道路千萬條，安全第一條，根據公安部道路交通安全研究中心數據，電動自行車肇事導致的交通事故在城市道路交通事故總量中約占10%。不戴頭盔等行為的后果嚴重，不容忽視。有數據顯示，正確佩戴安全頭盔發生交通事故時能夠使騎乘人員的受傷率下降70%、死亡率下降40%。

為了助力交警、道安辦等各部門更高效、精準、安全管理非機動車駕駛行為，海康威視基于觀瀾大模型技術底座推出智能交通非機動車管控系列產品，在檢測載人、未戴頭盔、加裝雨棚等行為上誤檢率降低70%以上，漏檢率減少80%以上。

以“紅綠燈路口非機動車蜂擁而出”的場景為例，交警、道安辦勸導員肉眼都較難識別未戴頭盔、載人、安裝雨棚等行為，而傳統的檢測算法在這樣的場景中也難以識別，比如非機動車數量多，在抓拍圖像中容易出現人員重疊，傳統深度學習檢測算法關注圖像中的局部（如頭部），無法識別人體與不同車輛間的關系，可能導致誤報載人情況；頭盔的樣式“百花齊放”，包括帶耳朵的、露出頭發的，不露頭發的，其中還夾雜著戴鴨舌帽、毛線帽的駕駛人。傳統深度學習算法參數量少，預訓練數據不足，特征提取能力弱，過度依賴顏色信息，容易混淆黑色頭盔和頭發；大角度、模糊成像等復雜條件下，識別效果顯著下降。在光照度不足的情況下，也容易出現對非機動車是否安裝雨棚的誤檢問題等等。

加持視覺大模型后，交通非機動車管控系列產品檢測精準度大幅提升，不僅減輕人工巡查工作量，還能助力實現更高效、精準的交通管理。

載人檢測中，大模型通過自注意力和全局關聯機制，具備更強的泛化能力和抗干擾能力。在風擋、人員遮擋、惡劣成像等復雜場景下，大模型不僅具備更強的感知能力，而且能夠準確理解人體與車輛間的關系，從而準確識別是否載人。例如，當場景中同時出現多個人體時，大模型會判斷邊緣人體與主車相關性，從而判斷是否為載人。

頭盔檢測中，應用大模型后，產品泛化能力提升，對復雜場景適應性更強，不僅能分辨稀有外觀的帽子和頭盔，還具備強大的特征提取能力，能夠識別出露出鴨舌帽帽檐、頭盔固定帶、帽子材質等細節，從而精準檢測是否正確佩戴頭盔。

雨棚檢測中，大模型能夠理解雨棚與擋板等部件的區別，并通過全局關聯分析雨棚與車輛、人員的關系。例如在圖像過暗、難以辨識雨棚細節的場景下，大模型憑借深層次結構分析，能夠關注到透明風擋以及頂棚細節，通過全局推理判斷出是否存在雨棚。

目前，海康威視交通非機動車管控系列產品包括非機動車違法取證抓拍單元、非機動車管控一體機、非機動車違法勸導系統等。

非機動車違法取證抓拍單元內置攝像機采用全局曝光CMOS圖像傳感器，具有清晰度高、照度低、幀率高、色彩還原度好等特點。結合大模型技術，大幅提升了目標行為檢測和違法行為識別的準確率，有效遏制電動自行車闖紅燈、逆行、不戴頭盔等多種違法行為。

非機動車管控一體機采用創新一體化設計，非機動車檢測抓拍系統、信息發布系統融合為一體，整體設計美觀且便于安裝施工。支持非機動車違法行為檢測、抓拍并通過圖片或文字、語音等方式及時提醒。

非機動車違法勸導系統中，非機動車勸導相機搭配音柱，實現未戴頭盔、載人、加裝雨棚等違法行為自動語音勸導，可靈活配置普通話、地方方言；系統可單機獨立運行，并支持太陽能供電以及4G/5G通信，部署簡單。