构建高速公路视频图像 AI 云服务 打造全路网车辆过程管控大数据平台 北京数字智通科技有限公司 一切都从撤销省界收费站说起！ 明确了“以 ETC 技术为主 ， 视 频 车牌识别技 术为 辅“的技术 路线 数 据 种 类 更 多 涉及图片数据 、 视频数据 、 天线数 据 、 收费数据 、 车型检测数据等等 数 据 关 联 性 更 高 数据的业务属性强， 数据之间的 关联度更高 值 更 丰 富 规模庞大的多类具有相关性的数 据， 包含的价值更加丰富 数据 1 、大规模的数据资源怎么存储、 分类、 检索 2 、结构化、 半结构化、 非结构化数据的处理 3 、视频、 图像数据的丰富信息怎么挖掘 4 、各层级、 部门的数据怎么汇聚、 整合和流动 密集的 ETC 门架 ，数据如何发挥更大的价值？ 5 、大规模的数据计算和分析的效能问题 6 、 怎样建立数据之间的关联 类数据来源 一套云服务 接入 支撑 AI 识别算 法 流水数据 外部资源 收费流水 视频图像 视频数据 物联感知 图片数据 车辆基础信息、位置信息等等 路段中心系统 高清抓拍设备（图片） 交警数据 公安网 收费系统 省中心系统 ______ 1 收费网 视频图像云 收费流水 OBU/CPC 信 息 收费网 收费站客户端 监控网 网络架构 服务区卡口

磁盘存储 磁盘存储 回转伺服 控制器 手腕伺服 控制器 大臂伺服 控制器 手腕回转 伺服控制器 磁盘存储 视觉系统 控 制 计 算 机 通信接口 网络接口 声音、图像 等接口… 滑觉和力觉 传感器 手腕旋转 伺服控制器 （ 1 ）控制计算机：控制系统的调度指挥机构； （ 2 ）示教编程器：与主计算机之间以串行通信方式实现信息交互； （ 3 ）操作面板：由各种操作按键、状态指示灯构成； 机器视觉系统是指通过机器视觉产品将被摄取目标转换成图像信 号，传送给专用的图像处理系统。根据像素分布和亮度、颜色等信息， 转变成数字化信号。图像系统对信号进行各种运算来抽取目标的特征， 进而根据判别的结果来控制现场的设备动作。 1 、机器视觉系统构成 结果 孔 半径 图 5-10 采用模拟相机的视觉系统构成 图像 内存中 应用 数字图像 模拟视频流 被测物体 光源 摄像机 图像采集卡 镜头 机器视觉软件 机器视觉软件 结果 孔 半径 图 5-11 采用数字相机的视觉系统构成 图像 内存中 应用 数字图像 图像数据 被测物体 光源 镜头 机器视觉软件 数字摄像机 结果 孔 半径 图 5-12 采用智能相机的视觉系统构成 图像 内存中 应用 数字图像 模拟图像数据 被测物体 光源 镜头 机器视觉软件 智能摄像机 最本质的功能

综合现代计算机、光学、电子技术，能够自动地从所采集到的图像中 获取信息或者产生控制动作。机器视觉系统的具体应用需求千差万别， 视觉系统也可能有多种形式，但都包括三个步骤： 利用光源照射被测物体，通过光学成像系统采集视频图像，相机和 图像采集卡将光学图像转换为数字图像； 计算机通过图像处理软件对图像进行处理，分析获得其中的有用信 息，这是整个机器视觉系统的核心； 图像处理获得的信息最终用于对对象（被测物体、环境）的判断， 体、环境）的判断， 并形成相应的控制指令，发送给相应的机构。 如果要赋予机器人较高级的智能，机器人必须通过视觉系统更多地 获取周围环境信息。视觉传感器是固态图像传感器 ( 如： CCD 、 CMOS ) 呈像技术和 Framework 软件结合的产物，它可以 识别条形码和任意 OCR 字符。图 4-19 所示为视觉传感器。 图 4-19 视觉传感器 应用领域 功 能 图 例 识 别 机器人的视觉传感主要应用在两个方面： 工业机器视觉系统可以通过视觉传感器获取环境的二维图像，并通 过视觉处理器进行分析和解释，进而转换为符号，让机器人能够辨识物 体，并确定位置。工业机器人的视觉处理系统包括图像输入 ( 获取 ) 、图 像处理和图像输出等几个部分，实际系统可以根据需要选择其中的若干 部件。 光学成像 系统 图像采集 装置 图像处理 模块 运算和决策 控制模块 控制执行 模块 光源

