领域 · 视频与事件120 个测量量

视频与事件测量量

Video & Events

以摄像机与雷达为前端，输出结构化事件、目标轨迹与图像反演量的观测体系。

领域导读

视频与事件是一类"派生测量"：原始信号是像素与帧，输出的是水位读数、落石事件、人数、轨迹与置信度。它把摄像机从"看录像"变成"出数据"，代价是精度强烈依赖场景。

工程上必须把两件事分开：一是"感知能力"（能不能看见），二是"判断能力"（看见之后判得对不对）。前者靠安装与运维（角度、补光、清洁），后者靠数据与规则（标注集、阈值、去抖）。

这个领域回答什么

事件类：烟火、落石、积水、越界、安全帽、人员聚集
计数类：人员/车辆计数、过线统计
反演类：视频水尺、能见度、路面状态
目标类：距离、速度、轨迹、方位
质量类：图像清晰度、遮挡比例、置信度分布

工程要点视频类测量的精度写在场景里：同一算法在晴天与夜间、清洁镜头与污损镜头下的表现可以差一个量级。上线前必须用本场景标注集评估，并把"图像质量"当作可运维指标持续监控。

按要素看本领域

本领域有 10 个测量量已归入要素族。纵向看是"这个行业测什么"，横向看是"同一个量在不同介质里差在哪"。

查看 9 个要素族与覆盖矩阵 →

视频与事件的基础测量量（显示120 / 528）

本页优先展示基础对象，共528个基础及场景扩展记录。搜索本领域更多内容，场景对象请切换“场景扩展对象”并选择Measurement类型。

测量量	符号	单位	典型量程	典型精度
视频事件 Video Event	—	次	事件计数	召回与误报按事件类型分别统计，不能用单一准确率概括
目标计数 Object Count	N	个	0 ~ 数百	±5% ~ ±15%（拥挤与遮挡时更差）
识别置信度 Detection Confidence	c	0 ~ 1	0 ~ 1	需用可靠性曲线（calibration curve）检验其是否可解释为概率
超限时长 Exceed Duration	—	s	0 ~ 86 400 s	取决于采样周期与去抖规则，应声明统计窗口
事件持续时间 Event Duration	—	s	0.1 s ~ 数天	±1 个采样周期
视频水尺读数 Video Staff Gauge Reading	H	m	0 ~ 10 m（取决于标尺与视场）	±1 ~ ±3 cm（标尺清晰、水波不剧烈时）
目标距离 Target Range	R	m	0.5 ~ 500 m	±0.1 m（雷达）/ ±5%（单目视频）
目标运动速度 Target Speed	v	m·s⁻¹	0 ~ 60 m·s⁻¹	±0.1 m·s⁻¹（多普勒）/ ±10%（视频差分）
运动轨迹 Motion Trajectory	—	—（序列）	—	定位误差随距离增大，需分区间评估
图像清晰度 Image Clarity	—	指数	0 ~ 1（或 0 ~ 100 分）	趋势与阈值判断为主，绝对值依算法而定
姿态 Posture & Attitude	θ/φ	°	-180 ~ 180°	±2°（静态）
安防视频事件 Video Event in Security Surveillance	—	次	事件计数该场景下检出率/误报率受光照与视角影响，需场景标定。	召回与误报按事件类型分别统计，不能用单一准确率概括
交通视频事件 Video Event in Traffic Surveillance	—	次	事件计数该场景下车速/流量统计精度受视角影响，夜间需红外。	召回与误报按事件类型分别统计，不能用单一准确率概括
零售视频事件 Video Event in Retail	—	次	事件计数该场景下客流计数、热区与逗留时长是关键，视角标定决定精度。	召回与误报按事件类型分别统计，不能用单一准确率概括
园区视频事件 Video Event in Campus and Parks	—	次	事件计数该场景下车牌识别与出入口轨迹是关键，夜间补光。	召回与误报按事件类型分别统计，不能用单一准确率概括
商场视频事件 Video Event in Shopping Malls	—	次	事件计数该场景下客流计数与人群密度是关键，活动期密度上升快。	召回与误报按事件类型分别统计，不能用单一准确率概括
工地监控视频事件 Video Event in Construction Sites	—	次	事件计数该场景下安全帽识别与危险区闯入是关键，扬尘与光照影响。	召回与误报按事件类型分别统计，不能用单一准确率概括
校园安防视频事件 Video Event in School Security	—	次	事件计数该场景下出入口识别与周界报警是关键，上下学时段重点。	召回与误报按事件类型分别统计，不能用单一准确率概括
渔港监控视频事件 Video Event in Fishing Ports	—	次	事件计数该场景下船牌识别与泊位监控是关键，夜间与海雾影响。	召回与误报按事件类型分别统计，不能用单一准确率概括
