10-5 車輛偵測功能範例教學

在 10-4 頭 / 臉 / 身體偵測功能範例教學中，我們見識到了 QDEEP 引擎強大的模組化能力，僅透過替換模型就完成了多特徵（ 人臉、頭部、身體 ）的辨識。

本章節我們將把應用場景從「 室內監控 」轉向「 戶外智慧交通 」。我們將導入專為台灣交通場景訓練的輕量化模型，讓您的軟體瞬間擁有分辨「 行人、機車、小型車、大型車 」的超能力，這正是科技執法與車流計算的最核心技術！

學習目標

透過本章節，您將學會：

1. 針對智慧交通場景，配置並載入專屬的車輛與行人偵測模型。

2. 了解新模型回傳的 nClassID 定義變化。

3. 實作並擴充四種交通特徵的專屬顏色與標籤。

準備工作

要讓 AI 具備辨識車輛的能力，我們必須為它換上專注於交通辨識的「 大腦 」。

1. 請找到聰泰提供的 Taiwan Traffic 偵測模型壓縮檔（ 檔名可能標示為 TAIWAN.TRAFFIC.C4.TINY 相關字樣）。

2. 解壓縮後，將 QDEEP.OD.TAIWAN.TRAFFIC.C4.TINY.CFG ( 設定檔 ) 與 QDEEP.OD.TAIWAN.TRAFFIC.C4.TINY.WEIGHTS ( 權重檔 ) 複製出來。

3. 將這兩個檔案，直接貼上到您目前 Qt 專案的 建置輸出目錄 下（ 與執行檔同層 ）。

核心 API 要怎麼改？

如同上一章的精簡操作，我們只需在 ( pszConfigFileName ) API 中，將模型設定檔參數 QDEEP_CREATE_OBJECT_DETECT 修改為新的 "QDEEP.OD.TAIWAN.TRAFFIC.C4.TINY.CFG"。其餘所有連線、停止、餵入影像的 API 皆無須更動！

QDEEP_CREATE_OBJECT_DETECT

這是建立 AI 引擎並載入大腦（ 模型 ）的最關鍵 API。使用者必須透過此 API 初始化偵測器。



QDEEP_OBJECT_DETECT_BOUNDING_BOX 結構體

換了交通專用的模型後，AI 引擎透過 QDEEP_OBJECT_DETECT_BOUNDING_BOX 回傳的 nClassID ( 類別索引 ) 將會有全新的物理意義。

 

理解了這個定義後，我們就可以無縫修改程式碼中的「 標籤與顏色陣列 」了！

撰寫核心程式碼

請開啟我們在上一章完成的專案，跟著以下兩個步驟進行修改：

修改模型載入名稱

擴充類別名稱與色彩陣列

最終驗證

備迎接充滿成就感的一刻吧！現在，請按下左下角的 「 Build and RUN 」 執行專案：

1. 輸入一段具有街景或馬路畫面的攝影機 RTSP 網址，點擊 START RECEIVER。

2. 畫面順暢後，點擊 START DETECTION 啟動 AI 交通分析引擎。

➤ 溫馨小叮嚀 ( 非常重要 ) : 在您第一次開啟這支軟體 ( 執行程式 ) 的瞬間，介面可能會需要稍等一下才會顯示出來，請不要緊張！這是因為我們將「 載入 AI 模型 」的邏輯寫在了程式的建構子內。模型在首次執行時必須進行初始化配置，此時系統正努力將龐大的神經網路權重檔載入到 GPU 中。只要軟體成功開啟（ 首次載入完成 ），代表 AI 大腦已經在背景準備就緒！後續當您再次開啟軟體時，就不需要這個初始化的等待時間了！

➤ 測試結果 : 當馬路上的車流與人群進入畫面時，您將會看到 :

• 所有穿梭的機車 ( Motor ) 都會被精準地畫上 紅色辨識框。

• 馬路上的 一般轎車 ( Small Car ) 則會被標記為 藍色框。

• 公車或卡車等 大型車輛 ( Large Car ) 則會以 青藍色框 呈現。

從「 人形偵測 」、「 多物件特徵 」一路走到「 智慧交通車輛辨識 」，您已經親身體驗了 NexVDO SDK 以單一架構應對萬變場域的驚人潛力。趕快把這個專案拿去測試公司樓下的馬路風景吧！