LightMetrics推AI过滤层减少驾驶监控误报

LightMetrics推出ΦFP，一个基于云的人工智能（AI）过滤层，旨在减少驾驶室摄像头产生的安全误报。

该公司表示，随着车队日益依赖视频车联网系统，却又被大量不准确的警报所困扰——这会削弱驾驶员与安全团队双方的信任。该系统旨在确保只有真正的安全事件进入教练辅导队列，供车队管理者审阅。

“每一个误报都有代价，比如分散驾驶员注意力、侵蚀信任、浪费时间。人工审核耗时、昂贵且标准不一。ΦFP基于生成式AI与视觉语言模型的进展而构建。”LightMetrics联合创始人兼产品与营销负责人Krishna Govindarao在新闻稿中表示。

LightMetrics称，传统行车记录仪直接在设备上分析短视频片段，有限的算力限制了系统精度。ΦFP通过在云端增加第二层智能解决这一局限：由更强大的AI模型重新审查摄像头标记的每一个事件，之后再进入任何人的队列。该云端层拥有远超车载设备的算力，可运行更复杂的分析并应用更高的精度标准。

据新闻稿介绍，这一改进在驾驶员疲劳与困倦检测方面尤为显著——这是最难准确识别的行为之一。

LightMetrics表示，其现有边缘AI系统精度约为94%，而ΦFP通过减少误报，在早期客户部署中将精度提升至99.1%。

卡车人点评

国内营运货车强制安装DMS驾驶员状态监测后，误报成了司机与车队矛盾的高发点：喝水、揉眼、打哈欠被频繁报警，司机烦、安全员累，最终“狼来了”效应让系统形同虚设。LightMetrics的ΦFP给出了一条可行路径——用云端更强模型对边缘端报警做二次过滤，把精度从94%提到99.1%。这对国内ADAS/DMS厂商很有启发：端侧芯片算力有限是现实约束，与其不断堆端侧算力，不如采用“端侧初筛+云端复核”的分层架构。同时也要看到，国内场景复杂，光线、口罩、墨镜、车内装饰都会影响识别，云端复核结合车型化、场景化训练，才能真正降低误报率，重建司机对安全设备的信任，让监管要求落到实效。