- 综合排序
- 最热优先
- 最新优先
- 来自专栏燧机科技-视频AI智能分析
睡岗识别 TensorFlow
睡岗识别可以通过TensorFlowAI深度学习框架智能分析技术，睡岗识别识别出现场人员是否存在睡岗情况，及时发出预警，避免因操作人员的疏忽而导致的安全事故。
40540编辑于 2023-05-24 - 来自专栏燧机科技-视频AI智能分析
睡岗离岗识别检测系统
睡岗离岗识别检测系统根据监控视频ai分析技术可以24h不间断全自动识工作人员的岗位，一旦发现员工工作中不在位置的时间超过规定，睡岗离岗识别检测系统将立即警报，并把报警信息传送到后台。 睡岗离岗识别检测系统可以有效避免员工睡岗离岗的情况发生，从而避免因此造成的不必要的损失。 睡岗离岗识别检测系统处理职工私自离岗的监督难题，从原来的人力资源检查转变成系统全自动控制，大大降低中心管理人员的劳动强度，促使监管更加高效。
79220编辑于 2022-09-25 - 来自专栏燧机科技-视频AI智能分析
夜班睡岗离岗识别检测系统
夜班睡岗离岗识别检测系统依据智能视频分析，能够对值班中关键岗位的运行状态开展全天候实时识别检测，夜班睡岗离岗识别检测系统对区域工作人员的睡岗、离岗、缺岗、玩手机、抽烟等行为进行识别。 在工地值班室部署离岗监测功能，根据监控人员是否在监控室工作岗位上，当值班人员缺岗、睡岗、离岗超过系统设定的时间，则会立即报警，防止人员粗心大意所造成的损失。 夜班睡岗离岗识别检测系统是推动传统监控系统“监管人为要素”向“视频监控系统系统”转型的必需方式。 夜班睡岗离岗识别检测系统致力于服务对各种岗位的实时监测分析，有效实现对值班室人员离岗智能检测的实时预警，包含视频监督、事件预警信息、信息推送等服务。 夜班睡岗离岗识别检测系统依据机器视觉视频分析技术，有效检测视频画面中人体异常行为及目标物品，并发出告警，改变过去视频监控系统系统的处于被动预警信息、效率低下的情况。
51910编辑于 2022-09-25 - 来自专栏燧机科技-视频AI智能分析
人员睡岗检测识别系统
人员睡岗检测识别系统是基于现场监控摄像头视频采集现场的监控图象画面，运用ai智能神经网络算法和机器学习技术，替代人的眼睛，全天候不间断监控人员办公区域，自动对视频监控画面人员睡岗离岗行为进行分析识别，为安全工作护航 该系统应用已有的监控摄像机，不用新增新的摄像头，实时监控和识别，及时警报，省时省力。目前管控涉及到好多环节并且摄像头分布范围广且数量很多，后台人员没法长期保持认真盯着屏幕的警惕。 人员睡岗检测识别系统能够实现智能预警，改进管控人员及时看后台监控大屏画面的低效，实时发现各种事故隐患，马上开展预警提醒输信息内容，避免意外发生的机率。 前端摄像头（不分品牌型号，支持rtsp取流即可）把现场监控视频采集上传视频流至系统服务器，人员睡岗检测识别系统，并展开分析。系统发现工作现场有睡觉行为，进行抓拍、保存，并根据需要进行报警和提示。
74130编辑于 2022-09-28 - 来自专栏燧机科技-视频AI智能分析
人员离岗睡岗自动识别系统
人员离岗睡岗自动识别系统依据机器学习智能视频分析技术，系统全自动识别职工的岗位状态。 人员离岗睡岗自动识别系统一旦发现员工不在工作岗位的时间超出规定设置时间，系统会把报警信息传送到后台并同步信息到相关人员的手机上，随后通过现场视频监控摄像机语音提醒，让员工马上回到岗位，防止工作人员粗心大意带来的损失 未经领导允许擅自离岗睡岗会带来很多潜在危害：1. 化工厂里面的生产设备一直在运作，工作人员轮替倒班。擅自睡岗离岗会造成生产中需要调整的时候工作人员无法马上立即到位，容易造成生产事故。 人员离岗睡岗自动识别系统能够对值勤重点岗位的工作状态开展24小时及时识别查验，人员离岗睡岗自动识别系统能够对某些区域的值班人员开展睡岗.离岗.缺岗.玩手机.抽烟和其它行为进行识别。
