系统概述

园区超速抓拍系统通过对监测车道内机X行驶速度的实时、自动测速，并对监测车道内机X进行图片抓拍、车辆号牌识别等车辆特征数据采集，实现对道路上机X超速违法行为常年不间断的自动记录，为快速纠正超速违法行为提供重要的技术手段和证据。在城市治安及交通管理过程中发挥了重要的作用，对解决X警力不足、提高交通执法水平有着十分重要的意义。

本系统的设计基于分布式系统的集中管理策略，采用分层结构设计，从逻辑关系上看主要分为两层：前端子系统—传输与后端管理子系统。

园区超速抓拍系统由前端子系统、传输与后端管理子系统组成。实现对通行车辆信息的采集、传输、处理、分析与集中管理。

产品特性 

1 采用“AI+深度学习”架构

1）硬件架构的革新

摄像机硬件架构层面，由原来的ARM+DSP更新为基于“高清能AI硬件平台+深度学习算法”的架构，将图形、图像处理方面的独特优势集成到前端摄像机内，在整体硬件性能与图像处理速度上提高了5-10倍。

2）软件算法的革新

摄像机采用深度学习的智能算法，替换掉了原模式识别算法，去除了原算法层面的人工目标挑选过程，由前端摄像机来承担进行目标自主挑选，摒除人工挑选对识别模式的限制，利用计算机精细化的运算、几何图形、几何比例特殊的处理方式，通过大量过车目标的自主学习从而来提高车辆特征、号牌的识别准确率，达到精细化识别的目的。

2 采用GMOS传感器提升成片质量

采用GMOS图像传感器替换原有的CCD传感器，由于GMOS传感器在信号读取方式、成像点组成以及全局曝光的特性，可从根本上消除传统CCD传感器常见的SMEAR现象。另外，相比CCD传感器，能够提供低照度、宽动态、高帧率的特性。全面提升抓拍图片的成片率和视频质量，从而进一步提高交通管理水平。

3 质量系统功能性能大幅提升

1）性能及鲁棒性的提升

由于深度学习算法相对传统模式识别算法，对硬件性能的要求更高，因此从侧面印证了新平台在处理性能上的提升。

2）参数指标的提升

基于“高性能AI硬件平台+深度学习算法”的“神捕系列摄像机”相对原有摄像机系列在相对场景、参数配置下指标率有大幅提升。

4 车牌前端识别技术

车辆牌照自动识别算法（车牌识别、车牌颜色识别）集成在高清抓拍摄像机中，识别结果由高清抓拍摄像机直接输出，提高了识别准确率及识别响应时间，也降低了前端控制主机（终端服务器）的工作量，1台终端服务器最多可以管理12个车道的摄像机，具有更高的性价比。

在环境无雾、车牌挂放规范、无污损且不含五小车辆情况下，系统全天候号牌识别准确率不小于95%。

5 前端系统结构简单稳定

前端系统主要由百万级像素高清摄像机、高清镜头、雷达、处理主机和补光设备组成，车辆检测以及特征识别、速度测定均在前端摄像机和雷达内完成，不需要增加其他连接设备，同时易于与其它设备连接。

6 多目标自动过滤

检测到视场内有2辆及以上的车辆，自动过滤此次超速捕获。在被称为“史上最严交规”的X部123号令中，进一步细化、明确了对超速违法行为的查处情形和处罚规定，对于“机X行驶超过规定时速50%以上的”计12分。对证据的要求更加严格，多目标自动过滤功能保证抓拍图片中只有1辆机X，有效的避免了超速图片的视场中同时出现2辆车引起的争议，不需要再由执法部门进行人工筛选，很大程度降低了执法部门的工作强度，并提高了工作效率。

系统拓扑图

案例图