01 / READY TO DEPLOY
成熟算法，配置后部署。
已有算法在适用条件内选配使用，完成视频接入、检测区域和业务规则配置，即可开展现场分析，不必每个项目从零训练。
- 已有模型
- 按需组合
- 现场配置
XULUVISION / DATA · FRAMEWORK · ENGINEERING
从真实场景数据，
到多模型协同 。
成熟算法先部署，特殊需求再适配。以海量场景数据与国产自研核心框架为基础，连接视频工程、组合判定与持续训练， 让视觉能力贴近每一个真实现场。
XuluVision
自研核心框架
数据、训练与工程协同演进。
XULUVISION / FOUNDATION数据到交付的技术底座
场景数据 授权样本 现场反馈
SELF-DEVELOPED CORE FRAMEWORKXuluVision国产自研核心框架 · 核心架构与训练引擎
TRAIN & VALIDATE项目训练与发布样本治理 · 私有训练 · 独立验证
VIDEO ENGINEERING视频工程链路动态解码 · 多路任务 · 场景规则
现场运行→反馈 · 复核 · 版本迭代
READY FOR YOUR SCENE
先用成熟能力，
再拓展你的不同。
持续训练是我们的扩展能力，
不是每个项目上线前的必经步骤。
02 / ADAPT WHEN NEEDED
特殊需求，按需适配。
面对新类别、特殊机位或更细的业务要求，再以授权样本适配。训练、验证和更新是扩展能力，让已交付系统继续贴合现场。
- 特殊类别
- 机位适配
- 持续更新
不只看数量，更看现场能解决什么。
以下为方案评估维度，不针对具体厂商。
| 评估维度 | 不止于 | 更应确认 |
|---|---|---|
| 算法能力 | 仅比较模型文件或场景名称数量 | 确认检测对象、属性、时空条件与组合业务流程 |
| 识别效果 | 仅查看展示图片或单一准确率 | 同条件评估精确率、召回率、误报、漏报与响应时间 |
| 部署能力 | 只确认模型能运行 | 匹配视频规格、硬件负载、并发算法与现场联动 |
| 长期使用 | 只查看交付时的版本 | 已有能力先部署，新增需求按需适配，验证后受控更新 |
EIGHT CORE ADVANTAGES
从研发底座，到现场持续进化。
- 累计图片素材
- 3 亿张
用于场景数据积累的图片素材
- 累计标注样本
- 10 亿个+
与图片素材分别计量的标注样本
- 每日新增授权图片
- 2 万张+
来自真实摄像头的画面持续积累
- 每日新增标注样本
- 3 万个+
标注数量持续增长
旭鹿科技数据统计 · 截至 2026 年 10 月 22 日。图片素材按张计，标注样本按个计；两项分别统计，不相加作为图片总量。每日新增量与累计规模分别列示。
DATA · CORE · DELIVERY
从真实场景出发，
让数据与核心研发同行。
用持续积累的场景数据，结合 XuluVision 国产自研核心框架，连接训练与现场分析。
海量场景数据集
以用户授权的真实摄像头画面持续补充场景数据，围绕人员、车辆、行为与环境组织标注，并将困难样本与误报样本纳入治理，让训练贴近真实现场。
- 多行业场景
- 困难样本
- 现场反馈
图片素材与标注样本分别统计；数据规模不代替项目精度、召回和误报评估。
国产自研核心框架
XuluVision 的核心架构、训练引擎与部署链路由旭鹿自主研发和持续维护，将模型设计、训练策略与视频分析工程连接起来。
- 核心架构
- 训练引擎
- 视频工程
自研范围为核心架构、训练引擎与视频分析工程链路；硬件及第三方组件按项目选型。
03 / VIDEO ENGINE
自研动态解码，让检测频率响应现场。
不是让所有摄像头、所有算法一直按固定频率检测。旭鹿将模型效果反馈、硬件压力感知与算法任务要求纳入同一调度链路，实时调整检测频率与分析帧选择，模型结果再反馈到下一轮分析。
把分析密度用在更值得关注的画面，让检测节奏与现场变化协同。
- 模型效果反馈
根据目标变化与检测结果反馈，调整后续分析密度和关注帧。
- 硬件压力感知
结合设备资源压力与任务优先级，动态调整分析节奏。
- 算法需求适配
按算法的时效、连续时序等需求，为不同任务选择不同分析帧。
验证口径 在相同编码、分辨率、路数与分析频率约束下，记录模型反馈、硬件压力变化时的选帧与调度轨迹、任务完成情况和设备资源占用；不以流程示意代替实测。
交互查看动态解码闭环VIDEO ENGINE多路视频处理链路