景区客流视频事件 Video Event in Scenic Spot Crowds	—	次	事件计数该场景下客流计数与密度预警是关键，节假日密度上升快。	召回与误报按事件类型分别统计，不能用单一准确率概括
智慧农业大棚视频事件 Video Event in Smart Greenhouse Vision	—	次	事件计数该场景下长势监测与病虫害预警是关键，光照一致性优先。	召回与误报按事件类型分别统计，不能用单一准确率概括
物流分拣视频事件 Video Event in Logistics Sorting	—	次	事件计数该场景下条码识别与分拣轨迹是关键，传送带速度影响。	召回与误报按事件类型分别统计，不能用单一准确率概括
港口作业视频事件 Video Event in Port Operations	—	次	事件计数该场景下集装箱识别与吊装监控是关键，夜间与雨雾影响。	召回与误报按事件类型分别统计，不能用单一准确率概括
智慧停车视频事件 Video Event in Smart Parking	—	次	事件计数该场景下车牌识别与车位状态是关键，出入口重点。	召回与误报按事件类型分别统计，不能用单一准确率概括
交通违法抓拍视频事件 Video Event in Traffic Violation Capture	—	次	事件计数该场景下行为判定与车牌识别是关键，合规取证优先。	召回与误报按事件类型分别统计，不能用单一准确率概括
交通流检测视频事件 Video Event in Traffic Flow Detection	—	次	事件计数该场景下车流量、车速与占有率是关键，全天候检测。	召回与误报按事件类型分别统计，不能用单一准确率概括
人脸识别视频事件 Video Event in Face Recognition	—	次	事件计数该场景下识别精度、活体检测与合规优先，出入口重点。	召回与误报按事件类型分别统计，不能用单一准确率概括
仓库监控视频事件 Video Event in Warehouse Surveillance	—	次	事件计数该场景下区域监控与行为识别是关键，夜间重点。	召回与误报按事件类型分别统计，不能用单一准确率概括
行人检测视频事件 Video Event in Pedestrian Detection	—	次	事件计数该场景下行人识别与遮挡是关键，夜间重点。	召回与误报按事件类型分别统计，不能用单一准确率概括
零售门店视频视频事件 Video Event in Retail Store Video	—	次	事件计数该场景下客流统计与安防事件是关键，营业时段重点。	召回与误报按事件类型分别统计，不能用单一准确率概括
烟火检测视频事件 Video Event in Fire and Smoke Detection	—	次	事件计数该场景下烟火特征识别与误报抑制是关键，重点区域覆盖。	召回与误报按事件类型分别统计，不能用单一准确率概括
周界入侵视频事件 Video Event in Perimeter Intrusion	—	次	事件计数该场景下越界识别、误报率与联动是关键，夜间重点。	召回与误报按事件类型分别统计，不能用单一准确率概括
排队检测视频事件 Video Event in Queue Detection	—	次	事件计数该场景下排队长度、等待时间与区域占用是关键。	召回与误报按事件类型分别统计，不能用单一准确率概括
烟雾识别视频事件 Video Event in Smoke Detection	—	次	事件计数该场景下烟雾特征与误报抑制是关键，重点区域。	召回与误报按事件类型分别统计，不能用单一准确率概括
安全帽检测视频事件 Video Event in Helmet Detection	—	次	事件计数该场景下佩戴识别与漏检率是关键，作业时段。	召回与误报按事件类型分别统计，不能用单一准确率概括
人行横道视频事件 Video Event in Crosswalks	—	次	事件计数该场景下行人识别与礼让判定是关键，高峰时段。	召回与误报按事件类型分别统计，不能用单一准确率概括
超速检测视频事件 Video Event in Overspeed Detection	—	次	事件计数该场景下测速精度、车牌识别与取证合规是关键。	召回与误报按事件类型分别统计，不能用单一准确率概括
收费车道视频事件 Video Event in Toll Lanes	—	次	事件计数该场景下车型识别、车牌与通行是关键，高峰时段。	召回与误报按事件类型分别统计，不能用单一准确率概括
人群密度视频事件 Video Event in Crowd Density	—	次	事件计数该场景下人数统计、密度阈值与疏导联动是关键，高峰时段。	召回与误报按事件类型分别统计，不能用单一准确率概括
遗留物检测视频事件 Video Event in Abandoned Object Detection	—	次	事件计数该场景下遗留物识别、静止时长与联动是关键。	召回与误报按事件类型分别统计，不能用单一准确率概括
