目標(biāo)的33 / 56運(yùn)動(dòng)軌跡，才能計(jì)算出目標(biāo)的速度等信息，作為事件檢測(cè)的依據(jù)。所謂目標(biāo)跟蹤，就是根據(jù)去除了背景的前景圖像信息，對(duì)目標(biāo)進(jìn)行跟蹤，以將不同的目標(biāo)區(qū)分開，并獲得目標(biāo)的運(yùn)動(dòng)軌跡。目標(biāo)跟蹤之所以重要，因?yàn)樗墙煌鳈z測(cè)和目標(biāo)識(shí)別分類的基礎(chǔ)，目標(biāo)跟蹤的質(zhì)量直接決定了交通流檢測(cè)和目標(biāo)識(shí)別的正確率，它是整個(gè)交通檢測(cè)系統(tǒng)的核心。對(duì)于基于圖像序列的目標(biāo)分類，目前有了不少的研究，采用的方法也是多種多樣的。究其根本，運(yùn)動(dòng)目標(biāo)的分類屬于模式識(shí)別的范疇，識(shí)別是根據(jù)特征的識(shí)別。在分離了前景目標(biāo)和進(jìn)行跟蹤之后，為實(shí)現(xiàn)事件檢測(cè)，首先需要完成的就是對(duì)目標(biāo)進(jìn)行分類以確定可能的事件情況。從眾多原始特征中挑選出最有用即最能代表目標(biāo)性質(zhì)的特征來(lái)為以后的分類做準(zhǔn)備，這叫做特征選擇。交通事件統(tǒng)計(jì)分析在目標(biāo)識(shí)別和速度等圖像信息都處理完畢之后，就可以進(jìn)行事件檢測(cè)的算法設(shè)計(jì)了，達(dá)到事件統(tǒng)計(jì)分析的功能。針對(duì)不同事件，只需要給出各個(gè)事件的量化定義，就可以分別檢測(cè)。例如使用速度信息可以在給出閾值的情況下判斷車輛是否超速或者過(guò)低速，使用目標(biāo)分類信息和速度信息可以判斷車輛的停車問題，再根據(jù)周圍的狀況和發(fā)生的地點(diǎn)判斷是自由流停車還是擁堵停車等。在此過(guò)程中，參數(shù)的設(shè)定是最重要的部分，也是事件檢測(cè)算法性能的關(guān)鍵所在。技術(shù)先進(jìn)、集成度高、穩(wěn)定性好的硬件設(shè)計(jì)目前以普通 PC 機(jī)或工控 PC104 系統(tǒng)、Windows 為基礎(chǔ)平臺(tái)的產(chǎn)品集成度、穩(wěn)定性方面存在一定的問題，它還受到模擬視頻分辨率最高只能為 768576 的限制。基于美國(guó) TI 公司 DSP/ARM 芯片組和穩(wěn)定可靠的 Linux 操作系統(tǒng)的將攝像機(jī)、微處理器、存儲(chǔ)器、數(shù)字 A/D、智能視覺嵌入式軟件等集成在一起的智能視覺產(chǎn)品平臺(tái)或智能攝像機(jī)（帶開發(fā)功能）代表著智能視覺產(chǎn)品發(fā)展方向，可集成度更高、穩(wěn)定性更好、可為智能視覺分析軟件提供更高的分辨率。在硬件上它是計(jì)算機(jī)、攝像機(jī)、圖像處理技術(shù)的一體化設(shè)計(jì)，在軟件上是嵌入式開發(fā)平臺(tái)和圖像處理與模式識(shí)別軟件的嵌入式設(shè)計(jì)，因此它是電子信息領(lǐng)域的集成電路產(chǎn)品應(yīng)用開發(fā)和嵌入式軟件、圖形圖像應(yīng)用軟件高度集成的高新技術(shù)產(chǎn)品，這些開發(fā)和設(shè)計(jì)都需要以強(qiáng)大的技術(shù)儲(chǔ)備和后盾做支撐才能完成的工作，也就成為本項(xiàng)目的關(guān)鍵技術(shù)之一。