综合5项百度大脑AI技术，快速构建智能交通方案

一、整体方案：
思路：整合百度AI功能，通过百度AI解决、优化在公交运行过程中遇到的运营、管理、安全等方面的问题。具体如下：

安全方面：
通过驾驶员检测+语音合成，对驾驶员状态进行实时检测，跟踪，告警。
通过人流量统计对车内人数进行跟踪，在人数过多的时候告警。
通过危险行为识别功能对驾驶室及车辆内部的危险行为进行识别，提出警告。并上传后台系统，启动安全预案，将危险控制在萌芽状态。

经营方面：
通过车内和车站人流量识别，判断车内乘客数量上传后台系统，对车辆调度计划进行优化。

整体方案如图所示：

二、相关功能介绍：
人流量统计
统计图像中的人体个数和流动趋势，以头肩为主要识别目标统计人数，无需正脸、全身照，适应人群密集、各种出入口场景，包括：
静态人流量统计：适用于3米以上的中远距离俯拍，以头部为识别目标统计图片中的瞬时人数；无人数上限，广泛适用于机场、车站、商场、展会、景区等人群密集场所
动态人流量统计：面向门店、通道等出入口场景，以头肩为识别目标，进行人体检测和追踪，根据目标轨迹判断进出区域方向，实现动态人数统计，返回区域进出人数
详细说明见：
https://ai.baidu.com/tech/body/num

驾驶行为分析：
针对车载场景，识别驾驶员使用手机、抽烟、不系安全带、双手离开方向盘等动作姿态，分析预警危险驾驶行为，提升行车安全性。可以针对出租车、客车、公交车、货车等各类营运车辆，实时监控车内情况，识别驾驶员抽烟、使用手机、未系安全带等危险行为，及时预警，降低事故发生率，保障人身财产安全
详细说明见：
https://ai.baidu.com/tech/body/driver

危险行为识别：
针对5s内的监控视频片段，识别行为类别，目前支持7类行为：单人-情绪性指人、单人-摔倒、单人-激烈抱怨、单人-砸东西、单人-正常、双人-危险（包含出拳/拉扯/推搡/激烈搂抱/砸按/踢踹等）、双人-正常。
详细说明见：
https://ai.baidu.com/tech/body/danger
文档：https://ai.baidu.com/docs#/Body-API/19f2f5e1
请求URL：https://aip.baidubce.com/rest/2.0/video-classify/v1/body_danger

三、关键调用代码（Python3）

#驾驶行为识别：
import urllib
import base64
import json
import time

#client_id 为官网获取的AK， client_secret 为官网获取的SK
client_id = 'XXXXXXXX'
client_secret = 'XXXXXXXXX'

#获取token
def get_token():
    host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=' + client_id + '&client_secret=' + client_secret
    request = urllib.request.Request(host)
    request.add_header('Content-Type', 'application/json; charset=UTF-8')
    response = urllib.request.urlopen(request)
    token_content = response.read()
    if token_content:
        token_info = json.loads(token_content)
        token_key = token_info['access_token']
    return token_key

#驾驶行为识别
def driver_behavior(filename):
    request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/driver_behavior"
    print(filename)
    # 二进制方式打开图片文件
    f = open(filename, 'rb')
    img = base64.b64encode(f.read())
    
    params = dict()
    params['image'] = img
    params = urllib.parse.urlencode(params).encode("utf-8")
    
    access_token = get_token()
    begin = time.perf_counter()
    request_url = request_url + "?access_token=" + access_token
    request = urllib.request.Request(url=request_url, data=params)
    request.add_header('Content-Type', 'application/x-www-form-urlencoded')
    response = urllib.request.urlopen(request)
    content = response.read()
    end = time.perf_counter()

    print('处理时长:'+'%.2f'%(end-begin)+'秒')
    
    if content:
        content=content.decode('utf-8')
        data = json.loads(content)
        print('人数:',data['person_num'])
        persons=data['person_info']
        print (persons)

#人流量统计
def body_num(filename):
    request_url = "https://aip.baidubce.com/rest/2.0/image-classify/v1/body_num"
    
    # 二进制方式打开图片文件
    f = open(filename, 'rb')
    img = base64.b64encode(f.read())
    
    params = dict()
    params['image'] = img
    params['show'] = 'true'
    params = urllib.parse.urlencode(params).encode("utf-8")
    #params = json.dumps(params).encode('utf-8')
    
    access_token = get_token()
    request_url = request_url + "?access_token=" + access_token
    request = urllib.request.Request(url=request_url, data=params)
    request.add_header('Content-Type', 'application/x-www-form-urlencoded')
    response = urllib.request.urlopen(request)
    content = response.read()
    person_num=0
    if content:
        #print(content)
        content=content.decode('utf-8')
        #print(content)
        data = json.loads(content)
        #print(data)
        person_num=data['person_num']
        print ('person_num',person_num)
    return person_num

#危险行为识别
#filename:原图片名（本地存储包括路径）
def body_danger(filename):
    request_url = "https://aip.baidubce.com/rest/2.0/video-classify/v1/body_danger"
    
    # 二进制方式打开图片文件
    f = open(filename, 'rb')
    img = base64.b64encode(f.read())
    
    params = dict()
    params['data'] = img
    params = urllib.parse.urlencode(params).encode("utf-8")
    #params = json.dumps(params).encode('utf-8')
    
    access_token = get_token()
    request_url = request_url + "?access_token=" + access_token
    request = urllib.request.Request(url=request_url, data=params)
    request.add_header('Content-Type', 'application/x-www-form-urlencoded')
    response = urllib.request.urlopen(request)
    content = response.read()
    if content:
        #print(content)
        content=content.decode('utf-8')
        #print(content)
        data = json.loads(content)
        print(data)
        for item in data['result']:
            print ('行为:',item['name'])
            print ('分数:',item['score'])

四、相关功能测试：

4.1 安全管理

（一）首先是驾驶行为分析，针对驾驶员的抽烟，打手机等不规范行为：