科達重磅發佈AI超微光卡口
"\u003Cdiv\u003E\u003Cp\u003E7月31日，科達重磅發佈全新一代低光污染車輛卡口產品——AI超微光卡口。該產品能夠在夜間微光條件下抓拍清晰的車輛及車內司乘人員照片，從源頭解決光污染問題。\u003C\u002Fp\u003E\u003Cp class=\"ql-align-center\"\u003E\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp3.pstatp.com\u002Flarge\u002Fpgc-image\u002F8ae09f59bd2d41999bc48d8f6b5e15ca\" img_width=\"554\" img_height=\"312\" alt=\"科達重磅發佈AI超微光卡口\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E▲圖一：科達AI超微光卡口夜間補光實拍\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp class=\"ql-align-center\"\u003E\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp1.pstatp.com\u002Flarge\u002Fpgc-image\u002F0f6dad97741948f9abbfe504c54a567f\" img_width=\"554\" img_height=\"293\" alt=\"科達重磅發佈AI超微光卡口\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E▲圖二：科達AI超微光卡口抓拍圖片\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E\u003Cstrong\u003E科達AI超微光卡口的實現原理\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E科達AI超微光卡口，採用獨創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，實現車內人臉的高清抓拍。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E科達AI超微光卡口的價值\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E對駕駛人而言，在黑暗環境下，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，採用科達AI超微光卡口後，當駕駛人駕車正面經過卡口24米處時，實際上卡口已經開始工作，但駕駛人感知微弱。\u003C\u002Fp\u003E\u003Cp\u003E對周邊居民而言，由於科達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。\u003C\u002Fp\u003E\u003Cp\u003E對公安實戰而言，因科達AI超微光卡口採用深度學習低照度增強算法，即使在這樣的補光條件下，仍然能夠清晰呈現車內人臉與駕駛行爲，且無偏色，實現全天候車輛、人員信息的精準採集。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E延伸閱讀：\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E爲什麼需要低光污染型卡口?\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E由於成像技術的侷限性，傳統卡口要能看清車內司乘人員，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。卡口點位越多，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，還直接威脅着交通參與者的駕駛安全。\u003C\u002Fp\u003E\u003Cp\u003E\u003Cstrong\u003E目前市面上的“環保”卡口能否解決光污染問題?\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E近年來，市場上出現了一批主打“環保”概念的卡口產品，這類產品採用紅外爆閃+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：\u003C\u002Fp\u003E\u003Cp\u003E第一， 汽車前檔玻璃貼膜針對紅外光透光率較差，有些車輛會因爲貼膜導致無法抓拍到清晰的人臉照片(見下圖三)。\u003C\u002Fp\u003E\u003Cp\u003E第二， 車內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)。\u003C\u002Fp\u003E\u003Cp\u003E第三， 爲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，光污染問題仍然較爲明顯(見下圖五)。\u003C\u002Fp\u003E\u003Cp class=\"ql-align-center\"\u003E\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp3.pstatp.com\u002Flarge\u002Fpgc-image\u002F292c0706e80849ba9a08d99596ec6497\" img_width=\"554\" img_height=\"296\" alt=\"科達重磅發佈AI超微光卡口\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E▲圖三：同一地點，右車採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\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp class=\"ql-align-center\"\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cp class=\"ql-align-center\"\u003E\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp9.pstatp.com\u002Flarge\u002Fpgc-image\u002F11a7ce14331c43d2b2738840e4c15a56\" img_width=\"553\" img_height=\"210\" alt=\"科達重磅發佈AI超微光卡口\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E▲圖四：同一車內的同一駕駛員，在紅外光表現下，黑色衣服變成了白色\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp class=\"ql-align-center\"\u003E\u003Cbr\u003E\u003C\u002Fp\u003E\u003Cdiv class=\"pgc-img\"\u003E\u003Cimg src=\"http:\u002F\u002Fp1.pstatp.com\u002Flarge\u002Fpgc-image\u002F62a4ef1132844d91b0252e712caaaef3\" img_width=\"554\" img_height=\"312\" alt=\"科達重磅發佈AI超微光卡口\" inline=\"0\"\u003E\u003Cp class=\"pgc-img-caption\"\u003E▲圖五：“環保型卡口”夜間補光燈依然很亮\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E\u003Cp\u003E\u003Cstrong\u003E科達AI超微光卡口如何做到真正的低光污染?\u003C\u002Fstrong\u003E\u003C\u002Fp\u003E\u003Cp\u003E與業內當前普遍的做法不同，科達AI超微光卡口創新性的採用了自主研發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。\u003C\u002Fp\u003E\u003Cp\u003E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學建模，設計了一個端到端的深度學習模型。在低照環境下，該模型跳過了傳統意義的攝像機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據進行圖像恢復，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，也爲後續的諸多智能算法，如車輛特徵分析、駕乘人員分析等，打下了堅實的基礎。\u003C\u002Fp\u003E\u003C\u002Fdiv\u003E"'.slice(6, -6),
groupId: '6720048627328221707
