在高速公路交通事件檢測(cè)領(lǐng)域，受限于模型規(guī)模與泛化能力，一些復(fù)雜場(chǎng)景下拋灑物、停車(chē)、行人等事件的誤報(bào)、漏報(bào)一直是行業(yè)的瓶頸。

海康威視基于多年的行業(yè)沉淀，依托觀瀾大模型的技術(shù)底座，構(gòu)建道路事件等行業(yè)場(chǎng)景專(zhuān)用的數(shù)據(jù)模型，與智能硬件深度融合，推出新一代事件檢測(cè)系列產(chǎn)品，精準(zhǔn)檢測(cè)道路異常事件，助力保障道路安全暢通。

看懂、讀準(zhǔn)，讓道路更聰明

傳統(tǒng)交通事件檢測(cè)算法高度依賴(lài)人工標(biāo)注的特定場(chǎng)景數(shù)據(jù)，需針對(duì)每類(lèi)事件單獨(dú)采集樣本并訓(xùn)練模型，導(dǎo)致實(shí)際應(yīng)用中常因樣本覆蓋不全而出現(xiàn)漏檢誤判。例如，雨天路面積水時(shí)，容易誤報(bào)為拋灑物。

以一條布設(shè)了1500路攝像機(jī)的高速路段來(lái)舉例，傳統(tǒng)算法日均能感知1000余次事件，如何減少其中無(wú)效的事件，降低人工復(fù)核的工作量，提升真實(shí)異常事件從發(fā)現(xiàn)到處置的響應(yīng)速度，將是提升高速公路運(yùn)營(yíng)效率的關(guān)鍵。

?？低曉谟^瀾大模型基礎(chǔ)上，利用行業(yè)知識(shí)預(yù)訓(xùn)練和微調(diào)，使模型在事件檢測(cè)領(lǐng)域具備專(zhuān)家級(jí)別能力。相較于行業(yè)傳統(tǒng)的卷積網(wǎng)絡(luò)，基于Transformer架構(gòu)的模型，具備更深層次的網(wǎng)絡(luò)架構(gòu)，更強(qiáng)的全局特征提取能力和上下文建模能力，模型的泛化性更強(qiáng)，系統(tǒng)性解決了復(fù)雜場(chǎng)景下的誤報(bào)、漏報(bào)難題。

例如，拋灑物檢測(cè)中，結(jié)合大模型應(yīng)用可大幅提升拋灑物體檢測(cè)效果，不再受困于樹(shù)影、水漬、標(biāo)線、標(biāo)牌等干擾;停車(chē)檢測(cè)中，通過(guò)大模型精準(zhǔn)區(qū)分標(biāo)牌、緩行車(chē)輛、施工車(chē)輛，基于車(chē)輛停留時(shí)長(zhǎng)、位置偏離車(chē)道線的動(dòng)態(tài)特征綜合判斷，大幅降低了誤報(bào)。

多元產(chǎn)品矩陣，滿(mǎn)足多場(chǎng)景需求

大模型加持的海康威視事件檢測(cè)系列產(chǎn)品，通過(guò)提取多維信號(hào)中的有效信息，挖掘不同模態(tài)信息間的潛在關(guān)系，增強(qiáng)了對(duì)物理世界的全面理解，突破晝夜、雨霧等各類(lèi)環(huán)境下的性能極限，從邊緣端到中心端助力規(guī)?；膽?yīng)用落地。

一、 邊緣端感知設(shè)備，秒級(jí)檢出，精準(zhǔn)識(shí)別

事件檢測(cè)雷視一體機(jī)，基于毫米波雷達(dá)全天候高精度測(cè)距測(cè)速能力，在暗光/雨霧等極端場(chǎng)景下實(shí)現(xiàn)違停車(chē)輛、道路異常的秒級(jí)初步檢測(cè);再通過(guò)大模型推理，對(duì)多類(lèi)型特征進(jìn)行決策級(jí)融合，兼顧復(fù)雜環(huán)境下的高檢出率與高準(zhǔn)確率需求。

事件檢測(cè)攝像機(jī)，內(nèi)置道路專(zhuān)用 AI ISP圖像處理算法，有效抑制車(chē)輛遠(yuǎn)光燈對(duì)圖像影響，保障夜間圖像亮度和清晰度。結(jié)合大模型，對(duì)拋灑物、行人闖入等事件進(jìn)行精細(xì)化分類(lèi)過(guò)濾，在本地完成實(shí)時(shí)分析，有效降低誤報(bào)率。依托設(shè)備端算力，擺脫云端依賴(lài)，顯著降低網(wǎng)絡(luò)傳輸壓力。

二、 中心端設(shè)備，利舊復(fù)用，降本增效

事件檢測(cè)終端/服務(wù)器加持大模型推理能力，可無(wú)縫對(duì)接既有視頻感知系統(tǒng)及存儲(chǔ)設(shè)備，實(shí)現(xiàn)舊資源的復(fù)用。邊緣節(jié)點(diǎn)專(zhuān)注實(shí)時(shí)事件檢測(cè)，中心服務(wù)器負(fù)責(zé)多源數(shù)據(jù)關(guān)聯(lián)，在保證低延遲響應(yīng)的同時(shí)滿(mǎn)足不同規(guī)模場(chǎng)景的智能化需求。

交通事件檢測(cè)系列產(chǎn)品基于?？低曈^瀾大模型技術(shù)體系，助力智能應(yīng)用的性能和效果提升。后續(xù)將持續(xù)探索大模型技術(shù)，結(jié)合觀瀾多模態(tài)大模型的圖文理解與推理能力，拓展在道路事故、道路塌陷、異常天氣等場(chǎng)景化的應(yīng)用，更好地理解道路，持續(xù)推動(dòng)行業(yè)智慧升級(jí)。