識(shí)別率高、穩(wěn)定性好、適應(yīng)性強(qiáng)的汽車牌照自動(dòng)識(shí)別汽車牌照自動(dòng)識(shí)別是很多交通事件檢測(cè)必須提取的行為對(duì)象身份識(shí)別。汽車牌照自動(dòng)識(shí)別技術(shù)一直是圖像處理與模式識(shí)別領(lǐng)域和智能交通系統(tǒng)領(lǐng)域的熱點(diǎn)和難點(diǎn)技術(shù)問題。在硬件上：汽車牌照自動(dòng)識(shí)別硬件設(shè)計(jì)包括：一體化、微型化產(chǎn)品設(shè)計(jì)；輔助系統(tǒng)穩(wěn)定性、以維護(hù)性的外部電路設(shè)計(jì)和加工；為保障成34 / 56像質(zhì)量穩(wěn)定的同步閃光燈設(shè)計(jì)。在軟件上：汽車牌照自動(dòng)識(shí)別算法研究包括：在風(fēng)、霜、雪、雨、霧等現(xiàn)實(shí)環(huán)境影響下汽車視頻成像后的圖像預(yù)處理方法研究；在復(fù)雜背景下，從環(huán)境、路面、汽車的圖像中分割汽車牌照的快速、準(zhǔn)確的算法；在干擾嚴(yán)重的圖像環(huán)境中進(jìn)行牌照字符分割的精確算法；在特征失真的圖像中準(zhǔn)確識(shí)別數(shù)字、英文、漢字的識(shí)別算法。聚德汽車牌照自動(dòng)識(shí)別一體機(jī)在軟件上融入大量先進(jìn)、實(shí)用的算法，比如圖像處理的小波變換、車牌搜索的頻域和色譜分割算法、車牌識(shí)別的多層 BP 神經(jīng)網(wǎng)絡(luò)等。因此，它是項(xiàng)目關(guān)鍵基礎(chǔ)技術(shù)之一。項(xiàng)目產(chǎn)品主要技術(shù)與性能指標(biāo)：? 流量檢測(cè)準(zhǔn)確率≥99%；? 事件（車輛）檢測(cè)準(zhǔn)確率≥93%；? 事件（行人）檢測(cè)準(zhǔn)確率≥90%；? 事件（拋撒物等）檢測(cè)準(zhǔn)確率≥90%；? 檢測(cè)時(shí)間≤10s。本項(xiàng)目的技術(shù)路線計(jì)劃如下：運(yùn)動(dòng)目標(biāo)的檢測(cè)運(yùn)動(dòng)目標(biāo)檢測(cè)是事件檢測(cè)系統(tǒng)中最關(guān)鍵的技術(shù)。常見的運(yùn)動(dòng)檢測(cè)技術(shù)主要有模板匹配法、光流法、特征匹配法、幀間差分法、背景差分法等。模板匹配法首先根據(jù)先驗(yàn)知識(shí)，建立車輛、行人等目標(biāo)的三維模型，然后將模型用于運(yùn)動(dòng)目標(biāo)的估計(jì)。由于現(xiàn)實(shí)中目標(biāo)的外形特征和運(yùn)動(dòng)特征多變，很難建立準(zhǔn)確的模型，而且模板匹配也非常耗時(shí)，所以在實(shí)際應(yīng)用中模板匹配很難達(dá)到實(shí)時(shí)性，準(zhǔn)確性也不高；光流法的計(jì)算開銷太大，不適于流量的實(shí)時(shí)檢測(cè)；幀間差分法計(jì)算速度快，能很好的檢測(cè)出運(yùn)動(dòng)物體，不易受外界環(huán)境影響，但對(duì)于緩慢運(yùn)行和靜止的物體就顯得無(wú)能為力；背景差分法計(jì)算量小，并且在背景提取可靠的前提下，運(yùn)動(dòng)物體的檢測(cè)效果最好，這種方法抗噪聲干擾力較強(qiáng)，檢測(cè)精度較高，但依賴于背景更新。