83820编辑于 2022-09-25 - 来自专栏燧机科技-视频AI智能分析
政务大厅人员睡岗离岗玩手机识别算法
人员睡岗离岗玩手机识别算法通过python+yolo系列网络框架算法模型，人员睡岗离岗玩手机识别算法利用图像识别和行为分析，识别出睡岗、离岗和玩手机等不符合规定的行为，并发出告警信号以提醒相关人员。 人员睡岗离岗玩手机识别算法中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。 整体来看，人员睡岗离岗玩手机识别Yolo算法采用一个单独的CNN模型实现end-to-end的目标检测。 人员睡岗离岗玩手机识别算法Yolo采用卷积网络来提取特征，然后使用全连接层来得到预测值。网络结构参考GooLeNet模型，包含24个卷积层和2个全连接层，如图8所示。 对于卷积层和全连接层，人员睡岗离岗玩手机识别算法采用Leaky ReLU激活函数：max(x,0.1x)max(x,0.1x)。但是最后一层却采用线性激活函数。
69920编辑于 2023-09-14 - 来自专栏燧机科技-视频AI智能分析
监控室值班人员脱岗睡岗识别算法 yolov7
监控室值班人员脱岗睡岗识别算法基于python+Yolov7深度学习神经网络算法，python+Yolov7算法模型可以7*24小时不间断自动识别现场画面人员行为，算法鲁棒性强。 YOLOv7 在 5 FPS 到 160 FPS 范围内，速度和精度都超过了所有已知的目标检测器并在V100 上，30 FPS 的情况下达到实时目标检测器的最高精度 56.8% AP。 此外， YOLOv7 的在速度和精度上的表现也优于 YOLOR、YOLOX、Scaled-YOLOv4、YOLOv5、DETR 等多种目标检测器。
1.4K00编辑于 2023-05-20 - 来自专栏燧机科技-视频AI智能分析
办公室人员睡岗离岗监测系统
办公室人员睡岗离岗监测系统利用yolov系列以及opencv深度学习框架，办公室人员睡岗离岗监测系统对办公室内人员睡岗离岗行为实时分析检测，如果算法发现有人员离岗或者睡岗可以立即抓拍存档预警。
90340编辑于 2022-12-27 - 来自专栏燧机科技-视频AI智能分析
值班人员睡岗离岗监控报警系统
值班人员睡岗离岗监控报警系统可持续24个小时对值班岗位开展智能化监控。目前，工作人员睡岗离岗预警提醒监控摄像头识别工作员长时间保持不动的姿态，会被判定为睡岗，随后马上提醒睡岗工作人员。 值班人员睡岗离岗监控报警系统同时保存前端分析视频证据并上传至后台，为后续的人工审查提供管理依据。值班人员睡岗离岗的行为无法从源头上解决，增加人力资源管理成本会增加很多。 为了降低过多的人工成本开展管理，值班人员睡岗监控报警系统发挥了重要的作用。当监测到睡岗现象时，系统自动分析、警报，叫醒睡岗工作人员。 值班人员睡岗监控报警系统适用建筑施工、小区、机场、铁路、写字楼、各种工厂、石油石化、煤矿业、物流仓储、大中小型公共场合等。 值班人员睡岗监控报警系统自动识别脱岗、睡岗等行为，避免有关安全值班工作人员离岗而影响工作可能造成不可挽回的损失。
96820编辑于 2022-09-25 - 来自专栏技术汇总专栏
YOLOv8+PyQt5睡岗状态智能检测平台搭建 | 睡觉行为自动监控系统【开箱即用】
