- 综合排序
- 最热优先
- 最新优先
- 来自专栏算法专栏
Lnton羚通智能分析算法工服智能监测预警算法
工服智能监测预警系统通过yolov8网络模型算法，工服智能监测预警算法对现场人员未按要求穿戴工服工装则输出报警信息，通知后台人员及时处理。 YOLO系列算法是一类典型的one-stage目标检测算法，其利用anchor box将分类与目标定位的回归问题结合起来，从而做到了高效、灵活和泛化性能好，所以在工业界也十分受欢迎。 工服智能监测预警算法是一种用于检测和预警员工工作服装状况的技术。 该算法可以通过计算机视觉和图像处理技术，对员工穿着的工作服进行实时监测、分析和预警，以确保员工的穿着符合规定，并提醒员工及时更换损坏的工作服。 图片图片 Lnton羚通智能分析算法工服智能监测预警算法根据设定的规则和要求，判断工作服的状况是否符合预期。
1K30编辑于 2023-08-14 - 来自专栏燧机科技-视频AI智能分析
工服智能监测预警系统
工服智能监测预警系统通过yolov8网络模型算法，工服智能监测预警系统对现场人员未按要求穿戴工服工装则输出报警信息，通知后台人员及时处理。 工服智能监测预警系统Yolo算法采用一个单独的CNN模型实现end-to-end的目标检测，核心思想就是利用整张图作为网络的输入，直接在输出层回归 bounding box（边界框） 的位置及其所属的类别 YOLO系列算法是一类典型的one-stage目标检测算法，其利用anchor box将分类与目标定位的回归问题结合起来，从而做到了高效、灵活和泛化性能好，所以在工业界也十分受欢迎。 YOLOv8 算法的核心特性和改动可以归结为如下：提供了一个全新的 SOTA 模型，包括 P5 640 和 P6 1280 分辨率的目标检测网络和基于 YOLACT 的实例分割模型。 2）并引入了 Distribution Focal Loss(DFL)Train:训练的数据增强部分引入了 YOLOX 中的最后 10 epoch 关闭 Mosiac 增强的操作，可以有效地提升精度Backbone
45320编辑于 2023-05-10 - 来自专栏燧机科技-视频AI智能分析
AI智能工服识别算法
AI智能工服识别算法通过yolov5+python网络深度学习算法模型，AI智能工服识别算法通过摄像头对现场区域利用算法分析图像中的工服特征进行分析实时监测工作人员的工服穿戴情况，识别出是否规范穿戴工服 AI智能工服识别算法中使用到的语言Python是一种由Guido van Rossum开发的通用编程语言，它很快就变得非常流行，主要是因为它的简单性和代码可读性。 AI智能工服识别算法特征提取是指提取工服中的点或者块。因此不需要精确的人体定位和跟踪，并且局部特征对人体的表观变化，视觉变化和部分遮挡问题也不是很敏感。因此在行为识别中采用这种特征的分类器比较多。 AI智能工服识别算法对于卷积层，主要使用1x1卷积来做channle reduction，然后紧跟3x3卷积。 除了上面这个结构，AI智能工服识别算法提出了一个轻量级版本Fast Yolo，其仅使用9个卷积层，并且卷积层中使用更少的卷积核。
65320编辑于 2023-09-14 - 来自专栏燧机科技-视频AI智能分析
AI工衣工服智能识别系统
AI工衣工服智能识别系统通过yolov7网络模型深度学习算法，AI工衣工服智能识别系统对场人员穿戴进行实时不间断监测，AI工衣工服智能识别系统发现现场人员未按要求穿戴时，AI工衣工服智能识别系统立即抓拍告警 You Only Look Once说的是只需要一次CNN运算，Unified指的是这是一个统一的框架，提供end-to-end的预测，而Real-Time体现是Yolo算法速度快。
89480编辑于 2023-02-15 - 来自专栏燧机科技-视频AI智能分析
工服穿戴检测联动门禁开关算法
