| 作品介紹 |
本作品是一套結合多項深度學習技術的智慧交通違規偵測系統，旨在協助警局自動化偵測轉彎未打方向燈的違規車輛。有別於傳統方式需仰賴大量人力監看影像、主觀判斷的執法模式，本系統透過深度學習技術達成高準確度、高特異度與低誤報的自動化偵測，大幅提升執法效率，降低人力成本與誤報率。
本系統採用模組化設計，整合五大核心模組協同運作。首先是車輛偵測模組，採用最新的 YOLOv11m 物件偵測模型搭配 ByteTrack 追蹤演算法，能夠精準識別監視器影像中的車輛並持續追蹤其移動軌跡。接著轉彎判斷模組透過自訂的轉彎車篩選規則，與 ResNet34 深度卷積網路，分析車輛的行駛方向與軌跡特徵，準確判別哪些車輛正在進行轉彎動作。
在確認轉彎車輛後，方向燈擷取模組使用 YOLO 模型精確定位並擷取車輛方向燈的影像區域，選擇轉彎方向的方向燈區域序列，輸入下一個模組。方向燈區域的準確擷取將直接影響後續違規判斷的準確度，並且能刪去與方向燈無關的圖像區域，大幅減少噪音與影像大小。隨後違規判斷模組是系統的核心，採用創新的 ResNet34 與 Transformer 混合架構，同時提取空間特徵與時間序列特徵，逐幀分析方向燈的亮滅狀態，並依據亮燈比率判定該車輛是否違規。
最後違規輸出模組將偵測結果製作成標準化的違規證據四格圖，整合車牌號碼、違規路口、時間等關鍵資訊，提供執法人員完整的舉發依據。
系統提供直覺化的網頁操作介面，警察人員可透過帳號登入後執行影片偵測任務。介面設計考量實務需求，支援四宮格監視器畫面同步觀看，並在違規輸出畫面提供人工審核功能，確保系統判斷的正確性。此外，操作紀錄頁面完整保存歷史偵測紀錄，方便後續追蹤與管理。
本系統在實際應用中展現優異表現。在警局提供的73部測試影片中，相較於現行系統，本系統在準確度與特異度指標上皆有顯著提升，將誤抓率從25%大幅降低至僅1%，有效減輕人工審查負擔與民眾申訴壓力。當測試規模擴大至1800部影片後，系統依然維持高準確度97%與高特異度98%，證明其穩定性與可靠性。與舊版系統相比，新系統在各項指標上都有顯著進步，特異度更從74%躍升至98%，展現出色的誤報控制能力。
本系統成功結合多項 AI 技術，不僅提升交通執法效率，更透過精準的違規偵測促進道路安全，顯著降低民眾被誤抓的機率，具有高度的實務應用價值。 |