iOS 应用 · 实时检测

行车违规
智能检测系统

基于深度学习与端侧推理,实时识别车牌、判定违规行为, 在设备本地完成全流程处理,无需上传视频数据。

查看工作流程 技术架构
YOLOv8车辆检测
MNN端侧推理
4K最高分辨率
60fps实时录像
核心功能

专为执法场景设计

从车牌识别到违规判定,全链路在本地完成,数据不离设备。

实时车牌识别
双模型级联:YOLOv8 定位车辆区域,LPR 模型精准识别车牌字符,支持蓝牌、绿牌、新能源牌照。
停留时长计算
持续追踪同一车牌在画面中的出现时长,结合 GPS 坐标判定是否构成违规停车。
鸣笛音频检测
双级高通滤波 + 中低频能量比算法,在行驶风噪中精准识别车辆鸣笛,自动截取前后 10 秒片段。
GPS 地址标注
每条违规记录自动附加经纬度坐标与逆地理编码地址,支持一键导航到违规地点。
CSV 导出
一键将全部违规记录导出为标准 CSV 格式,包含车牌、坐标、停留时长、时间戳等字段。
账户权限系统
服务端鉴权、邀请码注册、极验人机验证、Apple 登录,多层安全保障,支持后台封禁与版本推送。
技术架构

端侧优先
隐私保护

所有推理在设备本地运行,视频数据永不离开手机。

MNN 推理引擎 — Metal GPU 加速,低延迟实时推理
YOLOv8n — 轻量目标检测,车辆定位
PP-OCRv4 — 车牌字符识别,中文字符支持
AVFoundation — 4K/60fps 硬件编码录像
SwiftUI + Combine — 响应式 UI,MVVM 架构
PHP + MySQL — 轻量服务端,签名鉴权
// 车辆检测 + 车牌识别级联 let vehicles = engine .detectVehicles( pixelBuffer, confidenceThreshold: 0.25, iouThreshold: 0.45 ) for box in vehicles.map({ $0.boundingBox }) { LicensePlateRecognizer .shared .recognize( pixelBuffer: pb, vehicleBox: box ) { result in // result.plateNumber // result.confidence } }
工作流程

从录像到证据

五个步骤完成从原始视频到结构化违规记录的全流程处理。

01
摄像头采集
AVFoundation 硬件采集,最高 4K 60fps,实时写入循环缓冲区
02
车辆检测
YOLOv8n 每帧检测车辆位置,Metal GPU 加速,延迟低于 30ms
03
车牌识别
裁剪车辆区域送入 LPR 模型,输出车牌号与置信度
04
违规判定
结合停留时长、GPS 坐标、违规类型,生成结构化违规记录
05
存档上报
截图 + 视频片段 + CSV 记录本地存档,支持一键导出
关于项目

Traffic Demo

这是一个面向执法辅助场景的 iOS 行车记录仪应用, 集成了目标检测、车牌识别、音频分析等多项 AI 能力, 全部在设备端完成推理,保护数据隐私。

iOS 17+ Swift 5.9 SwiftUI MNN YOLOv8 CoreLocation AVFoundation PHP 8.2 MySQL 8
2026 / 03
v1.0 发布 — 车牌识别、违规判定、GPS 标注核心功能上线
2026 / 03
鸣笛检测 — 双级高通滤波 + 能量比算法,适配行驶风噪环境
2026 / 03
账户系统 — 邀请码注册、Apple 登录、极验人机验证、后台管理
进行中
4K 录像优化 — 硬件编码、循环缓冲区、多格式存储支持