尾随检测视频事件 Video Event in Tailgating Detection	—	次	事件计数该场景下通行计数、识别与尾随判定是关键。	召回与误报按事件类型分别统计，不能用单一准确率概括
车流量统计视频事件 Video Event in Vehicle Counting	—	次	事件计数该场景下车辆计数、车速与时段是关键。	召回与误报按事件类型分别统计，不能用单一准确率概括
信号灯联动视频事件 Video Event in Signal Coordination	—	次	事件计数该场景下排队长度、车流与相位是关键。	召回与误报按事件类型分别统计，不能用单一准确率概括
事故检测视频事件 Video Event in Accident Detection	—	次	事件计数该场景下异常停车、事件识别与响应是关键。	召回与误报按事件类型分别统计，不能用单一准确率概括
拥堵检测视频事件 Video Event in Congestion Detection	—	次	事件计数该场景下排队长度、车速与时段是关键。	召回与误报按事件类型分别统计，不能用单一准确率概括
疲劳驾驶视频事件 Video Event in Fatigue Driving Detection	—	次	事件计数该场景下闭眼、点头与时段是关键，夜间长途。	召回与误报按事件类型分别统计，不能用单一准确率概括
安全带检测视频事件 Video Event in Seatbelt Detection	—	次	事件计数该场景下佩戴识别、遮挡与判定是关键。	召回与误报按事件类型分别统计，不能用单一准确率概括
手持电话检测视频事件 Video Event in Phone-Use Detection	—	次	事件计数该场景下手持识别、遮挡与判定是关键。	召回与误报按事件类型分别统计，不能用单一准确率概括
动物入侵视频事件 Video Event in Animal Intrusion	—	次	事件计数该场景下动物识别、误报与联动是关键，夜间重点。	召回与误报按事件类型分别统计，不能用单一准确率概括
作物病害视频事件 Video Event in Crop Disease Detection	—	次	事件计数该场景下病斑识别、误判与气象是关键。	召回与误报按事件类型分别统计，不能用单一准确率概括
成熟度检测视频事件 Video Event in Ripeness Detection	—	次	事件计数该场景下果实识别、成熟度分级与采收是关键。	召回与误报按事件类型分别统计，不能用单一准确率概括
反光衣检测视频事件 Video Event in High-Visibility Vest Detection	—	次	事件计数该场景下穿戴识别、遮挡与判定是关键。	召回与误报按事件类型分别统计，不能用单一准确率概括
跌倒检测视频事件 Video Event in Fall Detection	—	次	事件计数该场景下姿态识别、误报与报警是关键。	召回与误报按事件类型分别统计，不能用单一准确率概括
口罩检测视频事件 Video Event in Mask Detection	—	次	事件计数该场景下佩戴识别、遮挡与判定是关键。	召回与误报按事件类型分别统计，不能用单一准确率概括
货物查验视频事件 Video Event in Cargo Inspection	—	次	事件计数该场景下货物识别、核对与联动是关键。	召回与误报按事件类型分别统计，不能用单一准确率概括
装卸监测视频事件 Video Event in Loading Monitoring	—	次	事件计数该场景下作业识别、区域与安全是关键。	召回与误报按事件类型分别统计，不能用单一准确率概括
车型识别视频事件 Video Event in Vehicle Type Recognition	—	次	事件计数该场景下车型识别、分类与联动是关键。	召回与误报按事件类型分别统计，不能用单一准确率概括
品牌识别视频事件 Video Event in Vehicle Make Recognition	—	次	事件计数该场景下品牌识别、特征与稽核是关键。	召回与误报按事件类型分别统计，不能用单一准确率概括
安防目标计数 Object Count in Security Surveillance	N	个	0 ~ 数百该场景下检出率/误报率受光照与视角影响，需场景标定。	±5% ~ ±15%（拥挤与遮挡时更差）
交通目标计数 Object Count in Traffic Surveillance	N	个	0 ~ 数百该场景下车速/流量统计精度受视角影响，夜间需红外。	±5% ~ ±15%（拥挤与遮挡时更差）
零售目标计数 Object Count in Retail	N	个	0 ~ 数百该场景下客流计数、热区与逗留时长是关键，视角标定决定精度。	±5% ~ ±15%（拥挤与遮挡时更差）