在人工智能领域，数据、算力与算法构成发展基石——数据驱动模型训练，算力支撑复杂计算，算法优化 技术路径，三者协同推动人工智能向更高阶形态演进。 有监督数据 人工搜集、标注 成本高昂、扩展性差 图像分类 目标检测 .* 芯 片 英伟达 GPU 华为昇腾 谷歌 TPU 海光 DCU AMD 芯片 寒武纪 MLU 单任务模型 CNN SVM RNN 决策树 LSTM 多维并行算法 状态监测、任务调度 语言通用模型： DeepSeek-R1 等 无监督数据 图像生成 集 群 通用模型 无需人类专家标注 高效互联通讯： 的范式，使大规模预训练成为可能。近年来，大模型凭借超大规模参数和海量数据学习，在多模态学习、 推理和通用人工智能方向取得重要进展，为人工智能的发展开启了新的阶段。 大模型 模态扩展 文本 检索增强 图像 / 视频 大规模基础模型 音频 电力大模型 医疗大模型。 Transformer 架构 注意力机制 多模态融合 0upr ake Wefert

智慧水务 强人工智能 弱人工智能 机器学习 深度学习 应急指挥 图像识别 万物互联 人工决策 辅助决策 知识图谱 业务协同 风险评估 实时计算 VIQ 产品在水行业落地， 提供基于视频图像的智能化分析预 警 解决方案。 江河 &IBM 联合创新实验室，利用 IBM 在工业领域积累，扩展模型识别自然水体及相关内容。 IBM Visual Inspection for Quality (VIQ) - 基于 IBM 开发的深度学习算法对产品图像 进 行缺陷特征分类学习； - 可扩展算法和图像数据集， 以满足新的产 品 缺陷检测需求； 原始图像 训练前 训练后 1. 实时掌握管网内运行现状，并进行评估，为分析预测溢流点和易 涝点提供数据支撑； 2. 可实时获取排水管网的液位

警用移动信息网和视频专网：需要安全、可靠、专公互补的宽带移动承载网 络 • 新一代指挥中心（ NG110 ）： 4S 平台、可视化、一体化指挥调度 新时代、新警务、新需求 基于 PGIS 的多媒体指挥调度 位置 + 图像 + 语音调度 公交安全系统：网联网、视频监控、 MEC • 通过智能感知、可视物联，实现了风险隐患的主 动识 别和预警； • 遇有突发事件可一键报警，与公安机关实现多级 转警、 可视通话、多方联动，实现快速反应处置； • 通过实时采集乘车人员的人脸、通信数据，可实 现人 员的比对识别、轨迹分析和布控预警，有效 管控可疑 人员，多方面保护人民群众的生命财物 安全。 无人机图像 单兵图像 车载图像 警用机器人 无线链路 临时布控 全方位实时无线图像采集 3.2 5G 应用场景 1—— 交通疏导 1. 交通事故：当发生交通事故需要现场处理时。无人机可以在第一时间赶到，并且 进行航拍、录音取证和交通疏导。 应用场景 4—— 热点监控 1. 大型集会 / 热点景区：无人机可对会场空中监控，提供高清画面，并可以快速机动到 任何需要的区域上空，搜索发现地面可疑人员、车辆，提供强有力的空中情报保障。 将视频图像实时传输回指挥中心，指挥中心根据无人机传输回的资料对现场实时掌控， 一旦发现突发情况，无人机可以第一时间发现，极大地提高了应急处理效率。 2. 聚众闹事无人机飞抵事故目标区域上空对目标区域进行全方位不间断的监控，为公安

GPT 系列 （ OpenA I ） 、 Bard （ Google ） 、 DeepSeek 、文心一言 （百度）等 多模态大模型 是指能够处理多种不同类型数据的大模型，例如 文本 、 图像 、音频等多模态数据 。这类模型结 合 了 NLP 和 CV 的能力， 以实现对多模态信息 的综合 理解和分析，从而能够更全面地理解和 处理复杂 的数据 。代表性产品包括 DingoDB midjourney 等 视觉大模型 是指在计算机视觉（ Computer Vision ， CV ）领 域中使用的大模型 ，通常用 于图像处理和分析 。 这类模型通过在大规模图 像数据上进行训练， 可 以实现各种视觉任务 ， 如图像分类 、 目标检测 、 图像分割 、姿态估计 、人脸识别等 。代表性产品 包括 VIT 系列 （ Google ） 、文心 UFO 、华为盘古 CV 、 INTERN 因此 ， 它 能够涵盖多种 3.6.1 国外的大模型产 品 语言风格和文化背景 n Gemini Gemini 是谷歌发布的大模型 ， 它能够同时处理多种类型的数据和任务 ， 覆盖文本、 图像、 音频、 视频等多个领域。 Gemini 采用了全新的架构 ，将多模态编码器和多模态解码器两个主要组件结合在一起 ， 以提供最佳结果 Gemini 包括三种不同规模的模型： Gemini

