在交通管理中，面向非机动车的管控，由于违法行为复杂、管控对象多样，一直是老大难问题。近年来，受互联网发展影响，快递物流行业及餐饮业外卖配送业务的发展迅速，非机动车尤其是电动自行车由于其经济、轻便的特点，成为大多数配送人员的首选。由于缺乏有效管控，由非机动车违法导致的事故逐年增长。
以南京市为例：根据数据统计，南京市在2017年上半年共发生涉及外卖送餐电动车各类事故3242起，共造成3人死亡，2473人受伤。其中外卖电动自行车存在交通违法行为的有2807起，仅有193起交通事故外卖送餐电动自行车完全不承担交通事故责任，外卖送餐电动自行车在交通事故总数中违法担责率高达94.04%。通过对交通事故进行分析发现，送餐电动自行车的闯红灯、走机动车道和逆向行驶三种交通违法行为非常突出，共占到引发交通事故违法总数的78.3%。同时，部分外卖送餐员发生交通事故后并没有积极配合警方进行处理，反而逃离现场企图逃避事故责任的也有242起，共造成170人受伤。
受制于警力不足的现状，目前针对交通管理广泛采用基于交通技术监控相机为主的非现场执法手段。但传统的交通摄像机针对非机动车无法进行有效管控。近年来，人工智能技术的发展，交通监控相机技术的发展趋势正逐步面向更全面和更精细化的交通管理需求。利用非现场执法手段针对非机动车的管理，尤其是针对非机动车非法行为的管控，成为了可能。
a) 前端子系统：包含信号灯检测器（路口场景配置）、非机动车检测单元、补光灯、终端服务器、主要实现违法行为识别抓拍、人脸抠图、图片视频缓存功能；
b) 传输子系统：实现前端与后端平台通讯，前端图片、视频上传及平台控制信令下发；
c) 后端管理子系统：中心平台实现违法审核，系统管理；4U脸谱，实现人脸图片结构化、实时建模和比对分析功能。
非机动车闯红灯抓拍流程
非机动车闯红灯抓拍流程：在检测到信号灯状态为红色时，检测到非机动车闯红灯，抓拍3张闯红灯过程图片，并扣取人脸图，4张图片合成为一张完整的证据图片。
非机动车逆行抓拍流程
非机动车逆行抓拍流程：当检测区域内检测到非机动车时，判断非机动车行车方向与系统预设的正常行驶方向是否相反，相反，则抓拍2张逆行过程图片，并扣取人脸图，2张图片合成为一张完整的证据图片。
非机动车占用机动车道抓拍流程
非机动车占用机动车道抓拍流程：检测区域覆盖机动车道，当检测区域内检测到非机动车时，则判定该非机动车存在占用机动车道的行为，则抓拍2张占道过程图片，并扣取人脸图，3张图片合成为一张完整的证据图片。
平台违法处理流程
前端抓拍的人脸图片进入后段进行云分析建模，与常住人口建模库的模型进行比对，输出相似度结果，经过人工审核确认违法者身份信息，如无需人工审核，则自动按照最高相似度作为违法者身份，完成入库操作。平台根据违法者信息，对违法行为进行频次统计，用户可根据违法频次的不同，给予违法者不同程度的处罚，并将违法数据进行其他业务应用。
非机动车闯红灯抓拍现场布局
路口场景可借用红绿灯杆件，高度4米左右，增加横臂杆架设，其他情况请重新立杆保证抓拍效果高度要求与借杆一致。
非机动车占用机动车道场景架设
架设方式参考失驾系统前端架设方式，立杆6米，可借已有卡口杆件安装或单独立杆，相机视野面向来车方向，覆盖所有机动车道（可单独覆盖与非机动车道相邻的2个车道）。
非机动车逆行场景系统布局
架设方式参考试驾人员管控系统，立杆6米，可借已有卡口杆或单独立杆，相机视野与行车方向相同。
1) 非机动车违法行为抓拍功能
在灯控路口场景下，系统可实现对非机动车违法行为的识别、跟踪和抓拍，以及违法图片的合成。
在路段场景下，系统可实现对非机动车逆行、占道等行为的识别、跟踪和抓拍与证据图片合成。
2) 违法非机动车驾驶人人脸数据提取功能
一体化检测单元支持人脸提取采集功能，能够对经过设定区域的违法非机动车驾驶人人员进行人脸提取，可根据外部不同场景以及光照变化自动控制调节曝光参数，确保在逆光等情况下抓拍人脸仍较为清晰；
3) 信号灯状态检测
路口信号灯检测器可实现信号灯状态的检测，信号灯检测器支持8个信号灯状态的检测，建议每个路口配置一个。
4) 联动告警
系统通过语音提示的警示方式，规范非机动车驾驶人的路口、路段交通行为，能够降低非机动车违法引发的交通事故和提高市民文明交通意识，系统采用图像识别自动检测算法，自动检测非机动车违法的现象；
一旦发现违章行为，能够以语音的方式给予警示。
5) 远程配置及维护
系统支持在前端通过人机交互界面进行现场配置和在中心进行远程配置，能够对检测区域、人脸抠图、抓拍标记位置等参数进行设置；可实现系统远程重启、复位等远程维护。
在线留言