“险情识别服务器”基于监控摄像头，结合补光灯，采用深度学习技术结合卷积神经网络算法，实现全天24小时对公路路面泥石流、塌方、道路积雪等交通隐患的自动识别，20秒内即可完成对单路视频的识别并能在1分钟内及时预警。

产品特色亮点：

       针对目前公路自然灾害自动识别领域现有技术存在识别率低、误报率高等问题，“险情识别服务器”采用深度学习技术结合卷积神经网络算法，可以让机器视觉图像识别更加智能，大幅度提高交通隐患识别的识别率，降低误报率，并随着样本数量的积累，模型可实现迭代更新，识别率及准确率将持续提高，现可实现：（1）道路中50*50像素以上的泥石流、塌方自然灾害识别率>90%；（2）相对误报率降低99%以上（与现有技术相比）。

产品应用场景：

       利用公路建设的前端监控设备，通过“险情识别服务器”实现计算机自动发现识别视频监控下发生的公路自然灾害（泥石流、塌方、道路积雪等场景），排除阴影、水渍、人员、异物的干扰。此产品也可以扩展使用至其他场景，如河道，隧道或高速公路等。

产品主要成效：

1）有助于行业监管部门、交通运输企业及时发现道路交通隐患，提高工作效率

      “险情识别服务器”基于深度卷积神经网络的视频分析技术在交通领域的应用，有助于行业监管部门、交通运输企业及时发现道路交通隐患，快速获取道路隐患信息及时预警并快速处理，有效降低因隐患导致的道路交通事故率，提高道路安全。

2）降低行业监管部门道路交通维护成本，提高管理效率

       在当今交通事件频发的情况下，非自动的检测方法需要运用较大的人力物力，人力成本非常高，并且易受时间和天气的影响，检测效益低，而计算机视觉替代人眼轮询，能有效地降低行业监管部门道路交通维护成本、大大提高管理效率。

3）利用现有视频监控资源，发挥最大经济效益

       目前，市场主流视频分析设备在前端，设备成本高达数千元至近万元不等。此次建设可充分利用现有视频监控资源，在服务器端基于卷积神经网络技术算法进行视频分析，使其利用效益最大化，最大程度地发挥已建视频监控的经济效益。如果需要更换监控地点，只需要切换视频流即可，为以后的业务变更提供了便利。