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

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

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

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

———安全解决方案 政府事业部 目录 1 2 视频监控专网现状 雪亮工程安全解决方案 1 视频监控专网现状 建设背景 平安城市 - 解读《全国公安机关视频图像息整合与共享工作任务书》（公科信 [2012]11 号） 《任务书》中的要求，各级公安机关要“建 成一个共享平台、完善一张传输网络、建 立一个数据库、构筑四大保障支柱”。 平安综治 - 解读《关 系统联网应用的分 层安全体系基本建 成，实现重要视频 图像信息不失控， 敏感视频图像信息 不泄露。 重点公共区域安装的 视频监控摄像机完好 率达到 98% ，重点 行业、领域安装的涉 及公共区域的视频监 控摄像机完好率达到 95% ，实现视频图 像信息的全天候应 用。 重点公共区域视频 监控联网率达到 100% ；重点行 业、领域涉及公共 区域的视频图像资 源联网率达到 100% 重点公共区域视频 监控覆盖率达到 检测探针 视频存储管理 桌面云 桌面云 核心层 ( 市级 ) 数据库审计 NGAF NGAF NGAF NGAF IPC 业 务 应 用 区 视 频 云 业 务 区 NGAF 视频图像信息 共享云平台 IPC IPC IPC 安全管理 视频平台 视频传输网络 . . . 汇聚层 核心层 . . . 视频监控管理 警务业务平台 下一代防火墙 应用交付 运维管理

洞察趋势，驾驭 AI 浪 潮 01 决策式 AI 生成式 AI 选择题 简答题 AI 的分类： 决策式 AI 和生成式 AI 推荐系统、识别系统、审核系统、无人驾驶 … … 文本生成、图像生成、视频生成、声音生成 … … 人类社会 中的问题 AI 定义： 一种先进的人工智能聊天机器人，能理解和生 成自然语言，用于回答问题、写作、翻译、编程、学习 辅助，甚至可以进行情感支持和角色扮演等多种任务。 音频生成 03 图像生成 04 视频生成 跨模态生成 策略生成 Game AI 虚拟人生成 按技术场景 AIGC 内容分为 按技术场景， AIGC 内容可分为文本、音频、图像、视频等 0 5 0 6 0 7 Midjourney 是一个文本生成图像的 AI 工具，可让你从任何文本描述中生 成逼真目多样化的图像。 无论你想创造奇幻风景、未来城市、 《太空歌剧院》拍卖价 43.25 万美元 Midjourney 图像生成 四维彩超 Stable Diffusion 是 2022 年发 布的深度学习文本到图像生成模 型。它主要用于根据文本的描述 产生详细图像 SD 控制精度更高，更加适合商 业化应用 模特 电商图 建筑规划 图像生成 Stable Diffusion AI 音频生

账本 应用 DBP 整体架构 - AI 大数据 云计算 机器学习 深度学习 神经网络 GPU 语音 语音识别 语音合成 语音唤醒 生物特征 人脸识别 声纹识别 指纹识别 视觉 图像识别 文字识别 自然语言理解 知识图谱 语义 机器翻译 五 大 能 力 18 大 场 景 …… 多渠道智能网络客服 楼宇解决方案 - 考勤门禁 智慧医院 智慧景区 未来机场 语音合成 语音唤醒 人脸识别 声纹识别 指纹识别 图像识别 文字识别 语义 机器翻译 10 种技术 语音识别 语音识别 长语音识别 远场语音识别 窄带语音识别 语音合成 语音唤醒 文字识别 多语种手写字体识别 通用打印字体识别 自然语言理解 机器翻译 知识图谱 图像识别 静态图像识别 动态图像追踪 卡证类文字识别 翻译后可以直接获取对应的语音 多语言 支持中英互译、维汉互译 知识图谱 功能介绍： 针对不同行业不同场景构建详尽的语料 库和知识库。 功能优势： 在特定行业具备具备良好的基础和积累。 技术 - 图像识别 静态图像识别 功能介绍： 精准识别图片中的物体和场景， 简化图片管理。 功能优势： 可显著抵抗光照与姿态变化等 干扰因素的影响。 全球领先的通用物体检测算法， 能有效检测出图片中超过 200