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。