用户需要基于先进的人车深度检测与高效跟踪技术实现视频中人车的全量捕获并利用视觉基础模型学习和提取可以区分不同人、车的鉴别特征。通过综合利用感知数据和大数据分析实现人车聚类和长期增量聚档为后续应用提供良好的数据基础。我们可以提供人脸、人体和车辆的算法模型支持对视频中水平转动角度不超过±80°、俯仰角不超过±45°的人脸进行抓拍和比对。同时我们的算法模型能够在逆光、曝光、阴阳脸光照条件下对低质量人脸抓

我们的先进人车深度检测与高效跟踪技术可以实现对视频中人车的全量捕获，并提取区分不同人、车的鉴别特征。通过视觉基础模型的学习和提取，我们可以对人脸、人体和车辆进行准确的识别和比对。我们的算法模型支持对视频中水平转动角度不超过±80°、俯仰角不超过±45°的人脸进行抓拍和比对，同时在逆光、曝光、阴阳脸光照条件下，对低质量人脸抓拍图片与人脸库进行1:N人脸识别，保证高准确率。

此外，我们的技术还包括机动车车牌号的识别，能够保证很低的漏检率和高的识别准确率。我们正在研究基于Transformer的多目标追踪框架MOTR，以及像素级别的多目标跟踪方案，这些技术能够实现对追踪目标的时序建模和像素级传播、预测和关联。

我们的技术主要应用于安防领域，可以提高视频监控中人脸、人体和车辆的识别和比对能力，提升安全性和监控效果。此外，我们的技术也适用于治安管理领域，确保区域的安全。通过人车聚类和长期增量聚档，我们可以提供精确的人车识别和聚档功能，为业务提供数据基础，提升工作效率和数据管理能力。