在本项目中，我们利用YOLOv8模型进行睡觉和睡岗状态检测。项目的核心功能是通过训练YOLOv8来识别不同的状态（如“睡觉”和“睡岗”）。 本项目结合YOLOv8和PyQt5框架，创建了一款睡觉和睡岗状态检测识别系统，适用于监控、安防以及健康监测等领域。项目提供完整的源码、数据集、训练教程及部署方案，用户可以轻松实现自己的应用。 睡觉与睡岗检测：YOLOv8模型能够准确地识别出“睡觉”和“睡岗”的状态，并标注检测结果。PyQt5界面展示：集成了PyQt5图形界面，实时显示检测画面，标注出检测到的目标区域。 ，成功实现了睡觉与睡岗状态的智能检测识别系统。 项目通过以下几个关键环节实现了自动化监控和实时报警：YOLOv8模型训练与优化：通过精心设计的数据集和超参数调整，模型能够准确识别睡觉和睡岗状态。
31210编辑于 2025-09-19 - 来自专栏燧机科技-视频AI智能分析
监控室睡岗脱岗监测系统 筑牢安全防线
为提升值守纪律，部分单位部署了“监控室睡岗脱岗监测系统”。然而，市场宣传中常出现“自动识别岗位”“实时告警”“让工作人员立即纠正”等夸大表述，不仅技术上不严谨，还可能引发隐私与劳动管理争议。 需强调：AI无法“识别岗位”或“判断工作状态”，仅能对摄像头视野内人员的可见姿态与行为进行初判，包括：长时间静止：人员在工位无明显动作 > 5分钟；闭眼持续：眼睛闭合时间 > 1.5秒（近似PERCLOS 系统无法实现：区分“短暂休息”与“睡岗”、“查阅资料”与“玩手机”；在强逆光、侧脸角度 > 60°、多人遮挡或夜间无补光时稳定工作；“自动识别岗位”——岗位归属需由业务系统定义，AI仅分析行为；强制“立即纠正 注：在实验室标准监控室环境（均匀光照、单人、正脸）下，系统对明显睡岗行为的识别召回率达90.3%，误报率约8.5%（样本量：400段测试）。 2025年Q4在某省级电网调度中心与IDC机房实测中，因人员调整坐姿、查阅纸质文件、戴眼镜反光等因素，有效识别率约为69%，误报率约12次/千小时（主要源于揉眼、低头记笔记被误判为睡岗）。
14210编辑于 2026-01-31 - 来自专栏燧机科技-视频AI智能分析
值班室睡离岗识别预警系统
在电力调度、消防控制、通信机房、应急指挥中心等24小时值守场景中，工作人员因疲劳或临时事务出现睡岗、离岗行为，可能延误突发事件响应，带来重大安全风险。 为提升值守纪律，部分单位部署了“值班室睡离岗识别预警系统”。然而，市场宣传中常出现“自动触发告警”“抓拍录像并推送”“基于YOLOv10智能分析”等表述，易引发对技术能力与隐私合规的误判。 需强调：AI无法“判定离岗意图”或“确认睡岗状态”，仅能对摄像头视野内人员的可见姿态与位置变化进行初判，包括：长时间静止：人员在工位无明显动作 > 5分钟；闭眼持续：眼睛闭合时间 > 1.5秒（近似PERCLOS 注：在实验室标准值班室环境（均匀光照、单人、正脸）下，系统对明显睡岗与离岗行为的识别召回率达91.2%，误报率约8.4%（样本量：420段测试）。 2025年Q4在某省级电网调度中心与城市消防站实测中，因人员查阅资料、调整坐姿、戴眼镜反光等因素，有效识别率约为70%，误报率约12次/千小时（主要源于揉眼、低头记笔记被误判为睡岗，或短暂接电话被误判为离岗
14910编辑于 2026-02-01 - 来自专栏国标视频云平台
如何基于AI视频智能分析+视频监控技术搭建离岗睡岗检测系统？