工服穿戴检测联动门禁开关算法通过yolov8深度学习框架模型，工服穿戴检测联动门禁开关算法能够准确识别和检测作业人员是否按照规定进行工服着装，只有当人员合规着装时，工服穿戴检测联动门禁开关算法会发送开关量信号给门禁设备 工服穿戴检测联动门禁开关算法YOLO的结构非常简单，就是单纯的卷积、池化最后加了两层全连接，从网络结构上看，与前面介绍的CNN分类网络没有本质的区别，最大的差异是输出层用线性函数做激活函数，因为需要预测 所以粗略来说，工服穿戴检测联动门禁开关算法的整个结构就是输入图片经过神经网络的变换得到一个输出的张量。 或者我们把工服穿戴检测联动门禁开关算法 7x7x30 的张量看作 7x7=49个30维的向量，也就是输入图像中的每个网格对应输出一个30维的向量。 2）并引入了 Distribution Focal Loss(DFL)Train:工服穿戴检测联动门禁开关算法训练的数据增强部分引入了 YOLOX 中的最后 10 epoch 关闭 Mosiac 增强的操作
70830编辑于 2023-09-24 - 来自专栏燧机科技-视频AI智能分析
工服穿戴检测算法 工装穿戴识别算法
工服穿戴检测算法 工装穿戴识别算法利用yolo网络模型图像识别技术，工服穿戴检测算法 工装穿戴识别算法可以准确地识别现场人员是否穿戴了正确的工装，包括工作服、安全帽等。 这就意味着 工服穿戴检测算法 工装穿戴识别算法可以以小于 25 毫秒延迟，实时地处理视频。对于欠实时系统，在准确率保证的情况下，速度快于其他方法。 图片工服穿戴检测算法 工装穿戴识别算法先使用ImageNet数据集对前20层卷积网络进行预训练，然后使用完整的网络，在PASCAL VOC数据集上进行对象识别和定位的训练。 工服穿戴检测算法 工装穿戴识别算法的最后一层采用线性激活函数，其它层都是Leaky ReLU。训练中采用了drop out和数据增强（data augmentation）来防止过拟合。 工服穿戴检测算法 工装穿戴识别算法在采用NMS（Non-maximal suppression，非极大值抑制）算法选出最有可能是目标的结果。
97120编辑于 2023-09-21 - 来自专栏TSINGSEE青犀视频
TSINGSEE青犀智能分析网关工服识别算法，如何最大限度保障工人安全？
众所周知，TSINGSEE青犀智能分析网关算法繁多，大多数算法已经和大家讲解过了，今天就和大家聊一聊工服识别算法。 工服识别算法一般应用于工地、化工、煤矿等场所，用来监督检测施工人员是否按照要求着工服，最大程度保障人员安全，具体有以下作用：1、实时监控与告警检测员工是否按照要求着工作服、安全帽，一旦员工没有按照要求着装 2、数据记录和存储TSINGSEE青犀智能分析网关+EasyCVR智能监控系统，具备了数据记录和存储功能，能够将摄像头采集到的数据进行记录和存储。 TSINGSEE青犀视频智能分析网关，可实现对视频监控场景中的人脸、人体、安全帽、口罩等进行抓拍、检测与识别，支持对异常情况进行智能提醒和通知，广泛用于客流统计、周界防范、明厨亮灶、通用安防监控、企业安全生产
38530编辑于 2023-11-09 - 来自专栏燧机科技-视频AI智能分析
拥挤聚集智能监测算法
拥挤聚集智能监测算法可以通过yolov7网络模型深度学习框架对人员数量、密度等进行实时监测，拥挤聚集智能监算法识别出拥挤聚集的情况，并及时发出预警。
44330编辑于 2023-05-26 - 来自专栏燧机科技-视频AI智能分析
充电站AI算法智能识别监测系统
在此背景下，充电站AI算法智能识别监测系统应运而生。该系统利用先进的计算机视觉技术，对充电桩区域进行全天候智能监测。 二、核心技术架构：多任务感知与时序逻辑推理充电站AI算法智能识别监测系统并非单一功能的叠加，而是基于深度学习多任务学习框架（Multi-task Learning）构建的综合感知引擎。 车辆属性精细化识别与违停判定车型与车牌分类：采用高精度目标检测算法（如YOLOv8/v10改进版），首先区分机动车与非机动车。 四、部署实施的关键考量在推进充电站AI算法智能识别监测系统落地时，需关注以下工程化细节：点位规划与视角优化：摄像头应覆盖所有充电车位及通道，建议采用广角高位俯拍以减少盲区，同时兼顾充电枪特写视角的需求（ 五、结语充电站AI算法智能识别监测系统的应用，标志着新能源基础设施运营从“粗放式管理”向“数字化智治”的跨越。
45610编辑于 2026-03-08 - 来自专栏TSINGSEE青犀视频
