# 資料創新應用競賽

1. **高精地圖顯示這樣子做的目的?**
> 高經地圖會這樣顯示的原因是，這可以呈現出我們的演算法精準到可以顯示每個車道的車輛數，此外，使用者也不需要一個影片一個影片的點開來看，即可清楚且方便的查看所有道路的況。

**為什麼不用google map呈現?**
> 因為目前只有用到幾個路口，未來可以使用google map或是mapbox之類的api進行串接，但目前用高精度地圖就夠了

2. **為什麼其他的路口沒有資料，網頁上只有4個路口?**
> 我們目前因為硬體設備的關係，只是先以這四個主要路口的CCTV影像進行測試，在未來硬體設備許可的話，可以將所有路口的影像都納入我們的系統中。

**運算能力需要多少?**
> 目前4個路口在2080ti的顯示卡上面運算，每秒大約20幀，因此一秒鐘大概可以分析80幀。
> 這代表在2080ti的顯示卡上面運送，如果要real time的話，大約可以支援3個影像。

**為什麼沒有對向車道的資訊?**
> 由於我們目前所使用的車輛辨識模組的準確率大約只有7成左右，在 A6-1、A8-1、A8-2 這三個CCTV影像中，對向車道的車輛較不明顯，有時候還會被電線桿擋到，較不易被辨識出來。因此，我們就沒有去針對對向車道去做車資訊的顯示。如果未來有更加準確的車輛辨識模組，對向車道也將可以偵測出來。

**為什麼轉彎車輛的部分，紅點會跳來跳去?**
> 由於我們目前是使用向量法的方式來進行視角轉換，在轉彎車輛的部分，較無法去做精準的判斷。但是未來如果我們有更多攝影機(攝影機高度、攝影機焦距、攝影機鏡頭弧度...等等)的資訊，就可以利用其他方式(例如：視角旋轉技術)來進行視角轉換，如此一來，轉彎車輛也可以很順利地被辨識出來。

> [name=Timmy]視角旋轉技術會不會被問詳細的事，要不要改成像是**視角的反運算**
> 一個影像的產生方式：<font color="blue">物體</font>的<font color="red">世界座標</font>針對<font color="blue">相機</font>的<font color="red">世界座標(包含高度)、視角、焦距、鏡面弧度</font>，進行一連串的矩陣轉換，最後得出一個影像。而這也可以經由反矩陣運算，最後得出原本的座標。
> 物體深度可能會被問

**為什麼路口的車子會消失?**
> 會突然消失，主要是因為我們所使用的車輛辨識模名精準度不夠高，會導致有些車輛無法被辨識出來。在未來，如果能有更精準的車輛辨識模型，這個問題也將會被解決。

**A8-1 A8-2 時間對不到，卻放在同一個表格**
> 由於我們目前所使用的CCTV影像並不是即時的串流，因此，會有對不上的這個問題但是未來如果可以連接即時串流的話，這個問題勢必就不會發生。

3. **從辨識車輛到轉換到高精地圖並顯示在網頁上的延遲會不會很久?**
> 這個問題主要會取決於網路速度以及硬體設備。

4. **車禍預警系統要用什麼方法提醒駕駛人?**
> (可能可以透過Line-bot 手機應用程式、或是簡訊的方式，將訊息傳送給駕駛人。)
> 希望未來可以連接車機系統，當有狀況發生時，直接將警示燈號顯示於儀表板上，並發出警示音。

**車禍預警系統串聯車機系統的方法?**
> 由於目前沒有車機系統可以讓我們串接，所以我們目前先提出這個想法。
> 在未來如果有機會可以串連現有的車機系統的話，即可...

5. **車禍預警系統的準確度? 萬一誤判的話有沒有一些防護機制?**
> ?
> 未來或許可以結合現有的技術(例如：AEB、BCW、BSW...等等)來綜合判斷，藉此來降低誤判的可能性。

6. **網頁上影片及高精地圖紅點車流的的同步和延遲問題?**
> 現在正在處理當中！！！！！！！！

7. **在未來有沒有甚麼商業價值上的應用?**
> 駕駛人可以透過本系統，降低車禍發生的風險且，在行車前也可以清楚的看到現在車道上有多少車，藉此些較壅塞的路段。而政府單位也可以根據本系統所呈現的一些資訊，當作未來施政的一些參考。

8. **模型準確度以及訓練的資料數量、訓練資料從何取得?**
> 我們目前是以YOLOv4模型作為我們的訓練模型，拿YOLOv4 pretrain weight來進行retrain。
> 而目前我們的訓練資料主要來自於擷取競賽所提供的CCTV影像來進行訓練。
> 由於我們人力有限，目前是先標註1300張的影像進行我們模型訓練的資料，進而確保我們後續演算法可以運作。
> 至於精準度的部分，目前的精準度大約7成，而未來如果能有更多的訓練資料，精準度勢必可以有很明顯的提升。

9. **車禍判斷演算法細節?**
> 1.一台車的高度經由計算，得出與攝影機的距離
> > 距離T(m) = 焦距R(mm) * 物體高度H(m) / 影像大小S(pixels)
>
> 2.使用公式算出距離與車禍發生的機率
> > 基本上概念是 距離越近 發生機率越高
> > 由於會有扇形範圍距離相等的問題，因此加入bounding box是否重疊的判斷

