| 项目编号: | ITP/049/22LP |
| 项目标题: | 基于视频分析的异常检测去厘定各地下雨水渠损坏程度 的严重性 |
| 研发单位: | LSCM 研发中心 |
| 概要: | 这个种子项目旨在开发一种基于无监督机器学习、神经网络计算和计算机视觉技术的自动 方法，以分析在地下雨水渠内拍摄的视频内容，以帮助发现结构和功能相关的异常情况。 这种异常情况可能会危及整体保护基础设施的完整性，以维持必要的斜坡安全免受山泥倾 泻，特别是对于香港人口稠密的山坡地区。研发方法涉及使用深度学习方法来提取图像特 征，以对地下排水沟的视频图像进行矢量化处理。由于无法获得关于如何在不同排水管内 呈现损坏或缺陷的具体知识，因此使用无监督机器学习技术将所有矢量化图像聚类到不同 的组别中。然后将生成的图像集群可视化，以识别具有损坏相关问题的组别，并随后通过 计算优先次序确定有缺陷的排水管的严重程度，以确定修复工作的优先次序。香港房屋委 员会（房委会）是斜坡管理机构之一，负责调查约 130 个山坡公共屋村斜坡下地下雨水渠 的结构完整性。这项目计划使用房委会的排水视频作为开发原型工具的基础，以帮助检测 损坏或异常情况。由此产生的异常检测能力可能有助于交叉验证手动调查结果的一致性和 手动捕获的地下雨水渠视频的可见性。研发工作可能会带来更多应用此类异常检测视频分 析的机会，以帮助加强与质量相关的课题，采用调查基础设施的视频数据以达到保存和安 全目的。 |
| 项目统筹员: | 吴道宾博士 |
| 资助金额: | 港币二百七十六万 |
| 项目周期: | 2023年2月1日 - 2024年4月30日 |