智慧电力方案：安防监控/视频分析AI识别技术在电力领域中的应用
为实现电力的可持续发展，提升电力的高效、安全运维管理，基于AI智能识别技术的智慧电力解决方案应运而生。 二、解决方案在电力领域中，TSINGSEE青犀AI智能分析网关V3涉及的算法包括：安全帽识别、未穿长袖识别、人员越线识别、人员倒地识别、区域入侵识别、睡岗识别等。 1）工服检测在电力行业中，工服与安全帽的佩戴尤为重要，TSINGSEE青犀AI智能分析网关V3配备了安全帽/工服/未穿长袖检测，可以极大限度地督促工作人员着装安全，保障工作人员施工/巡检安全。 2）周界入侵周界入侵算法可以智能识别、主动监测、可视化预警，实现周界入侵零误报、零事故，对电线杆、电线桩、高压线等区域，进行实时视频监控与AI检测，一旦有外部人员靠近，可立即通知管理人员进行处理，还可配备语音喊话功能 基于以上AI算法与EasyCVR平台的视频能力，我们可以时刻监测设备是否正常运转、人员穿戴是否合规，保障人员在巡检作业时，做好安全措施，杜绝违规操作，消除安全隐患，筑牢安全防线。
59510编辑于 2023-09-01 24h AI 门店管家：用视觉智能填补周期巡店的管理空档
二、解决方案：AI 视觉 + 事件触发式管控24h AI 门店管家是一套基于门店智能监控摄像头与自研 AI 视觉算法的技术方案。其工作流程可概括为两个环节：1. 以“员工工作区玩手机”检测为例，系统会综合三个维度进行判断： · 工服特征（是否为员工） · 手持物品（是否为手机） · 所处区域（是否为工作区）通过这种组合判断，有效区分员工违规与顾客正常行为。 · 部署算法：员工工服/口罩/发网检测、原材料合规检测、外卖保温袋检测。 · 效果：门店食安违规率下降超过 30%，品控相关客诉下降接近 50%。 · 部署算法：员工工服检测、车辆进店抓拍及车牌登记、车辆离店工作台清洁检测。 · 效果：飞单事件基本消失，服务流程合规率提升至 97%，新店标准化落地周期缩短 70%。 · 部署算法：员工玩手机检测、员工工服检测、员工离岗检测、会议未开展检测。 · 效果：员工在岗行为违规事件减少近 50%，岗位人效提升超过 20%。
33510编辑于 2026-04-23- 来自专栏TSINGSEE青犀视频
智慧电力方案：安防监控/视频分析AI识别技术在电力领域中的应用
为实现电力的可持续发展，提升电力的高效、安全运维管理，基于AI智能识别技术的智慧电力解决方案应运而生。 二、解决方案在电力领域中，TSINGSEE青犀AI智能分析网关V3涉及的算法包括：安全帽识别、未穿长袖识别、人员越线识别、人员倒地识别、区域入侵识别、睡岗识别等。 1）工服检测在电力行业中，工服与安全帽的佩戴尤为重要，TSINGSEE青犀AI智能分析网关V3配备了安全帽/工服/未穿长袖检测，可以极大限度地督促工作人员着装安全，保障工作人员施工/巡检安全。 2）周界入侵周界入侵算法可以智能识别、主动监测、可视化预警，实现周界入侵零误报、零事故，对电线杆、电线桩、高压线等区域，进行实时视频监控与AI检测，一旦有外部人员靠近，可立即通知管理人员进行处理，还可配备语音喊话功能 基于以上AI算法与EasyCVR平台的视频能力，我们可以时刻监测设备是否正常运转、人员穿戴是否合规，保障人员在巡检作业时，做好安全措施，杜绝违规操作，消除安全隐患，筑牢安全防线。
67720编辑于 2023-09-01 - 来自专栏人工智能头条
五月人工智能博文Top10
翻译 | 婉清 编辑 | 阿司匹林 出品 | 人工智能头条（公众号ID：AI_Thinker） Sicara 是一家从事敏捷数据开发的公司，总部位于巴黎，他们精心挑选了上个月最受欢迎的 10 月人工智能博文 博文：《Facebook 正在使用数十亿张 Instagram 图片来训练人工智能算法》 Facebook is using billions of Instagram images to train 不过，有两个问题仍未得到完整解答: 在何种程度上，公司将不得不“解释”算法如何服务用户？ 人们是否有能力要求公司不要用他们的个人数据来训练他们的算法博文：《GDPR将给机器学习带来什么影响？》 如果我告诉你，这篇最好的人工智能文章是用算法撰写的，你会相信么？ 、十本免费的必读书籍 让我们以最佳选择来总结这个“五月人工智能精选”。
