基于DeepSeek与卷积神经网络在非现场执法中的应用方案研究
张安齐 陈天煜 刘远兮 李宁^{（通讯作者）}

江苏警官学院，江苏省南京市，210031；

摘要：随着智慧城市建设以及智慧交通系统的逐渐成熟，在实际执法过程中，传统的固定摄像头存在执法视角有限、响应速度较慢、移动性较差等问题；而随着智慧警务的逐步开展，人脸识别作为协助公安机关进行有效执法的重要手段被提出。本文提出一种基于国产 DeepSeek 大模型结合 CNN 的无人机视频处理方案，实现 “巡检 — 检测 — 处罚” 的智能化管理。采用无人机群巡检技术实现交通管理，CNN + DeepSeek 实现实时违章检测并产生处罚依据，最终完成实时违章检测、取证及处罚。实验结果显示，基于无人机群巡检的交通管理具有准确度高、响应速度快、节约警力等特点。为建立独立自主的非现场执法系统提供了一套全新方案。

关键词：卷积神经网络；DeepSeek大模型；无人机图像识别；智能交通系统；非现场执法

参考文献

[1]于朋源,王伟,袁维,等.基于无人机摄影的高速公路边坡智能巡检技术研究[J].石家庄铁道大学学报(自然科学版),2025,38(03):69-74.DOI:10.13319/j.cnki.sjztddxxbzrb.20250064.

[2]王淳锦.数字媒体技术赋能无人机图像自动识别技术的应用优化研究[J].产品可靠性报告,2025,(06):41-42.DOI:CNKI:SUN:JDXZ.0.2025-06-009

[3]李娟田慧.无人机智能摄影中图像识别与目标跟踪技术的应用与创新[J].智慧中国,2025,(06):124-125.DOI:CNKI:SUN:ZHZG.0.2025-06-055.

[4]刘韵,郑艳芳.基于警用无人机运作的空地协同警务模式研究[J].福建警察学院学报,2024,38(04):17-28.DOI:CNKI:SUN:FJGA.0.2024-04-003.

[5]王卫斌.基于改进卷积神经网络的动态目标自动跟踪系统[J].自动化与仪器仪表,2025,(08):171-175.DOI:10.14016/j.cnki.1001-9227.2025.08.171.