在一些重要的工作岗位中，都会安排特定的值岗人员，维持日常生产、运营及治安工作，而在岗人员每天面临艰巨而又单调重复的工作，极易产生疲劳，注意力下降，时常会出现离岗、睡岗、抽烟、玩手机等违规行为，从而无法及时发现安全隐患和处理突发紧急事件 二、实际需求需要利用大数据、人工智能、视频监控等先进技术，对重要岗位工作人员及环境进行动态监控、行为识别、事件预警、现场提醒、报警信息推送，有效解决工作人员脱岗、睡岗、在岗抽烟、酗酒等不规范操作问题，实现被动管理向主动管理的智能化转变 、睡岗、抽烟、玩手机、酗酒等违反工作规定的行为就会实时告警，并把报警记录传送至平台，随后进行现场语音监控摄像头提供语音播报，让相关工作人员立即纠正自己的工作行为。 2、睡岗检测支持多个区域对多个工作人员进行睡岗识别，具体识别情形包括包含半身、全身；姿势识别包含坐姿、正脸、背面等。 五、方案应用SkeyeVSS视频融合云平台基于视频AI技术自动检测违规行为，支持检测睡岗、离岗等行为，实现全场景多功能预警，有效辅助预警、监管、取证，保障作业安全，减少安全事故的发生概率。
1.4K30编辑于 2023-05-09 - 来自专栏TSINGSEE青犀视频
视频云存储安防监控视频智能分析平台睡岗离岗检测
在生产过程中，未经领导允许的擅自离岗、睡岗会带来很多的潜在危害。 TSINGSEE青犀推出的视频云存储/安防监控视频智能分析平台得睡岗离岗检测根据AI视频分析技术建立人工智能算法，对视频画面展开分析与识别。自动识别出人员睡岗、离岗、玩手机与抽烟等动作。 基于视频流的智能检测分析，对场景中出现的人员离岗、睡岗行为进行识别，针对长时间无人值守、人员睡岗的情况进行告警提醒。 人员睡岗识别系统依托于视频分析技术，对人员工作区域开展全天24小时监控，自动对视频图像信息内容展开分析识别，无需人工控制；对监控区域范围人员睡岗行为进行自动识别，当发现异常情况时，以最快、最佳的形式进行预警信息 TSINGSEE青犀视频AI识别平台基于视频AI技术自动检测违规行为，采取技防+人防模式，有效辅助预警、监管、取证，支持同时检测睡岗和离岗行为，实现全场景多功能预警，保障作业安全，减少安全事故的发生概率
75010编辑于 2023-08-22 睡岗检测数据集VOC+YOLO格式3316张4类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：3316 标注数量(xml文件个数)：3316 标注数量(txt文件个数)：3316 标注类别数：4 标注类别名称:["leaved","sleep","sleeping","working"] 每个类别标注的框数： leaved 框数 = 3250 sleep 框数 = 16 sleeping 框数 = 922 working 框数 = 3007 总框数：7195 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注
37100编辑于 2025-07-21- 来自专栏技术汇总专栏
睡岗检测睡觉检测数据集（2000张图片已划分、已标注）轻松上手目标检测训练
睡岗检测/睡觉检测数据集（2000张图片已划分、已标注）轻松上手目标检测训练一、背景在工业生产、交通安全、智慧监控等领域中，“睡岗”行为（即工作人员在岗位上睡觉）可能带来极大的安全隐患。 例如，安防监控中心的操作员、夜班司机或工厂值守人员，如果出现睡岗行为，不仅影响工作效率，更可能引发事故。因此，利用人工智能技术自动识别“睡岗”状态，成为智能安防与AI视频监控的重要研究方向之一。 工业生产与工厂值守在夜班或自动化车间中自动识别睡岗行为；用于异常报警、管理考核等。交通运输安全检测驾驶员疲劳驾驶或打瞌睡状态；可扩展至“司机打哈欠检测”等多任务识别。 AI智能分析研究作为行为识别、人体状态监测的子任务数据；可与姿态估计、注意力检测等任务联合使用。图片五、目标检测实战下面我们以 YOLOv8 为例，演示如何利用该数据集快速训练一个睡岗检测模型。1. AI与安防结合前景广阔“睡岗检测”不仅是一项视觉识别任务，更是人工智能赋能安全生产的具体体现。未来若能结合行为识别、姿态估计甚至疲劳检测技术，将能构建更完整的人体状态智能监控系统。