**視角轉換演算法細節?**

10. **現在很多車子都有安全的防護機制(AEB)，跟你們的車禍預測差在哪?**
> AEB主要是用於偵測車前的狀況，其偵測範圍較有限，而我們系統是直接藉由分析CCTV影像，來進行車禍預警，偵測範圍相較於其他方法是比較不會被侷限的。

11. **違停熱區偵測如何實現？**

12. **熱力圖怎麼demo?**

13. **怎麼傳送資料給使用者?**

# 問題
1. **camera的偵測速度距離 安全因子會有哪些**
> 這啥

2. **server端 edge端? 運算**
> 說在server端運算 講

**運算能力需要多少?**
> 目前4個路口在2080ti的顯示卡上面運算，每秒大約20幀，因此一秒鐘大概可以分析80幀。
> 這代表在2080ti的顯示卡上面運送，如果要real time的話，大約可以支援3個影像。

3. **給使用者用法 CCTV 行車紀錄器的結合 訓練的速度**
> 講車機系統連接網路

4. **視角轉換技術解釋**
>

5. **CCTV 整合的問題 要如何應用**
>

# 講稿

各位評審大家好，我們這組是交通糾察隊，我們的系統名稱叫做「糾糾蹦蹦一把抓」

這頁是我今天報告的目錄，將會以這五點來介紹我們系統：創作動機、創新與創意、系統介紹、未來規劃、以及結論

近年來，政府積極開發智慧交通，然而，由於台灣的交通密度過高，造成現今智慧交通在發展過程中面臨許多問題，根據內政部警政署109年第51週統計，A1類道路交通事故原因別中，有將近4成的發生原因都與「其他駕駛人過失」有關係，這其中報告了闖紅燈、違停、與車禍等等。

在現今普及的科技車禍預防方法中，可以分為兩種，分別是車輛訊號以及生理訊號。生理訊號的部分，目前有透過裝設路口智慧路側系統連結車機、或是裝設於車內的先進駕駛輔助系統，在偵測到可能發生意外衝突時，透過儀表板顯示警示燈號。而在生理訊號的部分，現在有透過裝載心情偵測系統或是嵌入式系統來偵測血壓與血氧，進而分析駕駛人的生理狀態，來預防車禍的發生。

然而在現今這兩類的車禍預防方法中偵測範圍都比較有限且都需要額外的設備來偵測，因此，我們提出本系統「啾啾蹦蹦一把抓」。

本系統主要是利用競賽所釋出的CCTV影像結合高精地圖，製作了車禍預警系統，此外，本系統還結合了其他三種功能，行車資訊呈現、流量分析、以及違停熱區偵測，供政府施政參考以及駕駛人做為行車前參考。

這是我們的系統架構圖。主要是利用車輛辨識模型辨識CCTV影像中車輛於影像中的位置後，再透過視角轉換演算法將車輛位置轉換至高精地圖上並呈現於前端網頁中。
另外，我們也透過車禍預警判斷演算法來辨識車與車之間發生車禍的機率，在未來可能可以透過連結車機來提醒駕駛人。

這是我們車禍預警判斷演算法較細節的部分
我們利用車輛辨識模型所辨識產生的bounding box倆倆配對，首先，我們會先判斷有無重疊，
如果無，就利用其車速以及位置來計算發生車禍的機率。
如果有重疊，則計算出車子和監視器之間的距離，以此推出車與車之間的距離後，將距離套入方程式中，即可求出車禍發生的機率。
如此一來，我們即可求出車禍發生的機率。

而這是我們所使用的技術：
1. 車輛辨識：透過深度學習，訓練一車輛辨識模組來辨識車輛位置。
2. 視角轉換技術：利用向量法轉換，將影像中之車輛位置轉換至高精地圖中。
3. 車禍預警判斷：透過物體距離轉換，來計算車與車之間是否有保持安全距離。
4. 資料傳輸：運用socket programming 將偵測資料傳送至網頁上呈現。
5. 網頁呈現：運用react與node.js 將資訊呈現於網頁中.

接下來進入demo的環節：
這個是我們網頁的部分，我們目前規劃的主選單有給使用者選擇路口以及日期
利用路口這個選單，可以切換路口，由於我們硬體設備的關係，目前只有做 A2-1、A6-1、A8-1、A8-2 四個路口
而日期的部分，我們希望未來可以讓使用者在操作的過程中，能夠查看歷史的影像，因此，我們保留了選擇日期這一塊。
而下面這張表格，則會顯示現在即時路上有多少車輛。
而再下面這個影像則為該路口的一個即時影像。
右邊紅點則代表車子，藉由右邊這張高精地圖，我們可以很快速地了解目前該車道上有多少車，以及壅塞度。

接下來，我來介紹一下我們的未來規劃，首先，我先介紹本系統的客群，主要可以分為駕駛人以及相關單位兩部分。
駕駛人的部分，可以透過本系統來判斷前方道路的車流量以及透過車禍預警技術來讓駕駛更加安全。
而相關單位則可以透過網頁得知各路口現況，有問題時可以快速的做出相對應的處理。

而系統擴充的部分，未來可以將本系統模組化，並串連至各大路口攝影機
此外，我們還希望可以將本系統與目前普遍車款都搭載的車機系統，例如apple CarPlay以及Android auto來增加本系統的使用便利性。

最後，我來做一下總結，本系統有三大特性，包括：可攜性高、可讀性高、以及可擴充性高，在未來可以廣泛的被應用。

希望透過我們的系統，能為下世代的智慧車輛，帶來更好的交通事故預防的機會，為未來創造更美好的生活。