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。