在運(yùn)動(dòng)目標(biāo)的提取方面我們采用了背景差、幀間差、色彩信息、以及邊緣組合來(lái)獲得。 現(xiàn)有背景更新算法比較多，大多是利用統(tǒng)計(jì)特征來(lái)求背景的。比較有代表的算法有：利用幀累加求平均來(lái)建立背景模型，這種方法建立的背景模型不準(zhǔn)確，僅僅是簡(jiǎn)單的加權(quán)平均；利用非參數(shù)估計(jì)方法建立的背景模型，該方法的缺點(diǎn)是耗時(shí)多，無(wú)法滿足系統(tǒng)實(shí)時(shí)的要求；混合高斯分布的背景模型可以很好35 / 56地適應(yīng)光線的變化，緩慢移動(dòng)的目標(biāo)等，但這種方法需要對(duì)每一個(gè)點(diǎn)都用一個(gè)模型來(lái)描述，因此算法的計(jì)算量大，存儲(chǔ)的參數(shù)多，不利于實(shí)際應(yīng)用。本系統(tǒng)中采用了基于方差和四階矩自適應(yīng)的背景更新算法，能夠在白天獲得較好的背景，而且具有穩(wěn)定性，平滑性，能夠得到較好的背景，而不會(huì)將靜止的車輛更新進(jìn)背景中。由于陰影會(huì)影響檢測(cè)的準(zhǔn)確程度，過(guò)大的陰影會(huì)被誤判為車，所以必須抑制陰影。陰影檢測(cè)大致可分為三類：一是基于模型，產(chǎn)生的模型經(jīng)常需要有場(chǎng)景、對(duì)象、光照等方面的先驗(yàn)知識(shí)，由于需要知道先驗(yàn)知識(shí)，所以該系統(tǒng)就要有人工的干預(yù)，這樣就限制了該方法的應(yīng)用；二是不需要先驗(yàn)知識(shí)，基于陰影屬性，此類方法應(yīng)用了色彩空間的特點(diǎn)、陰影本身的幾何、亮度和顏色等屬性，具有通用性。對(duì)陰影的處理我們采用了多種邊緣組合的方法來(lái)消除了陰影，不需要先驗(yàn)知識(shí)，能夠完全消除運(yùn)動(dòng)目標(biāo)的陰影。運(yùn)動(dòng)目標(biāo)的劃分和跟蹤利用運(yùn)動(dòng)目標(biāo)的性質(zhì)，長(zhǎng)寬比，形狀復(fù)雜度等特征，判斷劃分三種目標(biāo)，即車輛、行人和物體。然后對(duì)這三類目標(biāo)進(jìn)行跟蹤。目標(biāo)跟蹤大多利用 KALMAN 濾波器來(lái)預(yù)測(cè)并跟蹤運(yùn)動(dòng)目標(biāo)，基于預(yù)測(cè)的跟蹤方法現(xiàn)在研究較多，也是普遍認(rèn)為比較好的方法，但存在耗時(shí)量多的缺點(diǎn)，無(wú)法適用于實(shí)時(shí)的場(chǎng)合，并且算法的精確度取決于所確定的初始狀態(tài)，一旦初始狀態(tài)找的不好，會(huì)導(dǎo)致預(yù)測(cè)結(jié)果與原始目標(biāo)的距離越來(lái)越遠(yuǎn)，也談不上匹配了。另外一個(gè)應(yīng)用較多的跟蹤方法通過(guò)改進(jìn) snake 模型來(lái)進(jìn)行目標(biāo)匹配，選取能量函數(shù)，該方法的缺點(diǎn)是 snake 模型一般需要人工干預(yù)，并且不收斂，會(huì)造成匹配的不準(zhǔn)確。