穿黑色衣服被誤判為沒系安全帶、撓耳朵被誤判為打電話、手機放在支架上被誤判為玩手機……過去交通抓拍機對這些復雜場景下的誤判讓司機們煩心，對交通違法事件檢測業務來說也是個難題，不僅帶來更多的人工審核量，還可能影響判罰準確性。

    為提升交通卡口抓拍檢測精準度，�？低�視基于�？涤^瀾大模型技術體系將大模型能力直接部署至交通卡口抓拍系列產品上，相比傳統檢測算法，安全帶、打電話、玩手機等行為誤檢率降低75%以上(根據項目實測數據)。

    加持視覺大模型之后，交通卡口抓拍系列產品不僅能讓“誤會”在機器檢測階段被更好消除，減輕人工審核的壓力，更能準確識別出未系安全帶、開車使用手機等不安全駕駛行為，助力提升交通安全管理水平。

    從看局部到看整體，更加“敏銳”

    在交通違法事件檢測業務中，傳統深度學習算法是把圖像分割成一塊一塊，像看拼圖一樣，先看局部細節，再拼湊成整體。識別安全帶時，容易對低對比度、遮擋、復雜姿態等產生誤報；識別打電話時，容易對抬手、握物、眼神非正視等產生誤報。

    加持視覺大模型后，在不同場景下的識別更加準確。例如，在安全帶檢測方面，通過大模型全局關聯和語義理解，即使安全帶被遮擋，雨刷等非安全帶造成錯覺，也能通過人體坐姿、殘留可見部分、輪廓與人體等綜合判斷進行準確識別。海量預訓練數據和深層次結構，還能夠對復雜場景和非標準形態的安全帶適應性更強，比如精準識別安全帶封套等。在打電話或者玩手機的檢測中，通過大模型的自注意機制，不再過度依賴局部特征，手機外形等，同時分析手與人體的接觸、視線、交互動作以及車內結構等，通過手機和駕駛員的關聯關系準確識別。

    交通卡口抓拍機產品矩陣，滿足不同需求

    目前，視覺大模型加持的海康威視交通卡口抓拍系列產品，通過深度挖掘不同信息間的潛在關系，增強了對復雜交通場景的全面感知能力，突破低對比度、遮擋、復雜姿態等復雜環境帶來的性能瓶頸，滿足不同的交管業務需求。

    如生態卡口抓拍單元采用單SENSOR(傳感器)技術方案，將傳統畫質優化經驗與AI-ISP技術深度融合，在滿足一級補光標準的前提下，實現對車身/車窗/車牌的高清還原，結合大模型，有效降低未系安全帶、玩手機、打電話等危險駕駛行為的誤檢率；環�？�口抓拍單元同時集成了大模型技術和雙光融合技術，在成像環節減弱對可見光的依賴，減少補光燈對駕駛員人眼的干擾。夜晚低照度下車窗真實還原，抓拍的圖片及車窗特征更豐富，并能提供可見光和紅外圖像，進行視覺大模型算法識別分析，對危險駕駛行為預警如未系安全帶、駕駛過程中接打電話等行為的檢測準確率更高。

    不止于交通卡口抓拍系列產品，�？低�視基于觀瀾大模型技術體系還將不斷創新，持續研發助力交通場景更智能、安全、高效