南昌安全帽安全系统 安全帽安全系统

统技术指标及硬件要求
相机要求：有h264格式的rtsp视频流，拍摄角度采取平视或者一定角度的俯视，不能完全俯视。
服务器配置要求：CPU(i7-3770)内存(双4G)；硬盘(SATA,希捷,500G,7200转)
数据处理能力：一台服务器可带10路以上相机，分析频率：2秒分析一次，可视硬件情况调整。
识别准确率：≥95%
图片分辨率：≥200万像素
操作系统： 64位操作系统。支持WIN7，WIN8, Windows-Server2008等
系统功能：
(一)视频/图片识别
系统可以直接接入相机，分析视频，也可以分析图片。
(二)   人员采集
系统可以自动识别出拍摄区域内的人员。
(三)   安全帽识别
系统可自动识别出人员是否佩戴安全帽。
(四)   抽烟识别
系统可自动识别人员是否有抽烟等违规行为。
(五)  越界检测
可在视线区域内划定虚拟界线，若有人闯入，则报警。
(六)报警功能
如发现有人员未佩戴安全帽或者抽烟，可以在室进行语音报警，提醒处理。
(七) 全天候智能分析
智能全自动分析，*人员值守，*人为操作。
应用场景：
在建工地：如地铁施工现场，现场等。
矿区：煤矿等需要佩戴安全帽和禁止吸烟的区域。
建成厂区：需要佩戴安全帽和禁止吸烟的任何厂区。

安全帽识别的原理是用AI技术对工作现场的视频进行实时分析，如果发现工作人员未按要求佩戴安全帽，系统会自动发出警报，在提醒管理人员的同时，系统会自动保存时间、地点及相应的照片作为依据，AI大潮之下，传统的建筑工地也有许多方面得到了提升，除了人脸识别之外，智慧工地关心的就是安全问题，如何将AI技术应用于安全方面呢？BVS安全帽识别系统就是这些区域的守护者。可以说，安全帽识别是应用在工地管理转型升级的重要手段，为安全员进行现场监督提供有力的技术**。
在一些工地和矿区，现场经常有掉落物体，从安全的角度出发，所有进场的工作人员都必须佩戴安全帽。以前是通过监督人员巡查或观看视频来杜绝违规现象，但由于点多面广，人员看视频也看不过来，出现疏漏也在所难免，结果难以令人满意。BVS安全帽识别系统很好地解决了这个难题，对不按要求佩戴安全帽的识别率较高，足以对违规行为形成震慑，为现场工作人员竖起一道安全的防火墙，让智慧工地与安全生产充分联合起来，从根本上解除管理者和部门的后顾之忧。

研发背景：
工地和矿区等易有掉落物体的作业区域，安全排在位。如果安全不能保证，不仅会遭受人员伤亡和财产损失，正常的作业秩序亦无法维持，所以在工地和矿区等区域内，必须要佩戴安全帽。但是，尽管各单位经常进行安全教育，总有心存侥幸者因为各种理由不能保证时刻佩戴。现在很多地方还是采取人力盯梢的方式，用人眼通过相机或者现场检查有无场内人员不佩戴安全帽的情况，但巡查人员不可能全天候盯着，这就需要借助科技手段来实现监督。
在建筑工地及煤矿，因为有保温材料和易燃物品的存放，防火工作是重中之重，一个烟头就可能引起火灾，造成巨大的生命和财产损失，所以建筑工地和煤矿禁止吸烟，存在侥幸心理的工人可能会躲过安全巡查，这项工作需要交给无死角去做。
产品概述：
富维图像智慧工地-安全帽佩戴及抽烟识别系统是基于视频流的智能图像识别系统，利用的深度学习与大数据技术，通过自动识别人员与安全帽等特征为安全员对现场监督提供有力**。本系统采用视频图像智能识别的方式，*新增硬件，实时识别，实时报警，快捷方便。
发展趋势：
1. 集成化
  依靠相机采集图像/视频，将图像/视频集中到机房，由软件进行自动识别，所有厂区/工地/矿区尽在掌握。
2. 网络化
  当前已经进入高速网络时代，更快的传输速度，更大的网络带宽为安全帽佩戴识别系统未来的发展提供了一辆高速列车，以前高清图片、高清视频流传输等以前制约系统发展的瓶颈问题都由于网络技术的大力发展而消失，系统将正式走入一个网络化的时代。
3. 智能化
  随着现代电子信息技术的全面发展，图像采集、分析、处理及数据存储、处理、传输等技术在智能识别领域得到了越来越广泛的应用，为全面提升系统的智能化发展提供了有力**。
详细设计：
1. 系统描述
安全帽佩戴及抽烟自动识别系统主要利用相机拍摄到的图像进行智能分析，实现对人员信息实时读取分析，人员佩戴安全帽及是否有人抽烟的情况实时展示。系统服务器安装于工地指挥部内，与原系统共同运行，达到方便维护、故障率低、易于使用、便于安装等优点，此外，系统兼容性强、适用面广，能对各相机厂家的图片进行分析。
2. 工作原理
1) 前端抓拍设备抓拍场内信息，并上传至管理系统服务器。
2) 服务器实时读取图片，并进行实时分析、实时输出人员安全帽佩戴信息。
3) 安全员通过扩音器或者现场提醒方式，进行处理/处罚。

识别参数：
（1）识别内容：红色、、蓝色、白色、橘色安全帽；
（2） 识别率：90%以上；
（3）小检测尺寸：40 x 40像素；
（4）分析区域：支持画面中自定义分析区域；
（5）视频分辨率：建议D1分辨率（分辨率越高服务器性能要求越高）；
（6）视频帧率：建议5帧（不大于10帧）；
（7）视频角度要求：与水平线角度不小于10度；
（8）色彩要求：彩色画面；
（9）报警方式：报警信息可推送多平台；
（10）响应时间：延时3-5s左右（读取视频即时分析，延时长短取决于前端视频流）。
算法优势：
（1）针对动态视频，实时识别，深度优化；
（2）识别、跟踪精度高，对光线、阴天等不同环境适应性强；
（3）不受人员眼镜、胡须、发型、表情等遮挡影响；
（4）不受人员正面、背面、侧面、跑动、低头等不同姿态影响。
硬件参数：
（1）摄像头参数：兼容市面上几乎所有摄像头，分辨率720P以上；
（2）服务器配置参考：
http://chengye888.cn.b2b168.com