導語:科達重磅發(fā)布全新一代低光污染車輛卡口產(chǎn)品——AI超微光卡口,能夠在夜間微光條件下抓拍清晰的車輛及車內(nèi)司乘人員照片,從源頭解決光污染問題。
7月31日,科達重磅發(fā)布全新一代低光污染車輛卡口產(chǎn)品——AI超微光卡口。該產(chǎn)品能夠在夜間微光條件下抓拍清晰的車輛及車內(nèi)司乘人員照片,從源頭解決光污染問題。
▲圖一:科達AI超微光卡口夜間補光實拍
▲圖二:科達AI超微光卡口抓拍圖片
科達AI超微光卡口的實現(xiàn)原理
科達AI超微光卡口,采用獨創(chuàng)的人工智能低照度增強算法,提升攝像機的夜間成像效果。夜間只需一個低照度的LED定向補光燈,在駕駛人及周圍居民基本無感知的補光條件下,實現(xiàn)車內(nèi)人臉的高清抓拍。
科達AI超微光卡口的價值
對駕駛人而言,在黑暗環(huán)境下,頻閃燈或常亮燈的部署不當,極易導致短暫致盲,影響道路駕駛安全。從上述視頻可以看到,采用科達AI超微光卡口后,當駕駛人駕車正面經(jīng)過卡口24米處時,實際上卡口已經(jīng)開始工作,但駕駛人感知微弱。
對周邊居民而言,由于科達AI超微光卡口對補光條件依賴度很低,燈的亮度非常弱,補光能量很小,當卡口工作時基本無感知,光污染擾民問題得到大幅緩解。
對公安實戰(zhàn)而言,因科達AI超微光卡口采用深度學習低照度增強算法,即使在這樣的補光條件下,仍然能夠清晰呈現(xiàn)車內(nèi)人臉與駕駛行為,且無偏色,實現(xiàn)全天候車輛、人員信息的精準采集。
延伸閱讀:
為什么需要低光污染型卡口?
由于成像技術的局限性,傳統(tǒng)卡口要能看清車內(nèi)司乘人員,普遍做法是配備高強度的爆閃燈進行補光,這樣就不可避免的帶來了越來越普遍的光污染問題??邳c位越多,補光燈越多,光污染也就越嚴重。尤其是夜間,長期的光污染不僅影響道路周邊居民的日常生活,還直接威脅著交通參與者的駕駛安全。
目前市面上的“環(huán)保”卡口能否解決光污染問題?
近年來,市場上出現(xiàn)了一批主打“環(huán)保”概念的卡口產(chǎn)品,這類產(chǎn)品采用紅外爆閃+暖光LED補光相結合的方案,雖然解決了晚上白光爆閃的光污染問題,但仍存在以下幾個問題:
第一, 汽車前檔玻璃貼膜針對紅外光透光率較差,有些車輛會因為貼膜導致無法抓拍到清晰的人臉照片(見下圖三)。
第二, 車內(nèi)人員如穿戴特殊紅外反光材料做成的衣服、飾品,會引起抓拍照片的色彩還原失真,導致抓拍照片失去舉證的合法性(見下圖四)。
第三, 為了獲得色彩還原效果,導致對頻閃補光燈的依賴仍然較高,燈的亮度在夜間仍然較強,光污染問題仍然較為明顯(見下圖五)。
▲圖三:同一地點,右車采用高紅外阻隔的前擋風玻璃貼膜,導致無法看清駕駛人臉部
▲圖四:同一車內(nèi)的同一駕駛員,在紅外光表現(xiàn)下,黑色衣服變成了白色
▲圖五:“環(huán)保型卡口”夜間補光燈依然很亮
科達AI超微光卡口如何做到真正的低光污染?
與業(yè)內(nèi)當前普遍的做法不同,科達AI超微光卡口創(chuàng)新性的采用了自主研發(fā)的深度學習低照度增強算法,在解決光污染問題上邁出了重要一步。
該算法對夜間低照情況下車輛卡口的圖像抓拍問題進行了數(shù)學建模,設計了一個端到端的深度學習模型。在低照環(huán)境下,該模型跳過了傳統(tǒng)意義的攝像機ISP成像方式,通過對大量卡口抓拍圖片的學習,直接對傳感器輸入數(shù)據(jù)進行圖像恢復,大幅減少了卡口對補光燈的依賴,在提升圖像亮度的同時,充分還原物體顏色與紋理等細節(jié)信息。該算法不僅大幅度提升了人眼對抓拍圖像的主觀體驗,也為后續(xù)的諸多智能算法,如車輛特征分析、駕乘人員分析等,打下了堅實的基礎。
- vivo胡柏山:MR不是終點,而是家庭機器人的必經(jīng)之橋
- 聯(lián)想攜手星動紀元,打造人形機器人智慧展廳新標桿
- 曜影醫(yī)療上海推AI長壽門診,數(shù)字化管理能否破解衰老密碼?
- 北京共享充電寶新規(guī):5分鐘內(nèi)免費,亂收費時代終結!
- 吉利基礎流量調(diào)整引熱議,官方承諾用戶權益不受影響
- 企業(yè)微信出海,AI同傳打破語言壁壘
- 企業(yè)微信5.0上線AI新功能,智能表格、企業(yè)名片能否提升辦公效率?
- 企業(yè)微信5.0上線AI三件套:搜索、總結、機器人,效率工具再升級
- 谷歌因兒童數(shù)據(jù)收集支付3000萬美元和解金,YouTube隱私漏洞再引關注
- DeepSeek R2缺席,V3.1意外登場:一場技術迭代的意外插曲
免責聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性,但不保證有關資料的準確性及可靠性,讀者在使用前請進一步核實,并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏,概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時,應及時向本網(wǎng)站提出書面權利通知或不實情況說明,并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后,將會依法盡快聯(lián)系相關文章源頭核實,溝通刪除相關內(nèi)容或斷開相關鏈接。