參賽團隊名稱：XAFM
提案動機
每逢連續假期，政府會在高速公路入口匝道實施高乘載管制來疏導交通，防止國道堵塞。若是能夠減少管制所需人力，並且快速準確的檢查民眾是否有配合管制，則能使高乘載管制達到最高效益，進而讓民眾準時返鄉過節。另外也能在疫情期間減少民眾與警察之間的接觸，降低染疫風險。
解決方案
系統環境
- Yolov4-PyTorch
- Intel® DevCloud for the Edge
- Intel® OpenVINOTM Toolkit
對於物件辨識人工智慧的模型我們使用Yolov4，Yolov4的架構主要Backbone: CSPDarknet53、Neck: SPP+PAN、Head: Yolov3所組成。車與人平均辨識率相對其他類別較高，非常適合應用在需要辨識人數的問題上。我們使用OpenVINO的開發流程如下圖所示，將訓練好的Yolov4-PyTorch轉成ONNX檔，透過OpenVINO的Model Optimizer會產生xml和bin文件檔，再藉由Inference Engine讀取IR檔執行推論與預測，使其視覺化的方框能呈現，並統計車上的人數，顯示在輸出的影片上。
成果介紹短片
成果介紹
高乘載管制智慧辨識系統的目的為透過攝影機所拍攝的畫面來判別車內人數，再去控制柵欄機的升降以達到高乘載的管制，為了達到此目的，我們使用了Yolov4物件辨識的架構，資料集選用Pascal VOC，框架使用PyTorch來進行訓練。我們訓練了可以辨識20種類別物件的model，其中人的mAP值為0.85，由此可知其訓練效果是不錯的。
接著透過OpenVINO執行推論，將輸出的結果使用Python進行視覺化，在畫面上產生方框框出人的位置，以及顯示當下所辨識出的人數，讓用路人可以快速得知車內人數是否符合規範，如下圖所示。
我們期許將此成果與柵欄機結合，根據辨識的結果來控制柵欄機升起或放下，達到高乘載的交通控管。如下圖所示。