园区目标计数 Object Count in Campus and Parks	N	个	0 ~ 数百该场景下车牌识别与出入口轨迹是关键，夜间补光。	±5% ~ ±15%（拥挤与遮挡时更差）
商场目标计数 Object Count in Shopping Malls	N	个	0 ~ 数百该场景下客流计数与人群密度是关键，活动期密度上升快。	±5% ~ ±15%（拥挤与遮挡时更差）
工地监控目标计数 Object Count in Construction Sites	N	个	0 ~ 数百该场景下安全帽识别与危险区闯入是关键，扬尘与光照影响。	±5% ~ ±15%（拥挤与遮挡时更差）
校园安防目标计数 Object Count in School Security	N	个	0 ~ 数百该场景下出入口识别与周界报警是关键，上下学时段重点。	±5% ~ ±15%（拥挤与遮挡时更差）
渔港监控目标计数 Object Count in Fishing Ports	N	个	0 ~ 数百该场景下船牌识别与泊位监控是关键，夜间与海雾影响。	±5% ~ ±15%（拥挤与遮挡时更差）
景区客流目标计数 Object Count in Scenic Spot Crowds	N	个	0 ~ 数百该场景下客流计数与密度预警是关键，节假日密度上升快。	±5% ~ ±15%（拥挤与遮挡时更差）
智慧农业大棚目标计数 Object Count in Smart Greenhouse Vision	N	个	0 ~ 数百该场景下长势监测与病虫害预警是关键，光照一致性优先。	±5% ~ ±15%（拥挤与遮挡时更差）
物流分拣目标计数 Object Count in Logistics Sorting	N	个	0 ~ 数百该场景下条码识别与分拣轨迹是关键，传送带速度影响。	±5% ~ ±15%（拥挤与遮挡时更差）
港口作业目标计数 Object Count in Port Operations	N	个	0 ~ 数百该场景下集装箱识别与吊装监控是关键，夜间与雨雾影响。	±5% ~ ±15%（拥挤与遮挡时更差）
智慧停车目标计数 Object Count in Smart Parking	N	个	0 ~ 数百该场景下车牌识别与车位状态是关键，出入口重点。	±5% ~ ±15%（拥挤与遮挡时更差）
交通违法抓拍目标计数 Object Count in Traffic Violation Capture	N	个	0 ~ 数百该场景下行为判定与车牌识别是关键，合规取证优先。	±5% ~ ±15%（拥挤与遮挡时更差）
交通流检测目标计数 Object Count in Traffic Flow Detection	N	个	0 ~ 数百该场景下车流量、车速与占有率是关键，全天候检测。	±5% ~ ±15%（拥挤与遮挡时更差）
人脸识别目标计数 Object Count in Face Recognition	N	个	0 ~ 数百该场景下识别精度、活体检测与合规优先，出入口重点。	±5% ~ ±15%（拥挤与遮挡时更差）
仓库监控目标计数 Object Count in Warehouse Surveillance	N	个	0 ~ 数百该场景下区域监控与行为识别是关键，夜间重点。	±5% ~ ±15%（拥挤与遮挡时更差）
行人检测目标计数 Object Count in Pedestrian Detection	N	个	0 ~ 数百该场景下行人识别与遮挡是关键，夜间重点。	±5% ~ ±15%（拥挤与遮挡时更差）
零售门店视频目标计数 Object Count in Retail Store Video	N	个	0 ~ 数百该场景下客流统计与安防事件是关键，营业时段重点。	±5% ~ ±15%（拥挤与遮挡时更差）
烟火检测目标计数 Object Count in Fire and Smoke Detection	N	个	0 ~ 数百该场景下烟火特征识别与误报抑制是关键，重点区域覆盖。	±5% ~ ±15%（拥挤与遮挡时更差）
周界入侵目标计数 Object Count in Perimeter Intrusion	N	个	0 ~ 数百该场景下越界识别、误报率与联动是关键，夜间重点。	±5% ~ ±15%（拥挤与遮挡时更差）
排队检测目标计数 Object Count in Queue Detection	N	个	0 ~ 数百该场景下排队长度、等待时间与区域占用是关键。	±5% ~ ±15%（拥挤与遮挡时更差）
烟雾识别目标计数 Object Count in Smoke Detection	N	个	0 ~ 数百该场景下烟雾特征与误报抑制是关键，重点区域。	±5% ~ ±15%（拥挤与遮挡时更差）
安全帽检测目标计数 Object Count in Helmet Detection	N	个	0 ~ 数百该场景下佩戴识别与漏检率是关键，作业时段。	±5% ~ ±15%（拥挤与遮挡时更差）
