科達(dá)重磅發(fā)布AI超微光卡口

導(dǎo)語：科達(dá)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(dá)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(dá)AI超微光卡口夜間補(bǔ)光實(shí)拍

　　▲圖二：科達(dá)AI超微光卡口抓拍圖片

科達(dá)AI超微光卡口的實(shí)現(xiàn)原理

科達(dá)AI超微光卡口，采用獨(dú)創(chuàng)的人工智能低照度增強(qiáng)算法，提升攝像機(jī)的夜間成像效果。夜間只需一個(gè)低照度的LED定向補(bǔ)光燈，在駕駛?cè)思爸車用窕緹o感知的補(bǔ)光條件下，實(shí)現(xiàn)車內(nèi)人臉的高清抓拍。

科達(dá)AI超微光卡口的價(jià)值

對駕駛?cè)硕?，在黑暗環(huán)境下，頻閃燈或常亮燈的部署不當(dāng)，極易導(dǎo)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(dá)AI超微光卡口后，當(dāng)駕駛?cè)笋{車正面經(jīng)過卡口24米處時(shí)，實(shí)際上卡口已經(jīng)開始工作，但駕駛?cè)烁兄⑷酢?/p>

對周邊居民而言，由于科達(dá)AI超微光卡口對補(bǔ)光條件依賴度很低，燈的亮度非常弱，補(bǔ)光能量很小，當(dāng)卡口工作時(shí)基本無感知，光污染擾民問題得到大幅緩解。

對公安實(shí)戰(zhàn)而言，因科達(dá)AI超微光卡口采用深度學(xué)習(xí)低照度增強(qiáng)算法，即使在這樣的補(bǔ)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(shí)現(xiàn)全天候車輛、人員信息的精準(zhǔn)采集。

延伸閱讀：

為什么需要低光污染型卡口?

由于成像技術(shù)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(qiáng)度的爆閃燈進(jìn)行補(bǔ)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(diǎn)位越多，補(bǔ)光燈越多，光污染也就越嚴(yán)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(bǔ)光相結(jié)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(gè)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?yàn)橘N膜導(dǎo)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(dǎo)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(dǎo)致對頻閃補(bǔ)光燈的依賴仍然較高，燈的亮度在夜間仍然較強(qiáng)，光污染問題仍然較為明顯(見下圖五)。

　　▲圖三：同一地點(diǎn)，右車采用高紅外阻隔的前擋風(fēng)玻璃貼膜，導(dǎo)致無法看清駕駛?cè)四槻?/p>

　　▲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(bǔ)光燈依然很亮

科達(dá)AI超微光卡口如何做到真正的低光污染?

與業(yè)內(nèi)當(dāng)前普遍的做法不同，科達(dá)AI超微光卡口創(chuàng)新性的采用了自主研發(fā)的深度學(xué)習(xí)低照度增強(qiáng)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(jìn)行了數(shù)學(xué)建模，設(shè)計(jì)了一個(gè)端到端的深度學(xué)習(xí)模型。在低照環(huán)境下，該模型跳過了傳統(tǒng)意義的攝像機(jī)ISP成像方式，通過對大量卡口抓拍圖片的學(xué)習(xí)，直接對傳感器輸入數(shù)據(jù)進(jìn)行圖像恢復(fù)，大幅減少了卡口對補(bǔ)光燈的依賴，在提升圖像亮度的同時(shí)，充分還原物體顏色與紋理等細(xì)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(yàn)，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(jiān)實(shí)的基礎(chǔ)。

生成海報(bào)

免責(zé)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(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)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(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)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(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。