Frag die KI alles

Umwandlung von Videos vom Straßenrand in verwertbare Verkehrsdaten

Anwendungen und Fallbeispiele

Wichtigste Erkenntnisse

Verwandeln Sie Videoaufnahmen vom Straßenrand mithilfe von On-Device-KI in verwertbare Verkehrsdaten. Die KI-Einplatinencomputer der InHand Mo-Serie verarbeiten Fahrzeugerkennung, -klassifizierung und -zählung in unmittelbarer Nähe der Kamera und bieten so eine flexible Grundlage für Anwendungen zur Verkehrsüberwachung und -analyse.

Hintergrund

Die Verkehrslage ändert sich im Laufe des Tages aufgrund von Fahrzeugaufkommen, Straßennutzung, Baustellen und lokalen Ereignissen. Manuelle Erhebungen und Stichproben können diese Veränderungen nicht kontinuierlich erfassen. Videoanalysen direkt auf dem Gerät erkennen und klassifizieren Fahrzeuge am Straßenrand und generieren strukturierte Daten, ohne jeden Videostream an einen zentralen Server zu senden. Entwickler von Verkehrssystemen können diese Ergebnisse nutzen, um Dashboards, historische Berichte, Stauindikatoren und andere Anwendungen zu erstellen, die auf die lokalen Betriebsanforderungen zugeschnitten sind.

Kundenanforderungen

Daten zwischen manuell
Umfragen
Die Verkehrsteams benötigen konsistentere Informationen über den Fahrzeugfluss, als periodische Erhebungen oder kurze Beobachtungszeiträume liefern können.
Verwendbare Eingaben für
Verkehrs-Apps
Rohmaterial aus Videos vom Straßenrand muss in strukturierte Fahrzeugdaten umgewandelt werden, die die Kundensoftware nach Ort und Zeit für Analyse und Berichterstellung organisieren kann.
Betrieb bei
Verteilte Standorte
Das System muss an verschiedenen, weitläufigen Standorten am Straßenrand funktionieren, wo Bandbreite, Gehäusegröße, Schnittstellen und Einführungszeitpläne variieren können.

Lösung

Die Verkehrsanalyselösung kombiniert Straßenkameras, einen KI-Einplatinencomputer der InHand Mo-Serie, Netzwerkanbindung und kundenseitig entwickelte Analysesoftware. Mo verarbeitet die eingehenden Videodaten lokal und führt kompatible Modelle zur Fahrzeugerkennung, -klassifizierung und -zählung aus.

Die Debian-basierte Umgebung umfasst TI TIDL, OpenCV und GStreamer und unterstützt TFLite- und ONNX-Modelle. Entwickler können die generierten Fahrzeugdaten nutzen, um zeitbasierte Statistiken, Dashboards, Verkehrsstatusanzeigen oder Integrationen mit bestehenden Managementplattformen zu erstellen. Modellauswahl und -optimierung sollten auf Kameraposition, Beleuchtung, Fahrzeugklassen und der erforderlichen Erfassungsfrequenz basieren.

Mo 68A ist die bevorzugte Option, wenn eine Anwendung zusätzliche Rechenleistung oder mehrere Videoeingänge benötigt. Die unterstützte Arbeitslast hängt vom Modell, der Auflösung, der Bildrate und der Abtaststrategie ab. Mo bildet die Grundlage für Edge-KI; weiterführende Stauanalysen und Verkehrsoptimierungen werden in der Kundenanwendung implementiert.

Vorteile

Reduzierte Video-Backhaul-Geschwindigkeit
Durch die Verarbeitung von Videos in der Nähe der Kamera kann die Lösung strukturierte Ergebnisse liefern, ohne dass kontinuierlich jeder Videostream an einen zentralen Analyseserver gesendet werden muss.
Schnellere Analysen
Entwicklung
Die vorbereitete Linux-, Bildverarbeitungs- und KI-Umgebung verkürzt den Weg von einem Verkehrsmodell zu Dashboards, Berichten und anderen vom Kunden entwickelten Anwendungen.
Einfacherer, schrittweiser Rollout
Kompakte Hardware und einheitliche Schnittstellen ermöglichen es den Teams, mit ausgewählten Standorten zu beginnen und im Laufe des Projekts weitere Punkte am Straßenrand zu integrieren.

Verwandte Produkte

Inhaltsverzeichnis

Kompakte KI-gestützte visuelle Inspektionssysteme
Intelligente Baustellenüberwachung am Rande