人行横道目标计数 Object Count in Crosswalks	N	个	0 ~ 数百该场景下行人识别与礼让判定是关键，高峰时段。	±5% ~ ±15%（拥挤与遮挡时更差）
超速检测目标计数 Object Count in Overspeed Detection	N	个	0 ~ 数百该场景下测速精度、车牌识别与取证合规是关键。	±5% ~ ±15%（拥挤与遮挡时更差）
收费车道目标计数 Object Count in Toll Lanes	N	个	0 ~ 数百该场景下车型识别、车牌与通行是关键，高峰时段。	±5% ~ ±15%（拥挤与遮挡时更差）
人群密度目标计数 Object Count in Crowd Density	N	个	0 ~ 数百该场景下人数统计、密度阈值与疏导联动是关键，高峰时段。	±5% ~ ±15%（拥挤与遮挡时更差）
遗留物检测目标计数 Object Count in Abandoned Object Detection	N	个	0 ~ 数百该场景下遗留物识别、静止时长与联动是关键。	±5% ~ ±15%（拥挤与遮挡时更差）
尾随检测目标计数 Object Count in Tailgating Detection	N	个	0 ~ 数百该场景下通行计数、识别与尾随判定是关键。	±5% ~ ±15%（拥挤与遮挡时更差）
车流量统计目标计数 Object Count in Vehicle Counting	N	个	0 ~ 数百该场景下车辆计数、车速与时段是关键。	±5% ~ ±15%（拥挤与遮挡时更差）
信号灯联动目标计数 Object Count in Signal Coordination	N	个	0 ~ 数百该场景下排队长度、车流与相位是关键。	±5% ~ ±15%（拥挤与遮挡时更差）
事故检测目标计数 Object Count in Accident Detection	N	个	0 ~ 数百该场景下异常停车、事件识别与响应是关键。	±5% ~ ±15%（拥挤与遮挡时更差）
拥堵检测目标计数 Object Count in Congestion Detection	N	个	0 ~ 数百该场景下排队长度、车速与时段是关键。	±5% ~ ±15%（拥挤与遮挡时更差）
疲劳驾驶目标计数 Object Count in Fatigue Driving Detection	N	个	0 ~ 数百该场景下闭眼、点头与时段是关键，夜间长途。	±5% ~ ±15%（拥挤与遮挡时更差）
安全带检测目标计数 Object Count in Seatbelt Detection	N	个	0 ~ 数百该场景下佩戴识别、遮挡与判定是关键。	±5% ~ ±15%（拥挤与遮挡时更差）
手持电话检测目标计数 Object Count in Phone-Use Detection	N	个	0 ~ 数百该场景下手持识别、遮挡与判定是关键。	±5% ~ ±15%（拥挤与遮挡时更差）
动物入侵目标计数 Object Count in Animal Intrusion	N	个	0 ~ 数百该场景下动物识别、误报与联动是关键，夜间重点。	±5% ~ ±15%（拥挤与遮挡时更差）
作物病害目标计数 Object Count in Crop Disease Detection	N	个	0 ~ 数百该场景下病斑识别、误判与气象是关键。	±5% ~ ±15%（拥挤与遮挡时更差）
成熟度检测目标计数 Object Count in Ripeness Detection	N	个	0 ~ 数百该场景下果实识别、成熟度分级与采收是关键。	±5% ~ ±15%（拥挤与遮挡时更差）
反光衣检测目标计数 Object Count in High-Visibility Vest Detection	N	个	0 ~ 数百该场景下穿戴识别、遮挡与判定是关键。	±5% ~ ±15%（拥挤与遮挡时更差）
跌倒检测目标计数 Object Count in Fall Detection	N	个	0 ~ 数百该场景下姿态识别、误报与报警是关键。	±5% ~ ±15%（拥挤与遮挡时更差）
口罩检测目标计数 Object Count in Mask Detection	N	个	0 ~ 数百该场景下佩戴识别、遮挡与判定是关键。	±5% ~ ±15%（拥挤与遮挡时更差）
货物查验目标计数 Object Count in Cargo Inspection	N	个	0 ~ 数百该场景下货物识别、核对与联动是关键。	±5% ~ ±15%（拥挤与遮挡时更差）
装卸监测目标计数 Object Count in Loading Monitoring	N	个	0 ~ 数百该场景下作业识别、区域与安全是关键。	±5% ~ ±15%（拥挤与遮挡时更差）
