某工厂人员违规行为检测智能化案例某工厂人员违规行为检测智能化案例分享

应用背景

工厂人员管理一直是工厂正常运营的重要管理模块, 使用计算机视觉技术, 在工厂实现工作服穿戴检测、员工到岗和离岗检测、员工疲劳检测等人员管理的场景 AI 化,可以帮助客户提升工厂人员管理效率并降低企业管理成本。

某工厂基于视频流数据实现净化间穿戴检测、到岗 / 离岗检测、疲劳检测等功能, 并成功上线,推理速度达 5FPS,事件级别违规识别准确率平均在 90% 以上,满足上线要求。

难点分析

技术难点

重难点分析

技术方案

从软件到硬件构建了一整套的系统架构解决方案,如下图所示:

技术方案

更进一步的,从系统架构解决方案中提炼出技术架构图如下。

架构图

具体地,将违规行为检测问题分解为“单帧图像的物体检测问题”与“聚合到时间维度的规则判断问题”。

定义违规规则,将业务规则转化成单帧物体检测的规则(如用 B. b. 的 Overlapping 作接触判断) 。

单帧图像违规规则判断:当前帧是否发生违规?一定时间窗口内的违规规则判断:违规是否持续了一段时间(真的发生了违规,还是某一两帧模型的误判) ?

通过多次试验,调整规则的阈值条件,使单帧检测效果提升。

通过合适的时间聚合条件,将单帧违规信息聚合到事件维度,提高事件级别的识别准确率(Precision)。

迭代期间模型试运行测试时,收集 Bad Case 数据,追加标注数据进行迭代训练。

欢迎咨询

如有定制智能化升级需求,请私信需求+姓名+联系方式。

Published by

风君子

独自遨游何稽首 揭天掀地慰生平

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注