59120发布于 2018-07-20 - 来自专栏TSINGSEE青犀视频
视频云存储安防监控AI视频智能分析网关V3：工服检测功能详解
在一些工地、后厨、化工、电力等特定的场景中，工服的穿戴是必不可少的。这不仅是安全制度的要求，更能降低工作风险、提高工作效率。 TSINGSEE青犀AI 边缘计算网关硬件 —— 智能分析网关可以通过实时监测和识别工人的工装穿戴情况，确保他们符合安全要求。 工装穿戴检测/安全着装检测技术能通过数据分析，提供工装穿戴情况的实时监测和分析功能，为工作管理提供决策支持，可以有效降低工作风险，提高工作安全性，为工人提供一个安全、高效的工作环境。 我们的 AI 边缘计算网关硬件 —— 智能分析网关目前有 5 个版本：V1、V2、V3、V4、V5，每个版本都能实现对监控视频的智能识别和分析，支持抓拍、记录、告警等，每个版本在算法模型及性能配置上略有不同 硬件可实现的 AI 检测包括：人脸结构化数据、车辆结构化数据、场景检测类算法、行业类检测算法、人员行为类检测算法等。感兴趣的用户可以前往演示平台进行体验或部署测试。
40720编辑于 2023-09-01 - 来自专栏强化学习专栏
人工智能领域的10大算法
本篇文章是博主在人工智能等领域学习时，用于个人学习、研究或者欣赏使用，并基于博主对人工智能等领域的一些理解而记录的学习摘录和笔记，若有不当和侵权之处，指出后将会立即改正，还望谅解。 文章分类在学习摘录和笔记专栏： 学习摘录和笔记（12）---《人工智能领域的10大算法》 人工智能领域的10大算法 1 线性回归 线性回归（Linear Regression） 可能是最流行的机器学习算法。 10 人工神经网络 人工神经网络（Artificial Neural Networks，ANN）可以处理大型复杂的机器学习任务。 参考：AI智胜未来《人工智能领域的10大算法》 文章若有不当和不正确之处，还望理解与指出。由于部分文字、图片等来源于互联网，无法核实真实出处，如涉及相关争议，请联系博主删除。
61110编辑于 2024-12-03 - 来自专栏TSINGSEE青犀视频
智慧工地防盗新手段：TSINGSEE青犀工地智能监控防盗系统方案
2、周界入侵检测系统通过TSINGSEE青犀智能分析网关中的周界入侵算法，在工地堆料、危险区域、或器具堆放区域等，划定警戒线，一旦有人员进入禁区，系统会自动触发警报并及时通知相关人员。 4、 防盗报警系统安装声光报警器，当工地智能监控系统监测到有可疑活动时，会发出警报声，并同步触发摄像头拍摄和录像，以提供证据。 5、智能算法EasyCVR工地智能监控系统内含TSINGSEE青犀智能分析网关，针对工地场景主要有以下智能分析算法：1）安全帽、工服检测：实时检测工地工作人员是否根据要求佩戴安全帽，穿着反光衣/工服；2 ） 人员摔倒：及时检测人员摔倒情况，一旦发生人员跌倒，立刻通知后台进行救护；3）烟火识别：在易发生火灾区域配备该算法，可避免发生火灾无人知晓酿成大祸。 6、 智能告警平台所配备的算法，可以自动识别异常活动并告警，同时保存告警画面，还可以通过邮件告知报警信息，方便后期溯源。
71610编辑于 2023-12-14 - 来自专栏互联网数据官iCDO
着眼未来--看2018人工智能的10大趋势！
引言：本文介绍2018年人工智能的十大趋势。 翻译 | 吕东昊 审校 | 李晓艳 编辑 | Rachel 这一年，人工智能将如何改变市场（世界）？ 由于全球最大的实体机构都在专注于推进人工智能技术，几乎可以肯定的是，2018年，AI领域将取得重大进展。下面是今年人工智能发展的10大趋势。 1. 同样地，如果大型仓库只需要几十个人就能搞定，那么目前在美国仓库工作的100万名采摘工和包装工将有许多人可能失业。 “这一技术可以指导服务人员与客户更有效地沟通，这些都要归功于机器学习算法。预计人工智能将在2018年及以后越来越多地帮助到白领员工。” 由于各种规模的公司都在努力收集和分析数据，对于有能力处理大型数据集以帮助人工智能平台的优秀数据科学家的需求必然会增加。 10.