车型识别目标计数 Object Count in Vehicle Type Recognition	N	个	0 ~ 数百该场景下车型识别、分类与联动是关键。	±5% ~ ±15%（拥挤与遮挡时更差）
品牌识别目标计数 Object Count in Vehicle Make Recognition	N	个	0 ~ 数百该场景下品牌识别、特征与稽核是关键。	±5% ~ ±15%（拥挤与遮挡时更差）
安防识别置信度 Detection Confidence in Security Surveillance	c	0 ~ 1	0 ~ 1该场景下检出率/误报率受光照与视角影响，需场景标定。	需用可靠性曲线（calibration curve）检验其是否可解释为概率
交通识别置信度 Detection Confidence in Traffic Surveillance	c	0 ~ 1	0 ~ 1该场景下车速/流量统计精度受视角影响，夜间需红外。	需用可靠性曲线（calibration curve）检验其是否可解释为概率
零售识别置信度 Detection Confidence in Retail	c	0 ~ 1	0 ~ 1该场景下客流计数、热区与逗留时长是关键，视角标定决定精度。	需用可靠性曲线（calibration curve）检验其是否可解释为概率
园区识别置信度 Detection Confidence in Campus and Parks	c	0 ~ 1	0 ~ 1该场景下车牌识别与出入口轨迹是关键，夜间补光。	需用可靠性曲线（calibration curve）检验其是否可解释为概率
商场识别置信度 Detection Confidence in Shopping Malls	c	0 ~ 1	0 ~ 1该场景下客流计数与人群密度是关键，活动期密度上升快。	需用可靠性曲线（calibration curve）检验其是否可解释为概率
工地监控识别置信度 Detection Confidence in Construction Sites	c	0 ~ 1	0 ~ 1该场景下安全帽识别与危险区闯入是关键，扬尘与光照影响。	需用可靠性曲线（calibration curve）检验其是否可解释为概率
校园安防识别置信度 Detection Confidence in School Security	c	0 ~ 1	0 ~ 1该场景下出入口识别与周界报警是关键，上下学时段重点。	需用可靠性曲线（calibration curve）检验其是否可解释为概率
渔港监控识别置信度 Detection Confidence in Fishing Ports	c	0 ~ 1	0 ~ 1该场景下船牌识别与泊位监控是关键，夜间与海雾影响。	需用可靠性曲线（calibration curve）检验其是否可解释为概率
景区客流识别置信度 Detection Confidence in Scenic Spot Crowds	c	0 ~ 1	0 ~ 1该场景下客流计数与密度预警是关键，节假日密度上升快。	需用可靠性曲线（calibration curve）检验其是否可解释为概率
智慧农业大棚识别置信度 Detection Confidence in Smart Greenhouse Vision	c	0 ~ 1	0 ~ 1该场景下长势监测与病虫害预警是关键，光照一致性优先。	需用可靠性曲线（calibration curve）检验其是否可解释为概率
物流分拣识别置信度 Detection Confidence in Logistics Sorting	c	0 ~ 1	0 ~ 1该场景下条码识别与分拣轨迹是关键，传送带速度影响。	需用可靠性曲线（calibration curve）检验其是否可解释为概率
港口作业识别置信度 Detection Confidence in Port Operations	c	0 ~ 1	0 ~ 1该场景下集装箱识别与吊装监控是关键，夜间与雨雾影响。	需用可靠性曲线（calibration curve）检验其是否可解释为概率
智慧停车识别置信度 Detection Confidence in Smart Parking	c	0 ~ 1	0 ~ 1该场景下车牌识别与车位状态是关键，出入口重点。	需用可靠性曲线（calibration curve）检验其是否可解释为概率
交通违法抓拍识别置信度 Detection Confidence in Traffic Violation Capture	c	0 ~ 1	0 ~ 1该场景下行为判定与车牌识别是关键，合规取证优先。	需用可靠性曲线（calibration curve）检验其是否可解释为概率
交通流检测识别置信度 Detection Confidence in Traffic Flow Detection	c	0 ~ 1	0 ~ 1该场景下车流量、车速与占有率是关键，全天候检测。	需用可靠性曲线（calibration curve）检验其是否可解释为概率

