发表时间:2021-06-17
赛达科技以视觉智能化技术为切入点,自主研发视觉AI算法,全时侦测待测事件,分析、挖掘前端视频图像数据,提供人员、环境、安保等安全风险点识别及报警提醒服务,AI智能值守,主动识别不安全因素,实现违规占道、违法捕捞、森林烟火、林木砍伐、水域污染等违法事件的快速检测分析。
AI检测报警原理
系统结合实时视频图像检测方法与人工智能、计算机视觉、数字图像处理、模式识别和信号处理等信息技术,可不受环境和距离的限制,自动识别视频中的各类违法行为并发出报警。
首先系统可对报警对象的静态/动态特征进行研究分析,对比不同的报警模型,利用PCA的方法提取特征报警对象,同时结合方差、峰度和偏度分析报警对象外围的不稳定特性,采用短时平均过零率与PCA相结合的方法分析报警对象的闪动频率,利用圆度和相似度分析报警对象形状的不规则性。
然后结合报警对象的视觉特征,设计一套报警对象检测算法。该算法主要包括三个模块:前景检测、特征分析、特征融合:
前景检测:采用减背景的背景建模方法提取运动目标,分离场景背景与目标,准确筛选报警对象,再结合颜色信息排除不具有报警特征的运动物体的干扰。
特征分析:基于AI深度学习技术,结合对象的不稳定性、闪动频率和不规则性特征,智能识别分析视频中的异常活体、违规行为、姿态特征、运动轨迹特征,快速主动发现问题,轻松高效应对突发事件。
特征融合:结合报警对象特征的优先级,改进方案,采用设置权重的方案对动态特征判别结果进行融合,并给出最终的检测结果。
图像颜色信息利用标准平均值法将彩色图像灰度化,利用灰度直方图双峰法选择阈值,再将图像二值化,通过分析报警对象图像的相关函数、灰度均值序列的方差,圆形性序列的均值和相关函数、质心的移动距离连通可疑目标区域。
算法流程
通过对实时视频中的不同颜色,结合模糊控制理论进行分析,筛选出疑似报警对象的点
利用改进后的GMM算法对视频进行运动检测,分离场景背景与目标,获取运动前景
将前两步的结果合成疑似报警对象的边缘轮廓
利用SVM算法,对疑似报警对象边缘轮廓进行分析,找到真实的报警对象
应用场景
利用计算机图像视觉分析技术理解视频画面内容,将人工智能、图像处理、模式识别、智能分析以及信号处理等先进算法技术融入多元化场景中,对不同环境下的大量视频进行分析。系统具备实时检测、识别率高、误检率低的特点,且具有一定的抗干扰能力,可靠性强,拥有较好的应用前景。
01明厨亮灶
面向餐饮企业、政府监管机构以及消费者提供可视化AI巡查服务,对接智能视觉,对视频流进行实时的AI分析,自动检测后厨人脸、着装规范、行为规范、移动活物和烟火,并可自动触发告警,打造真正的视频厨房、网络厨房,保障“舌尖上的安全”。
02智能识别
集成了AI视频人车识别检索、轨迹跟踪、行为分析、异常告警等能力,搭配云端的大容量、强算法,实现多场景人车分拣、判断和识别,满足公安刑侦、校园门禁、闸机证件验证、社区人车管理等多元化需求。
03森林防火
智能分析算法检测系统可对森林烟火点、火点方位、蔓延态势进行快速识别告警并进行预判,智能管控林区出入人车、盗伐树木等行为,通过算法优化技术,提升告警的准确性与及时性,从多个方面保证林业生态环境的良性循环发展。
04智慧工地
在工地管理应用中,对未按规定佩戴安全帽、未穿反光衣等违规行为进行自动识别,对设备异常、工地扬尘超标、区域入侵进行有效管控,达到异常行为自动告警的效果,充分保障工地施工安全。
目前,视觉AI算法的应用边界已经从安防监控逐步拓展到智能生活的各个领域,除了上述场景,该算法在医疗保健辅助诊断、工业自动化检测、禁渔监管、农业种植智能感知、智慧教育、环境保护等诸多领域都有着广泛的应用空间。未来,将凭借着先进的识别算法能力为行业发展持续护航。