01 加密关注帧分析选帧
02 资源感知调度分析选帧
03 保留连续帧分析选帧
自研动态解码
模型反馈 ＋ 硬件压力 ＋ 算法需求
图像处理→模型分析→场景判断
检测频率不等于原始视频帧率；解码遵循编码依赖，实际调度策略与效果由模型任务及运行设备共同决定。
04 / CONCURRENT VISION
多路摄像头，每一路都不止一种能力。
同一设备组织多路视频，同一路视频承载多项分析任务。人员、车辆、穿戴与烟火等能力按不同摄像头的业务需要组合，不必为每一种判断重复建设一套系统。
以摄像头和业务任务为单位，统一规划模型组合与现场算力。
- 不同通道，不同组合
每路摄像头独立配置模型与规则，贴合出入口、作业区和仓储区的需求。
- 同路多能力协同
检测、识别、跟踪与场景规则关联到同一视频来源。
- 从边缘到中心扩展
结合轻量化部署与平台适配，按视频规模选择 RK3588 盒子或 AI 服务器。
验证口径 按视频规格、并发模型与分析频率测试，分别核对视频接入路数、分析路数和推流输出，不用理论算力推算吞吐。
查看硬件配置与测试条件CAMERAS × TASKS按通道组合分析能力
| 视频通道 | 人员 | 车辆 | 穿戴 | 烟火 |
|---|---|---|---|---|
| 出入口 | 组合任务 | 组合任务 | 组合任务 | 未选择 |
| 作业区 | 组合任务 | 未选择 | 组合任务 | 组合任务 |
| 仓储区 | 组合任务 | 组合任务 | 未选择 | 组合任务 |
| 公共通道 | 组合任务 | 未选择 | 未选择 | 组合任务 |
模型随场景组合，资源按设备配置。
多路视频＋多项模型＋业务规则
通道数与每路算法数需结合视频规格、任务复杂度和分析频率共同评估，不代表所有任务以相同帧率运行。
05 / COMPOSITE INTELLIGENCE
不止识别目标，更把结果连成业务判断。
先发现人员，再匹配身份，只对指定人员检查安全帽、工作服与反光衣。把前一步结果作为后一步的输入条件，结合轨迹、区域和时间，形成符合现场要求的判断。
不是把检测框堆在一起，而是让模型结果之间建立关系。
- 串行与并行编排
先定位再识别，也可对同一目标并行核验多项属性与防护要求。
- 身份与轨迹关联
结合人脸、车牌、ReID 与目标跟踪，衔接身份、运动过程和区域状态。
- 时空条件判断
以 ROI、检测时段、持续时间与轨迹限定事件，按业务条件选择处理分支。
验证口径 围绕同一事件核对目标身份、区域、持续时间与分支输出，并通过告警画面和事件记录检查判断过程。
查看具体算法与组合能力CONDITIONAL WORKFLOW身份与穿戴组合
人员检测与跟踪→身份匹配
命中指定人员
工作服安全帽反光衣
并行核验，汇总防护缺项
身份未匹配
独立提醒分支记录身份线索，交由人工核验
身份记录＋合规结果→分类处置
流程按项目模型与现场规则配置，身份库的采集和使用须取得相应授权。
06 / XULUVISION - 3B
先发现候选事件，再复核业务含义。
视觉模型发现目标与候选事件后，按任务接入 XuluVision - 3B。以事件图片和自然语言业务描述进行二次判定，帮助减少不符合业务条件的告警，让人员更关注需要处理的事件。
从“画面里有什么”，进一步判断“是否符合这条业务条件”。
- 视觉与业务描述结合
围绕需要核验的目标、状态与场景组织复核请求。
- 候选事件按需复核
二次判定接在候选事件之后，不要求所有视频帧都进入大模型。
- 判断与证据关联
复核结果与事件画面关联，便于人工确认、处置和后续追溯。
验证口径 使用同一组已标注候选事件，分别评估有效事件与误报的判定结果，同时记录响应耗时、失败情况与调用消耗。
了解视觉二次判定VISION + VERIFICATION候选事件进入业务复核
事件图片＋业务条件描述
SECONDARY VERIFICATIONXuluVision - 3B关联目标、状态与业务含义
判断结果是否符合业务条件
复核依据与事件图片关联
独立服务 · 按任务调用 · 衔接人工确认
XuluVision - 3B 为独立服务，需配置公司 Key 与调用额度，并具备相应网络连接；最终处置由现场人员确认。
BUILT FOR THE LONG RUN
交付不是终点，现场持续进化。
让项目训练、端侧运行与版本更新形成长期协同。
07 / CONTINUOUS ADAPTATION
项目专属训练与持续更新
现场会变化，模型也能沿着反馈持续进化。
