大家好，我是等风来，一名热爱夜骑的骑行爱好者，也是 AI 技术的积极探索者。平时工作之余最大的爱好就是夜骑，穿梭在城市的大街小巷感受自由的风。但几次与后方来车擦肩而过的惊险经历，让我决心用 AI 做点什么。这次参赛，我想把「让每一次夜骑都更安全」这个朴素愿望，变成一个真正能用、好用的产品。
一、Demo 简介
夜骑时，一辆汽车从身后高速驶来，我完全没有任何预警，直到它几乎擦身而过才听到声音。那一刻我意识到：骑行者亟需一个"智能后视镜"。
夜骑守卫（NightRide Guardian） 是一款专为夜间骑行者设计的 AI 安全预警 Web 应用。纯前端实现，打开浏览器即可使用，无需安装任何 App。
面向人群
夜间骑行的骑行爱好者
夜间通勤骑行的上班族
外卖/快递夜间配送骑手
核心功能
功能 说明
AI 实时目标检测 基于 TensorFlow.js + COCO-SSD，实时检测后方行人、自行车、汽车、摩托警系统** 多帧面积增长 + 垂直位移分析，仅对"真正靠近"的目标发出预警，大幅降低误报
语音安全播报 检测到来车时自动语音播报距离，如"注意后方来车距离你约 15 米"
夜间视觉增强 HDR 色调映射 + Gamma 校正滤镜，弱光场景自动增强可见度
车灯辅助检测 亮斑检测算法识别车辆大灯，辅助区分汽车和摩托车
安全仪表盘 实时状态、预警次数、安全评分（S/A/B/C）
骑行记录 自动保存历史骑行预警数据
使用场景
将手机通过头盔支架固定，摄像头朝向后方，即可实时监测后方来车：
界面展示
应用首页–支持上传视频或调用摄像头实时监测，右侧仪表盘显示安全状态与骑行记录：
实时监测画面 — 夜间街道实测效果，AI 实时检测并语音预警：
二、Demo 创作思路
灵感来源
我是一名资深骑行爱好者，经常在夜间骑行。亲身经历过多次因未及时发现后方来车而险些被撞的危险场景。有一次夜骑时，一辆汽车从我身后高速驶来，我完全没有任何预警，直到它几乎擦身而过才听到声音。那一刻我深刻意识到：骑行者亟需一个"后视镜的智能替代品"。
传统自行车没有后视镜，骑行者无法感知后方来车；电动车静音靠近，等听到声音时往往已经太近。这些痛点每天都在威胁着骑行者的安全。
为什么选这个方向
真实痛点：中国有超过 3 亿骑行人口，夜间骑行安全事故频发
零门槛使用：纯 Web 应用，无需下载安装，手机浏览器打开即用
技术可行：浏览器端 AI 推理已足够成熟，无需后端服务器
社会价值：用 AI 守护每一位夜行者的安全
三、Demo 体验地址
在线体验： 夜骑守卫 NightRide Guardian
仓库地址：https://github.com/jpkb911/nightride-guardian
HTML文件：
nightride-guardian-demo.zip (3.7 MB)
使用方式：
用手机浏览器打开链接（推荐 Chrome / Edge）
点击"摄像头"按钮，允许摄像头权限（建议使用后置摄像头）
将手机固定在头盔支架上，摄像头朝向后方
应用自动检测靠近目标并语音播报预警
四、TRAE 实践过程
整个项目完全基于 TRAE Work 开发完成。
开发流程
基于 PRD 文档自动生成完整项目 — TRAE Code 4 分 35 秒生成包含 8 大功能模块的完整实现
核心检测逻辑迭代 — 多目标跟踪算法（IoU 匹配、面积增长判断、运动方向分析）
夜间场景专项优化 — 反复迭代检测效果，引入 HDR 滤镜、车灯检测等
UI 风格优化 — 参考 TRAE 官网设计系统，AI 自动生成完整视觉规范
一键部署上线 — TRAE Work 自动完成 Git 仓库创建、文件上传、GitHub Pages 配置
关键技术亮点
1. 多目标跟踪与靠近判断
为每个目标维护 6-8 帧的面积历史
同时满足"面积增长率 > 阈值" AND “垂直向下位移"才判定为"靠近”
引入滞后策略：一旦判定靠近，降低解除阈值，避免闪烁
2. 车辆分类校正
COCO-SSD 在夜间容易将汽车误识别为摩托车
几何后处理：宽高比 > 1.4 且面积 > 5000px → 校正为汽车
车灯检测辅助：双灯组合 → 汽车，单灯 → 摩托车/电动车
3. 夜间视觉增强
SVG Gamma 校正滤镜（gamma=0.4-0.55），GPU 加速零 CPU 开销
HDR 色调映射滤镜，专门处理强光车灯场景
自适应亮度阈值：基于画面平均亮度 + 55 的动态阈值
开发关键步骤截图：
TRAE Code 基于 PRD 文档自动生成完整项目
在 TRAE Work 中查询检测算法实现细节
参考 TRAE 官网风格优化 UI 设计
一键部署到 GitHub Pages
关键任务 Session ID
Session ID 1：基于 PRD 自动生成完整项目 — 6a39457755e11cb8ea4b1316
Session ID 2：夜间检测效果迭代 — 6a39457755e11cb8ea4b1319
Session ID 3：车辆分类校正与车灯检测 — 6a39457755e11cb8ea4b1317
Session ID 4：检测算法分析与调试 — 6a43c5cf378191c60d13ead8
Session ID 5：UI 风格优化 — 6a3d272ebe99f72145ca19a6
Session ID 6：一键部署上线 — 6a53035d653bea9201f71548
五、参赛报名帖
报名帖链接： 社会服务赛道 + 夜骑守卫（NightRide Guardian）—— 基于旧手机的自行车夜骑后方来车智能预警系统
六、技术栈
前端：纯原生 HTML5 + CSS3 + JavaScript
AI 推理：TensorFlow.js + COCO-SSD（MobileNet V2）
计算机视觉：Canvas 2D + SVG Filters（GPU 加速）
语音：Web Speech API
部署：GitHub Pages
七、未来规划
优化移动端体验（适配不同手机尺寸、骑行防误触模式）
支持更多目标类型（三轮车、卡车）
更精准的距离估计算法
PWA 离线使用，推送通知预警
骑行轨迹记录与回放
接入天气数据，恶劣天气自动提高预警灵敏度