大模型接连落地交通场景，解决了什么难题，又会为行业带来哪些影响？

有没有技术能让卡口抓拍更准、减少这样的“误会”？赛文交通网了解到，近日海康威视发布了大模型交通卡口抓拍系列产品，在复杂场景下能够更准确识别司机未系安全带、玩手机、打电话等行为，相比原检测算法误报率降低75%以上。不仅能让“误会”在机器检测阶段被更好消除，减轻人工审核的压力，更能准确识别出未系安全带、开车使用手机等不安全驾驶行为，助力提升交通安全管理水平。

值得一提的是，就在发布这款产品前两天，海康威视还推出了大模型事件检测系列产品，针对高速公路抛洒物、停车等情况，识别更加高效、准确，为交通行业更多场景的智慧化管理提供助力。

大模型接连落地交通场景，解决了什么难题，又会为行业带来哪些影响？

据公安部发布数据显示，我国2024年机动车保有量达到了4.53亿辆。这意味着公安交通管理部门每天需要应对海量的交通事件，包含超速、闯红灯、不按规定车道行驶、违规停车、未系安全带等等。而在这每日数以万计的交通违法事件的识别中，卡口抓拍发挥着至关重要的作用。其发展历程与道路的不断延伸、车辆的日益增多密切相关，也见证着交通管理效率的显著提升。

早期，卡口抓拍的算法应用十分基础，主要用于识别车牌，大量违法行为需要人工巡查和审核，不仅任务重、效率低，难以对庞大的交通流量进行实时、全面的监测和分析，还可能导致大量图片因过期无法处理，使众多违法行为成为“漏网之鱼”。

2016年前后，随着AI时代的到来，卡口抓拍在智能应用上开始实现“从0到1”的跨越：深度学习算法的应用大幅提升卡口抓拍的准确率，并推动智能卡口抓拍实现规模化应用。海康威视等厂家也是在这个时期，实现了卡口抓拍单元的一体化设计，将智能识别算法，如车牌识别和行为分析等技术部署到了前端产品中，交通行业开始进入全新的AI时代，极大地提高了交通违法事件抓拍的准确性和效率。

“AI时代之前，卡口抓拍对识别车身、车型、车颜色等的准确率只有30%-40%，10条里有6、7条都是误报，这对交警来说是没法用的。”一位行业专家告诉赛文交通网，“直到AI时代的到来，车牌、车身颜色、车型的识别准确率几乎可以达到90%以上，车牌识别甚至可以达到99%。未系安全带和开车接打手机的识别准确率也提升约30个百分点，从而将这两项功能真正推向非现场执法实战应用。”

尽管深度学习算法已经实现了“准”，但随着交通行业的不断发展，产生的数据量呈爆炸式增长，传统深度学习算法在处理“疑难杂症“时，开始出现瓶颈。例如，车牌、车身颜色、车型等属于“标准样本”，识别相对容易；但打电话、玩手机等行为存在很多“非标准情况”，容易产生误检。在识别安全带时，低对比度、遮挡、复杂姿态等因素容易导致误报；在识别打电话时，抬手、握物、眼神非正视等动作也容易被误判。而且检测效果容易受卡口抓拍机安装位置、角度、光照等因素的影响，导致效果不稳定，人工智能在不同场景的泛化性应用能力不足。

这些误报不仅增加了部署、运维成本，还会降低用户对事件响应的信任度，因此，处理“疑难杂症”，实现不同场景下更稳、更准的识别，成为卡口抓拍发展的又一“硬骨头”。

“这就好比一个学生，发挥好的时候能考接近满分，遇到难一点的题只能考70多分。我们现在需要的就是让卡口抓拍在不同场景下都能稳定发挥，保持高准确率。”某交警大队相关负责人告诉赛文交通网。突破这一瓶颈之后，将带来更精准的执法，减少因误判导致的纠纷，增强执法公信力。并促使驾驶员遵守交通规则，提升整体交通安全性，降低交通事故发生率，为构建安全、有序的交通环境提供保障。

如何解决复杂场景识别更准，以及AI在不同场景都能保持识别稳定性的行业检测难题？大模型成为关键。

在未系安全带、打电话、玩手机等交通违法事件检测业务中，传统深度学习算法是把图像分割成一块一块，像看拼图一样，先看局部细节，再拼凑成整体。识别安全带时，容易对低对比度、遮挡、复杂姿态等产生误报；识别打电话时，容易对抬手、握物、眼神非正视等产生误报。

针对以上问题，海康威视在观澜大模型基础上，利用行业知识预训练和微调，使模型在事件检测领域具备专家级别能力。相较于行业传统的卷积网络，基于Transformer架构的模型，具备更深层次的网络架构，更强的全局特征提取能力和上下文建模能力，模型的泛化性更强，系统性解决了复杂场景下的误检、漏检难题。

加持视觉大模型后，卡口抓拍系列产品在检测司机是否系安全带时，可以通过大模型全局关联和语义理解，即使安全带被部分遮挡，雨刷等非安全带造成错觉，也能通过人体坐姿、残留可见部分、轮廓与人体等综合判断进行准确识别。海量预训练数据和深层次结构，还能够对复杂场景和非标准形态的安全带检测适应性更强，比如精准识别安全带封套等。

检测打电话、玩手机等行为时，大模型的自注意机制也发挥了重要作用，不再过度依赖局部特征，如手机外形等。产品会同时分析手与人体的接触、视线、交互动作以及车内结构等，通过手机和驾驶员的关联关系进行准确识别。

值得一提的是，将大模型直接部署至边缘端摄像机，实时性、数据丰富度进一步增强，避免后端网络传输延迟，原始数据丰富性优于至后端再做智能分析。“比如一张抓拍图片原始数据有十几兆大小，传输到后端需要做压缩很可能会损失精度。那直接在前端分析更精细的数据会有更好的效果。”

不止是抓拍场景，这次海康威视还发布了大模型交通事件检测系列产品，在抛洒物检测方面结合大模型应用，大幅提升了检测效果，减少树影、水渍、标线、标牌等因素的干扰；停车检测时，大模型能精准区分标牌、缓行车辆、施工车辆，并基于车辆停留时长、位置偏离车道线的动态特征进行综合判断，大幅降低了误报率。

从卡口抓拍到高速公路，从“看得见”“看得清”到“看得懂”，大模型的应用进一步提升了交通行业产品创新能力。未来，随着技术的不断发展和应用场景的持续拓展，大模型有望为交通行业更多场景带来惊喜，推动交通管理朝着更加智能化、高效化的方向迈进，让人们的出行更加安全、便捷。