leo2783/Traffic-Violation-Reporting-Automation-TVRA
GitHub: leo2783/Traffic-Violation-Reporting-Automation-TVRA
Stars: 3 | Forks: 0
# Traffic Violation Reporting Automation (TVRA)
[English Version](README_en.md)
這是一個旨在利用 AI 影像辨識與自動化流程，簡化交通違規檢舉程序的開發計畫。本專案將從基礎的車牌與違規項目識別，逐步演進至全自動化的檢舉系統。
## 專案目標
| 階段 | 目標 |
|------|------|
| 短期 | 實現違規項目與車牌的精準識別 |
| 中期 | 整合 GPS 定位與地理空間資訊，實現半自動化表單填充 |
| 長期 | 建立適配多種硬體設備的全自動化檢舉流水線 |
## 開發時程與技術規劃
### 階段一：基礎識別 (短期)
專注於電腦視覺 (CV) 模型訓練與特徵提取。
- **資料工程**：爬取/收集違規影像，進行資料清洗與標記 (Labeling)
- **車牌辨識 (ALPR)**：開發影像辨識功能，準確提取車牌號碼
- **違規偵測**：訓練模型辨識特定違規樣態（如：闖紅燈、違規轉彎、壓實線）
- **資訊整合**：自動輸出包含車牌、違規項目、時間戳記的結構化資料
### 階段二：路段定位與流程優化 (中期)
結合空間資訊與自動化腳本。
- **GPS 數據提取**：自動讀取行車紀錄器嵌入的 GPS 定位資訊
- **地標視覺辨識**：若缺乏 GPS 數據，透過影像辨識路牌、建築物以判定路段
- **半自動化填表**：經人工覆核後，自動填充各地區交通違規檢舉網站表單
### 階段三：全面適配與全自動化 (長期)
提升系統相容性與系統智能。
- **多設備兼容**：適配市面上主流行車紀錄器檔案格式與編碼
- **多視角協同**：自動分析並關聯前/後鏡頭影像，完整還原違規過程
- **全自動篩選**：系統自動篩選高成功率案件，實現一鍵或無感檢舉
## 技術棧
| 類別 | 技術 |
|------|------|
| 語言 | Python 3.12 |
| 影像處理 | OpenCV, YOLO (v26), PyTorch / TensorFlow |
| OCR | PaddleOCR |
| 自動化 | Selenium / Playwright (網頁表單填充) |
| 資料處理 | Pandas, NumPy, FileCompareTool, Sampling, HDBSCAN, UMAP, C++ Hash Accelerator (optional) |
## 初步成果展示
以下為 YOLO 語意分割模型 (Segmentation) 在測試集上自動生成的預測結果，可精準定位車牌與違規特徵：
## 技術文件
關於自動化抽樣與資料工程工作台的深入技術細節，請參閱：
- [技術細節 (中文)](./Tools/sampling/detail/SAMPLING_DETAILS_zh.md)
- [Pipeline Technical Details (English)](./Tools/sampling/detail/SAMPLING_DETAILS_en.md)
目前 `Tools/sampling/` 已不只是單一去重腳本，而是資料工程工作台，包含：
- 多分頁 GUI workbench
- 共用 service layer
- Auto Label workflow（YOLO 高信心候選 + embedding similarity 去重）
- YOLO `.txt` / AnyLabel `.json` 多格式標註輸出
- package / script 兩種啟動方式的 import 相容性
通用檔案比對、複製、刪除工具已整合至 `Tools/files/`，並已打包為 `Tools/files/dist/TVRAFileCompareTool.exe`；此工具不綁定 YOLO，可用於未來 OCR 輸出、圖片、JSON、文字檔或其他資料夾同步流程。
##
- 目前進度：有version 5，正在測試不同的dataset對於模型表現的影響。
- 下個階段：把框找出來後使用OpenCV+Paddle+OCR實作OCR。
## 開發日誌
開發過程的詳細紀錄、模型版本演進與遭遇的技術挑戰，請參閱獨立的 [開發日誌 (DEVELOPMENT_LOG.md)](./DEVELOPMENT_LOG.md)。
## 授權條款 (License)
本專案採用 GNU Affero General Public License v3.0 (AGPL-3.0) 授權。詳細授權條款請參見 [.github/license.md](.github/license.md)。
## 免責聲明
本專案僅供開發研究使用，使用者應遵守當地法律法規，嚴禁用於惡意騷擾或非法用途。
## 如何貢獻
如果有任何疑問，歡迎隨時透過 Email 聯繫：qet6322076690@gmail.com