已有成熟算法可按适用条件配置部署；特殊类别、机位差异或更细的业务要求，再结合客户授权数据开展项目适配。误报与困难样本经复核、标注和质量验证进入迭代，再按项目受控发布。
- 项目样本与版本分别治理，明确来源和授权范围
- 模型自动更新、系统自动更新，按配置执行版本发布
项目数据在授权范围内使用，更新按服务配置与发布策略执行。
08 / DISTRIBUTED DEPLOYMENT
端侧独立运行，跨区域统一管理
把分析留在现场，把多项目管理连接起来。
边缘设备就近完成视频接入、本地模型分析和规则判断。管理中心连接中断时，本地分析仍可运行；中心按项目组织设备、任务与模型版本，让分散现场不必逐台维护。
- 轻量网络、部署折叠与设备侧量化适配，结合实际平台验证
- 原始视频按项目策略保留在现场，多节点状态集中查看
外部通知和远程二次判定仍需相应网络连接。
A CONTINUOUS LEARNING LOOP
把现场反馈，变成下一次进步。
- 01
来源与授权
按自有、客户授权或开源许可范围组织数据。
- 02
样本与标注
结合类别、机位、光照和困难目标整理样本。
- 03
项目训练
围绕项目目标组织训练策略和模型版本。
- 04
独立验证
检查识别、召回与误报表现，再进入发布。
- 05
发布与更新
现场反馈进入下一轮迭代，验证后的版本受控发布。
现场反馈 → 样本复核 → 持续迭代
CONNECT TO YOUR WORKFLOW
有判断，也有行动。
- 接入现有视频
- RTSP / RTMP / WHIP · 海康与大华 SDK · NVR / USB · GB28181 · 大疆 ESDK
- 连接业务与人员
- HTTP / Webhook / MQTT · 企业微信 / 钉钉 / 飞书 · 邮箱 / 短信 / 电话
- 联动现场设备
- 本地音柱 / 网络音柱 · RS-485 / GPIO，按硬件接口与协议适配
HTTP、企业微信、钉钉与飞书支持推送绘制告警标注的图像。
SCOPE & DELIVERY
关于技术，也关于交付。
了解成熟算法部署、方案选型、自研范围与现场运行条件。
已有算法能直接部署，还是每个项目都要重新训练？
已有成熟算法在适用的检测对象、摄像头视角与画面条件内，可选配模型后部署，不要求每个项目从零训练。部署时完成视频接入、区域、时段和业务规则配置；特殊类别、明显不同的机位或更高业务要求，再按需开展样本适配与训练。
算法或场景数量越多，就代表识别效果越好吗？
模型文件、识别类别、组合算法与行业场景是不同口径，不能简单比较总数。同一检测模型可通过目标属性、区域、轨迹和时间规则组合出多项业务能力。选型应逐项确认需要解决的问题、适用条件、同条件测试结果和实际交付范围，而不是只比较目录数量。
怎样比较不同方案的真实精度和可用性？
使用同一批独立标注的现场视频，固定分辨率、编码、分析频率、硬件、阈值和事件判定规则，分别记录精确率、召回率、误报、漏报、重复告警和端到端响应时间。先约定统计口径，再检查告警证据与漏报样本；单张效果图、单一准确率或理论算力都不能替代这一过程。
为什么成熟算法还提供持续训练和更新？
持续训练是面向新类别、特殊机位、环境变化和更细业务条件的扩展能力，不是所有项目上线前的必经步骤。已有能力先按适用条件配置部署，确有适配需求时再使用授权样本迭代；新版本验证通过后发布，未通过则保留原版本。
国产自研，具体指哪些范围？
指 XuluVision 的核心架构、训练引擎与视频分析工程链路由旭鹿自主研发和持续维护。处理器、加速卡、操作系统及第三方运行库按项目选型，具体国产化范围与依赖来源以项目配置清单为准。
海量数据与客户私有数据如何使用？
基础数据集和项目私有样本按来源、许可与版本组织。客户私有数据在相应授权范围内使用，不因纳入项目训练就默认获得跨客户使用权限。
图片素材、标注样本与项目效果如何区分？
3 亿张图片素材与 10 亿个以上标注样本是两项分别统计的规模，不把标注数量当作图片数量。数据规模是基础，还需要对齐类别分布、摄像头视角、光照与目标尺度，并经过独立验证和现场测试。项目效果以约定测试条件下的结果为准，不用数据规模代替精度承诺。
自研训练框架与二次判定服务有什么不同？
XuluVision 核心框架服务于项目视觉模型的训练、适配与交付；XuluVision - 3B 是按任务接入的二次判定服务，需配置公司 Key 和调用额度。两者分工协作，远程复核不等于本地分析必须持续联网。