默认技术链路

环节	典型对象
测量技术	视频 AI 事件识别 · 红外热成像 · 激光雷达 LiDAR · FMCW 调频连续波雷达
输出信号	数字帧输出 · 波形输出
物理接口	以太网
通信协议	HTTP · HTTPS · WebSocket · MQTT
常用标准	GB-T-28181 · ONVIF · ISO-IEC-30137

这是该领域最常见的链路组合，不代表唯一方案；具体项目应按量程、介质、供电与维护条件重新选择。

部署要点与常见坑

部署要点

固定焦距与安装姿态并记录，禁用自动变焦与自动曝光剧烈调整。
夜间补光要防过曝与蚊虫聚集，红外切换点需在配置中固定。
事件规则（区域、最小像素、连续帧数、去抖时间）写入配置并版本化。
把图像清晰度纳入运维指标，低于阈值自动开工单清洗镜头。
边缘侧做初筛、云端做复核，避免全量视频上行。

常见坑

只在晴天白天验收，雨天与夜间性能未知。
用未校准的置信度当概率，阈值定得没有依据。
事件定义不写清（"积水"多深算积水），验收时各说各话。
镜头污损后算法静默失效，没有任何告警。
把视频水位计安装在抖动或会位移的立杆上，读数整体漂移。
用"召回率"单指标验收，忽略误报导致现场关闭报警。

常见问题

视频水位能到厘米级吗？

在标尺清晰、水波不剧烈、镜头固定的条件下可以到 1~3 cm；波浪、雨雾、夜间补光不足时会明显变差，需与雷达/压力式交叉校验。

置信度 0.9 是 90% 正确吗？

不一定。只有做过概率校准的模型，置信度才近似正确概率；否则它只是模型内部的可分性分数。

为什么事件要带持续时间和时刻？

监管与处置口径普遍以"持续多久"判定；只有峰值没有时长，既不能定性也不能复盘。

一路视频能同时做多个任务吗？

可以，但要评估算力与相互干扰（如同时做水位与人员检测需要不同ROI与帧率），并明确主任务优先级。

边缘和云端怎么分工？

边缘做实时初筛与本地联动（声光、闸机），云端做复核、归档与模型迭代；事件与证据分离存储。

该领域的技术对比

热成像 vs 可见光视频 AI 监测

周界与设施监控，热成像和可见光+AI 算法谁更合适？

查看全部 3893 组技术对比

标准与依据

标准	覆盖内容
GB/T 28181	公共安全视频监控联网系统信息传输、交换、控制
ONVIF	网络视频设备互操作规范
ISO/IEC 30137	视频分析在安防中的应用

标准给的是方法与限值，不等于现场判据；使用前请核对版本与适用范围。