无人机AI识别,只是取证的第一步

有一次给甲方汇报无人机AI识别效果。

他问：“准确率多少？”

我说：“目前大概90%。”

他接着问：“剩下10%怎么办？”

我说：“需要继续优化，也需要人工复核。”

他又问了一句：

“既然还要人工，那我为什么要用AI？”

当时我没答上来。

后来我们真做了一套交通场景识别，才发现这个问题比“识别准不准”复杂得多。

无人机要在直播画面里识别行人横穿马路、违法停车、违法载人。识别出来之后，还要控制镜头放大、语音喊话、保存照片和视频，最后把证据传回交管平台。

模型框出一个目标，只是第一步。

后面的每一步，都可能吃掉那10%。

AI发现了目标，无人机却看向了别处

这个项目遇到的第一个问题，不是误判，而是延迟。

无人机把直播画面推到服务器，服务器收到视频帧，再交给AI识别。等结果返回时，画面里的车已经往前开了，无人机的位置和镜头角度也可能变了。

AI框出来的是“刚才那辆车”。

无人机执行放大和转向时，面对的已经是“现在的画面”。

中间哪怕只差一点时间，镜头都可能对不准。

这就出现了一个挺尴尬的场面：系统识别成功了，画面上也有框，镜头放大之后，车却跑到画面外面去了。

算法没认错，取证还是失败了。

我们的思路是给视频帧保留原始时间，计算这帧画面从产生到完成识别经历了多久，再结合无人机当时的位置、姿态和镜头方向，通过API补偿这段延迟。

同时把识别目标在画面里的X、Y坐标传给镜头控制，让云台朝目标所在区域移动并放大。

这里还计划引入边缘计算模块，让识别离无人机更近一些，尽量缩短视频传输和处理时间。

所以交通场景里的“准确”，不只是框画对了。

识别对、跟得上、镜头转得准，才算真的抓到了。

斑马线上的正常行人，被AI判成横穿马路

第二个问题才是大家熟悉的误判。

我们已经初步实现了行人横穿马路和违法停车识别，但到了红绿灯和斑马线附近，问题就出来了。

有人从斑马线上正常过街，AI可能报“行人横穿马路”。

有人沿着道路两旁正常行走，只是画面角度发生变化，也可能被判断成正在穿过道路。

有些车辆停在红绿灯或斑马线区域，系统也会产生违停误判。

单看一帧图片，AI只知道画面里有人、有车。它不知道这是不是允许通行的区域，也不知道这个人上一秒在哪里、下一秒准备往哪走。

要解决这个问题，光继续增加训练图片不够，还要把交通规则放进系统。

我们准备先在地图或画面中划出斑马线、红绿灯等特殊区域。目标进入这些区域时，不直接触发横穿或违停判断。

再结合无人机的X、Y、Z坐标和俯仰角，确定道路在画面中的实际范围。

对于道路范围外的行人，不能看到一个人就报警，而是连续看多帧：他是在道路两侧沿线行走，还是运动轨迹真的穿过了道路。

这时候，系统判断的已经不是“这是什么”，而是“它在哪里、正在怎么动、是否违反当前区域的规则”。

那10%里，有一部分不是模型没学好，而是业务规则还没说清楚。

识别出来，不等于拿到了证据

交通违法识别最后要交付的，不是一个红色检测框，而是一条能复核的证据。

违法停车还相对容易。车辆目标比较大，也相对稳定，系统可以控制镜头放大，记录视频和照片。

行人和违法载人就麻烦得多。

人一直在移动，目标又小。无人机需要持续跟踪目标，调整云台，让人始终留在画面里。想判断有没有人员超载，还得把画面放大到能看清人数。

目标跟丢了，后面的喊话和取证都无从谈起。

事故场景更难。

两辆车停在路上，是发生事故，还是临时停车？剐蹭算什么等级？人员倒地、道路拥堵、车辆损坏分别对应什么严重程度？

如果事故定义和分级标准都没有先定清楚，算法再努力，也不知道该在什么情况下报警。

即使识别出事故，还要解决镜头自动放大、对焦、拍摄关键画面和证据回传。

这些能力目前还在探索和优化，不能因为演示画面里出现了一个框，就说整套系统已经完成。

剩下的10%，其实是一整条链路

现在回头看，甲方问“剩下10%怎么办”，不能只回答“继续训练模型”。

这个交通项目里，问题可能出现在任何环节：

视频推流有延迟，识别的是过去的画面；
镜头没有对准目标，放大后什么也没拍到；
斑马线和红绿灯区域没有划清，正常行为被误判；
只看单帧，没有根据连续轨迹判断行人是否真的横穿；
目标跟踪中断，违法载人无法看清人数；
事故定义不明确，算法不知道什么情况应该报警；
识别完成了，却没有形成照片、视频和位置完整的证据。

模型准确率只是其中一个数字。

真正能不能用，要看从发现目标到完成取证，这条链路能不能跑通。

如果现在再让我回答

如果甲方再问：“AI不能做到100%，为什么还要用？”

我会告诉他，交管人员以前要盯着大量直播画面，靠人发现异常。人会疲劳，也不可能同时看很多路段。

AI可以先把疑似横穿、违停和违法载人的目标找出来，自动联动镜头和喊话，把需要人工关注的范围缩小。

人不需要一直盯着所有画面，但最后的规则确认、异常复核和执法判断，仍然要有人负责。

至于剩下的10%，有些要靠数据和模型继续优化，有些要靠区域规则、延迟补偿、目标跟踪和取证流程解决。

它不是一个孤零零的误差数字。

它就是项目从“演示能识别”，走到“现场真能用”之间的距离。