本研究采用最近距離運(yùn)動(dòng)目標(biāo)匹配方法，在視頻序列中，能夠在短時(shí)間內(nèi)找到屬于同一個(gè)運(yùn)動(dòng)物體的不同的運(yùn)動(dòng)位置，既能跟蹤大小不同、性質(zhì)不同（人、車）的運(yùn)動(dòng)目標(biāo)，又能達(dá)到運(yùn)動(dòng)目標(biāo)的最快匹配。夜間目標(biāo)的檢測(cè) 一般攝像機(jī)在照度不夠高時(shí)，自動(dòng)完成白天黑天轉(zhuǎn)換，以確保在較低照度下，攝像機(jī)仍然能夠拍到畫質(zhì)較好的畫面。而本系統(tǒng)的軟件算法的白天黑天轉(zhuǎn)換也是自動(dòng)實(shí)現(xiàn)的，是根據(jù)圖像的亮度發(fā)生的變化，以及黑夜的特征，完成了從白天到黑夜調(diào)用不同處理算法的轉(zhuǎn)換。夜間目標(biāo)檢測(cè)是視頻事件檢測(cè)的難點(diǎn)，因?yàn)槿绻褂帽尘安睿敲丛谲囕v燈光作用下，整個(gè)圖像都會(huì)發(fā)生較大的亮度變化，那么圖像的任何位置都會(huì)有較大的背景差，尤其是在車燈照亮的地方。所以，在夜間，檢測(cè)運(yùn)動(dòng)目標(biāo)一般采用幀間差分法，在夜間檢測(cè)靜止目標(biāo)是今后將要研究的內(nèi)容。36 / 56產(chǎn)品軟硬件平臺(tái)的改進(jìn)提高在獲得國(guó)家創(chuàng)新基金立項(xiàng)支持的“通用數(shù)字視覺平臺(tái)”項(xiàng)目中，開發(fā)了集成度高、穩(wěn)定性好的智能視覺軟硬件平臺(tái)，產(chǎn)品通過(guò)省計(jì)算機(jī)網(wǎng)絡(luò)工程與計(jì)算機(jī)軟件評(píng)測(cè)中心的檢測(cè)，項(xiàng)目通過(guò)了國(guó)家創(chuàng)新基金委員會(huì)的驗(yàn)收。但隨著時(shí)間的推移，其各項(xiàng)技術(shù)性能參數(shù)急需提高。目前，采用最先進(jìn)的美國(guó) TI 公司 DSP芯片組和 Linux 操作系統(tǒng)的升級(jí)換代產(chǎn)品正在開發(fā)過(guò)程中，并將達(dá)到國(guó)內(nèi)領(lǐng)先水平，為本項(xiàng)目產(chǎn)品提供最優(yōu)的軟硬件產(chǎn)品平臺(tái)。正在升級(jí)換代的“通用數(shù)字視覺平臺(tái)” ，在運(yùn)算速度、分辨率、存儲(chǔ)器、以太網(wǎng)等技術(shù)參數(shù)上與前一代產(chǎn)品具有質(zhì)的飛躍，目前已經(jīng)完成產(chǎn)品設(shè)計(jì)、功能驗(yàn)證、PCB 制板等工作，正在對(duì)各模塊進(jìn)行測(cè)試，預(yù)計(jì)將按照計(jì)劃完成產(chǎn)品的軟硬件產(chǎn)品平臺(tái)的改進(jìn)提高工作。齊全的系統(tǒng)功能目前，國(guó)內(nèi)同類產(chǎn)品性能單一且固定、網(wǎng)絡(luò)性能極差，本項(xiàng)目產(chǎn)品功能齊全且可網(wǎng)絡(luò)動(dòng)態(tài)配置，主要集成了以下功能：①、對(duì)交通事件的智能視覺檢測(cè)，包括闖紅燈、違停、逆行、越線、超速、車輛拋錨、單雙號(hào)或其他規(guī)則限行、非公交車走公交車道等車輛交通事件檢測(cè)，在車輛附近活動(dòng)、帶物離開等人員事件檢測(cè)，拋撒物、貨車倒貨等物體事件檢測(cè)。②、基于交通事件檢測(cè)和車牌識(shí)別的交通數(shù)據(jù)統(tǒng)計(jì)分析，包括車輛