53230发布于 2018-07-27 - 来自专栏美小妮
人工智能领域的10大算法
事实上，人工智能已经存在于我们生活中很久了。但对很多人来讲，人工智能还是一个较为“高深”的技术，然而再高深的技术，也是从基础原理开始的。 人工智能领域中就流传着10大算法，它们的原理浅显，很早就被发现、应用，甚至你在中学时就学过，在生活中也都极为常见。 6.K- 最近邻算法（KNN）K- 最近邻算法（K-Nearest Neighbors，KNN）非常简单。 10.人工神经网络（ANN）人工神经网络（Artificial Neural Networks，ANN）可以处理大型复杂的机器学习任务。 现在，你已经了解了最流行的人工智能算法的基础介绍，并且，对它们的实际应用也有了一定认识。
3.5K20编辑于 2023-10-06 - 来自专栏TSINGSEE青犀视频
如何通过AI视频智能分析，构建着装规范检测工装穿戴检测系统？
违规着装极易增加安全隐患，并且引发安全事故和质量问题，例如，在化工工厂中，倘若员工没有穿戴符合要求的特殊防护服和安全鞋，将有极大可能受到有害物质的侵害，对身体健康和生命安全带来严重的威胁。 TSINGSEE青犀视频AI算法平台的着装规范检测/工装穿戴检测算法，是基于AI深度学习，通过计算机视觉技术准确地识别特定区域内工人是否穿戴是否合规，包括工作服、反光衣、安全帽等，常用于工地、工厂、车间 2）未穿反光背心：支持识别橙色、莹绿色开襟马甲、套衫马甲工作服的目标识别，以及人形检测；支持在划定区域内检测是否有未穿工作服的工人。3）未戴口罩识别：支持对人脸是否佩戴口罩进行检测。 4）工作服识别：支持识别港口、电力施工、维修、保洁等角色的人员是否穿戴工作服。在应用场景中，通过在服务器端部署AI算法平台，将监管现场的监控视频流接入并进行实时智能分析与预警。 应用场景：1）建筑工地：自动识别监测未穿着反光衣、未戴安全帽的工作人员，提高工地安全性，减少潜在的事故风险。2）仓储物流：自动识别监测未着工服的陌生人员，提高仓储物流工作场所安全性，减少人力监管成本。
1.3K20编辑于 2023-09-21 - 来自专栏燧机科技-视频AI智能分析
非车间人员进入识别监控系统
：访客马甲、未穿工服）； 身份比对：对接企业OA系统人员数据库（含工牌照片、着装规范），通过FaceNet模型提取人脸特征，判断是否为授权人员（员工/访客登记）。 YOLOX非车间场景适配优化 针对车间复杂背景（设备密集）、小目标（远处人员）、动态干扰（人员快速移动）优化模型：数据集构建：采集25000张车间实景图像（含白天/夜间、不同光照场景），标注“授权员工（穿工服 ）”“访客（戴访客证）”“非授权人员（未穿工服/无证件）”3类目标，按8:1:1划分训练/验证/测试集； 模型轻量化：采用通道剪枝（剪枝率28%）+ TensorRT量化（INT8精度），模型体积从75MB （二）技术创新优势 多特征融合识别：结合“着装特征（工服/访客证）+人脸比对”双重校验，解决单一视觉误判（实验室数据显示误报率从12%降至4.5%）； 动态权限管理：对接企业排班系统，自动更新授权人员名单 八、结语 本系统通过YOLOX深度学习算法与非车间场景的深度适配，实现了人员准入的智能化识别与多端联动告警，实测验证了其在响应速度、识别精度上的优势。
38910编辑于 2025-12-19
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号