开放词汇摄像头告警实践：RT-DETR 提速、OWLv2 处理任意目标、自然语言生成规则

开发者构建自定义摄像头告警系统：用户输入一句话，本地小 LLM 将其转为对象、区域多边形、事件和时长规则，再由视觉模型校验。实测 RT-DETR 对包裹等非 COCO 类别漏检严重，OWLv2 在 GTX 1060 上约 1 fps 可检出；还遇到 float16 下大框 IoU 溢出归零、新轨迹确认延迟约半秒等问题。局限是仅用短测试片段，未测夜间和雨天。

AI推荐理由 开发者分享开放词汇摄像头告警的实践：用本地小 LLM 将自然语言转成规则，RT-DETR 负责高速检测常见类别，OWLv2 处理开放词汇目标，并记录了 float16 导致 IoU 溢出、轨迹确认延迟等具体问题。对视觉 Agent 和边缘部署有实操参考价值；但仅为个人项目，测试样本少，未覆盖夜间和雨天，可靠性有限。