警用移动信息网和视频专网：需要安全、可靠、专公互补的宽带移动承载网络 • 新一代指挥中心（ NG110 ）： 4S 平台、可视化、一体化指挥调度 新时代、新警务、新需求 02 基于 PGIS 的多媒体融合指挥 调度位置 + 图像 + 语音调度 03 公共安全系统：网联网、视频监控、 MEC • 通过智能感知、可视物联，实现了风险隐患的主动识别 发现和预警； • 遇有突发事件可一发出报警，与公安机关实现多级联动， 实 远程 控制破窗及开门逃生； • 通过实时采集乘车人员的人脸、通信数据，可实 现人员 的比对识别、轨迹分析和布控预警，有效 管控可疑人员， 多方面保护人民群众的生命财物 安全。 01 全方位实时无线图像数据采集 5G 公安应用场景（ 1 ） ---- 城市交通智能疏导 1. 交通事故：当发生交通事故需要现场处理场景，无人机可在第一时间赶到案发现 场，并且进行全方位航拍、录音取证和交通疏导。 2 时车流统计数据， 从而分析出全网的交通状况，同时分析造成该路段交通拥堵的原因，及时发现违 章车辆、以及通过无人机车牌检测系统实现自动查抄车牌等功能。 3. 低空对地运动车辆检测与运动特性分析：通过图像运动关键技术的研发，检测出 地面运动车辆等交通对象，并估计它们的实际运动状况，从而达到智能化道路交 通管理、减少交通事故的目的。  主要进行实时现场作业，通过移动交通指挥车，现场对路况进行交通疏导，并配

l 提高临床应用的效率（ Efficiency ）和效力（ Effectiveness ） l 改善系统协同工作能力（互动性 Interoperability ） l 改善临床工作流程 l 改善图像质量和一致性 l 改善数据的准确性和可用性 l 降低运作成本（可复用电子数据输入） IHE 目 标 l 确定出一些医疗企业中工作流程和集成方面的关键问题 l 对问题进行研究，选择最合适的标准来提出解决方案 改善医疗设备与业务系统的互联互通环境。 l 现在我们做工作的目标是叫我们的产品都符合于两个标准。 l 通过协同工作方案，提高临床应用的效率和效力，改善系统协同工作能力， 改 善临床工作流程，改善图像质量的一致性，改善数据的准确性和可用性，降 低 成本，通过 IHE 的工程框架定义成解决方案。 l 用标准的解决方案代替私有方案， IHE 所提倡的是基于 DICOM 、 HL7 的集成。 IHE ( 角色 ) ● 用来产生，管理或者操作和医疗企业活动相关 的 ● 信息的应用系统或模块 。 ● MOD （成像设备） ● Print Composer （打印设备） ● IM （图像管理 ) Transaction ( 事务 ) ● 事务是在角色之间所进行的操作， 事务通过相关的标准协议 （如 DICOM, HL7 ） 进行医疗信息的交换 。 ● Patient Registration

系列 （ OpenAI ） 、 Bard （ Google ） 、 DeepSeek 、文心一言（百度）等 多模态大模型 是指能够处理多种不同类型数据的大模型，例如 文本 、 图像 、音频等多模态数据 。这类模型结 合 了 NLP 和 CV 的能力， 以实现对多模态信息 的综合 理解和分析，从而能够更全面地理解和 处理复杂 的数据 。代表性产品包括 DingoDB midjourney 等 视觉大模型 是指在计算机视觉（ Computer Vision ， CV ）领 域中使用的大模型 ，通常用 于图像处理和分析 。 这类模型通过在大规模图 像数据上进行训练， 可 以实现各种视觉任务 ， 如图像分类 、 目标检测 、 图像分割 、姿态估计 、人脸识别等 。代表性产品 包括 VIT 系列 （ Google ） 、文心 UFO 、华为盘古 CV 、 INTERN 的训练数据来自互联网上的大量文本 ， 因此 ， 它能够 涵盖多种 2.1 国外的大模型产 品 语言风格和文化背景 Gemini 是谷歌发布的大模型 ， 它能够同时处理多种类型的数据和任务 ， 覆盖文本、 图像、 音频、 视频等多个领域。 Gemini 采用了全新的架构 ，将多模态编码器和多模态解码器两个主要组件结合在一起 ， 以提供最佳结果 Gemini 包括三种不同规模的模型： Gemini Ultra