• 方案丨如何通过TSINGSEE青犀防溺水AI算法,实现水域的智能监管与风险预警?


    一、方案背景

    防溺水已经成为青少年的安全教育“必修课”,成为社会各界的安全管理共同责任。尤其是进入夏季后天气逐渐转热,这也是溺水事故的危险期、易发期、高发期。传统预防、管理方法是通过日常宣传演讲溺水危害和人工巡逻管理,存在较多的弊端:

    1)缺乏有效安全预警设施:当人员靠近危险范围时,缺乏危险提醒和监控监管。

    2)人员管控难度大:水域开放,水岸线长,活动面积大,人员行为难管控。

    3)管理手段落后:现有设备简单原始,无法在出现紧急情况时准确识别定位、高效处理。

    为了加强溺水风险的预警,完善各类安全防护设施和加强巡检,能及时发现险情,我们可以通过“防溺水算法”智能化手段,对水域进行智能化监管与风险预警,保障人员生命安全。今天来给大家介绍下基于TSINGSEE青犀视频技术与人工智能技术的防溺水AI解决方案。

    二、方案概述

    TSINGSEE青犀视频AI算法平台部署了45种AI算法模型,在防溺水监管场景上,可以通过人员闯入危险水域的算法进行实现。该算法支持在划定防溺水区域(可分为危险区、警戒区、安全区)的前提下,对进入警戒区的人员进行识别,同时上报是否光脚、是否穿衣、年龄特征等人体属性信息。

    依托部署在水域现场的监控摄像头采集的视频画面,TSINGSEE青犀视频AI算法平台可以对接入的视频流进行实时分析,实时监测是否有人员闯入警戒区,并能及时触发告警,提醒管理人员及时处理,还可以联动现场语音装置进行播报驱离。

    防溺水AI算法的原理主要是检测警戒区域(ROI)内是否有人员的一种AI算法。输入为图像或者视频帧,设定ROI(其中ROI为封闭的多边形区域),算法自动计算出是否有行人在ROI内,主要判定依据为行人的检测框中心是否在ROI内。主要应用于人流量较少,行人肢体清晰、遮挡不严重的场景;建议人员数量范围3~10人。

    三、方案价值

    1) AI+普通摄像头的智能防溺水系统,全天候实时监控和预警

    在水库、河道等危险水域场景部署防溺水视频监管系统,TSINGSEE青犀视频视觉监测AI算法接受“成千上万张溺水照片”的训练,可对管理水域实施24小时不间断检测,精准识别出是否有人员在危险水域旁边,一旦有人员进入划定的危险区域,系统就会自动发出语音报警进行劝离,同时自动推送提示消息给管理人员,管理人员可以进行远程喊话警告,并及时赶到现场,最大程度上避免危险事件的发生,保障人员的安全,有效提升危险水域的管控力度。

    2)实现精准监测和管理,降低溺水事故率

    可实现传统“人防+物防”基础上,又增加了一道“技防”的智能技术防线。基于安防监控系统EasyCVR平台的视频能力,可实现24小时全天候视频监控与风险预警、实时监控江河、湖泊、水库等危险区域,提高了预防溺水的管理效率。TSINGSEE青犀视频防溺水AI方案通过边缘AI视觉技术,识别人员靠近危险水域等行为,对监测的视频画面进行智能分析与视频汇聚融合,实时反馈快,智能化程度高。

    四、场景和建议

    1)相机架设

    所有应用场景中,尽量统一相机架设的高度和角度,算法无法适应所有相机角度和高度。因为行人在不同高度和角度时,行人的姿态和尺寸变化相差较大。

    较为理想的场景是略微俯视,非大俯视场景(需特殊优化)。行人宽高比1:1.5 ~ 1: 2.5,略微俯视可以避免一些行人间遮挡,同时可以保证行人尺度比例变化不会很剧烈。相机过于平视情况下,绘制的远处区域易被近处行人入侵,区域效果易误报,达不到理想的效果。相机架设尽量保证统一,从而可以保证一套算法在各相机视频图像上都能场景兼容达到更好的效果。

    2) 相机内参

    相机的焦距控制,应保证行人在720P的图像中不低于50*100像素。

    3)图像质量

    视频码率较高,截取的视频帧或者图像分辨率较高,行人肢体较清晰。高分辨率的图像对数据标注和模型预测是非常必要的。光线较为良好,可以更好区分行人与背景。

  • 相关阅读:
    RunnerGo亮相QECon大会上海站,来看看这款全栈测试平台
    交互设计师必须知道的五大交互设计流程
    【Matplotlib绘制图像大全】(八):Matplotlib使用text()添加文字标注
    一步步撸脚本监控
    qt调用python脚本中的函数
    Spring原理学习(八)AOP底层实现
    【提问募集】向世界级软件开发大师“Bob 大叔”Robert C. Martin 提出你的疑虑!
    【Oracle】 instr函数与substr函数以及自制分割函数
    mybatis
    企业架构LNMP学习笔记13
  • 原文地址:https://blog.csdn.net/TsingSee/article/details/132836433