在弄视频识别，提取出一些特定行为（车祸碰撞）和一些对象（例如信号灯，小车）的坐标框的项目，有什么模型识别效果好而且可以返回坐标范围吗？我现在用的qwen3.5plus经常识别不出来“碰撞”