44810编辑于 2025-10-23 - 来自专栏TSINGSEE青犀视频
TSINGSEE青犀睡岗离岗检测算法——确保加油站安全运营
众所周知，加油站是一个需要24小时营业的场所，由于夜间加油人员较少，员工极易处于疲劳或者睡眠状态，为保障安全和效率，通过TSINGSEE青犀睡岗离岗检测算法在加油站场景中，可以及时发现工作人员的疲劳状况 图片1、视频监控在加油站的关键区域安装监控摄像头，接入EasyCVR视频监控平台，使用睡岗检测算法对摄像头捕捉到的实时视频进行分析和处理。 2、睡岗离岗算法TSINGSEE青犀智能分析网关睡岗离岗检测算法主要基于计算机视觉和深度学习技术，通过分析人员的眼睛状态、脸部表情、头部姿态等特征，判断人员是否处于疲劳或睡眠状态。 图片3、智能告警一旦睡岗检测算法检测到加油站工作人员出现离岗或睡眠状态，系统会立即触发警报机制，发送警报信号给管理人员，或者通过语音提醒工作人员。 图片我们的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
35710编辑于 2023-10-27 - 来自专栏TSINGSEE青犀视频
基于AI视频智能分析技术的人员睡岗离岗检测方案及应用场景
一、项目背景在一些重要的岗位中，如：工厂的消防办公室等，需要保持有人员时刻值班在岗，那么如何对值班人员离岗睡岗行为进行高效地监督呢？ 通过人员走访检查不仅效率低下、违规行为发现慢，而且极易监管不到位，因此，基于AI深度学习的人员离岗睡岗智能检测算法，则成为企业、工厂、工地、物业等日常监管工作中的关键应用。 二、解决方案EasyCVR视频融合平台可利用部署在边缘侧的AI智能分析网关，基于视频流的智能检测分析，对场景中出现的人员离岗、睡岗行为进行识别，针对长时间无人值守、人员睡岗的情况进行告警提醒。 2、睡岗检测1）支持睡岗时间自定义，灵活配置告警机制；2）支持人形识别，包含半身、全身；姿势识别，包含坐姿、正脸、背脸等；3）支持设置多个区域对多个工作人员是否睡岗进行识别。 人员睡岗离岗检测可应用在工地、工厂、矿山、消防等行业中，督促值班人员提升岗位责任心，协助企业提高监管效率。
1.1K10编辑于 2023-03-22 睡岗检测数据集VOC+YOLO格式1198张1类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)
29300编辑于 2025-07-17- 来自专栏燧机科技-视频AI智能分析
监狱视频监控智能预警系统
： 人数超员/聚众：基于目标检测结果，通过匈牙利算法统计区域内人数，结合密度阈值（如监舍＞4人、劳动区＞10人）判定超员，通过DBSCAN聚类识别3人以上聚集； 离岗/睡岗监测：对工作人员（着制服）进行姿态识别 （站立/坐姿/躺卧），结合时间序列分析（离岗＞5分钟、睡岗＞3分钟）判定； 攀高/离床监测：通过人体关键点坐标（如手腕高度＞2米判定攀高、床铺区域无人员判定离床）识别。 离岗/睡岗监测：对工作人员目标，通过OpenPose提取17个骨骼点，计算姿态角（如脊柱与垂直方向夹角＞30°判定躺卧），结合连续10帧时序分析（躺卧＞3分钟判定睡岗）。 实验室数据显示，姿态识别准确率96.8%，睡岗误报率4.1%（源于短暂休息）。 ，提升复杂行为识别准确率（实测数据显示序列行为识别准确率98.1%）； 动态阈值调整：根据时段（如夜间放宽睡岗判定时间）、区域（劳动区放宽人数阈值）自动更新规则； 模型在线迭代：每周自动收集误报样本，通过增量训练更新模型
33710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