業務需求/挑戰
- 使用影像分析、人工智能、電腦視覺、物件偵測或影像辨識等技術，在日夜運作的戶外廣場識別每輛進站車輛的車牌號碼 (LPN)；
- 立即將 LPN 發送至我們現有的系統，並告知是否需要追蹤相關車輛；
- 使用影像分析、人工智能、電腦視覺、物體偵測或影像辨識等技術，對相關車輛進行無縫追踪，直至車輛抵達指定區域。
（無縫追蹤的範圍應涵蓋整個預檢系統攝影機捕捉到的所有區域，而非系統內某一個或部分攝影機捕捉到的區域。任何出現在/捕捉到的車輛，在消失/離開攝影機捕捉區域，但出現在/捕捉到其他攝影機時，系統都應能夠追蹤到。）
應用領域
廣播
工商業
發展
教育
環境
衛生
房屋
基礎設施
預期成果
- 在已建成的廣場內開發，並可利用現有設施，例如遮蔽棚和安裝桿；
- 僅使用嵌入式人工智能攝影機系統，其功能和處理能力可能不足以融入人工智能，因此可能需要更強大的後端系統；
- 對於日夜操作，必須處理極端情況，例如夜間某些黑暗區域由於距離較遠而無法被紅外線照亮，以及日出/日落時陽光直射（如果攝影機朝向這些方向）；
- 應盡快辨識車牌號碼 (LPN)；
- 如果識別出的車牌號碼需要立即發送到現有系統進行車輛跟踪，則需要系統整合流程來整合它們；
- 由於貨車可能同時在多個相鄰車道排隊，因此某些攝像頭對相關車輛的視野可能會被相鄰車輛或前方車輛遮擋，因此可能需要多攝像頭聯動（高、地、左、右和中間攝像頭等），以補充每個中間攝像頭的視野。
