智慧園區(qū)視頻監(jiān)控分析系統(tǒng) YOLO

智慧園區(qū)視頻監(jiān)控分析系統(tǒng)基本建設(shè)的持續(xù)推進(jìn)，云計(jì)算技術(shù)、互聯(lián)網(wǎng)大數(shù)據(jù)、物聯(lián)網(wǎng)技術(shù)、人工智能技術(shù)等現(xiàn)代信息技術(shù)的深層次運(yùn)用，智慧園區(qū)視頻監(jiān)控分析系統(tǒng)發(fā)展趨勢(shì)革新的主要每日任務(wù)與現(xiàn)代信息技術(shù)的大力支持緊密聯(lián)系。智能化園區(qū)基本建設(shè)通常包含經(jīng)營(yíng)管理處、園區(qū)安全工作、耗能管理方法、消防管理、突發(fā)事件應(yīng)對(duì)業(yè)務(wù)流程系統(tǒng)、園區(qū)業(yè)務(wù)、數(shù)據(jù)信息、頁(yè)面集成化，完成園區(qū)經(jīng)營(yíng)數(shù)據(jù)可視化、精細(xì)管理、決策。

近幾年來(lái)，目標(biāo)檢測(cè)算法取得了很大的突破。比較流行的算法可以分為兩類(lèi)，一類(lèi)是基于Region Proposal的R-CNN系算法（R-CNN，F(xiàn)ast R-CNN, Faster R-CNN），它們是two-stage的，需要先使用啟發(fā)式方法（selective search）或者CNN網(wǎng)絡(luò)（RPN）產(chǎn)生Region Proposal，然后再在Region Proposal上做分類(lèi)與回歸。而另一類(lèi)是Yolo，SSD這類(lèi)one-stage算法，其僅僅使用一個(gè)CNN網(wǎng)絡(luò)直接預(yù)測(cè)不同目標(biāo)的類(lèi)別與位置。第一類(lèi)方法是準(zhǔn)確度高一些，但是速度慢，但是第二類(lèi)算法是速度快，但是準(zhǔn)確性要低一些。這可以在圖2中看到。本文介紹的是Yolo算法，其全稱(chēng)是You Only Look Once: Unified, Real-Time Object Detection，其實(shí)個(gè)人覺(jué)得這個(gè)題目取得非常好，基本上把Yolo算法的特點(diǎn)概括全了：You Only Look Once說(shuō)的是只需要一次CNN運(yùn)算，Unified指的是這是一個(gè)統(tǒng)一的框架，提供end-to-end的預(yù)測(cè)，而Real-Time體現(xiàn)是Yolo算法速度快。

智慧園區(qū)視頻監(jiān)控分析系統(tǒng)融合園區(qū)目前數(shù)據(jù)資料，為園區(qū)基礎(chǔ)設(shè)施建設(shè)、人車(chē)公共交通、安全性、產(chǎn)業(yè)布局、經(jīng)濟(jì)發(fā)展、耗能、室內(nèi)環(huán)境等管理方法方面的核心指標(biāo)值給予數(shù)據(jù)可視化綜合性監(jiān)控，幫助管理人員形象化操縱園區(qū)運(yùn)作狀況，統(tǒng)一管理人員、事情、事物、園區(qū)綜合性運(yùn)作。

class Yolo(object): def __init__(self, weights_file, verbose=True): self.verbose = verbose # detection params self.S = 7 # cell size self.B = 2 # boxes_per_cell self.classes = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train","tvmonitor"] self.C = len(self.classes) # number of classes # offset for box center (top left point of each cell) self.x_offset = np.transpose(np.reshape(np.array([np.arange(self.S)]*self.S*self.B), [self.B, self.S, self.S]), [1, 2, 0]) self.y_offset = np.transpose(self.x_offset, [1, 0, 2]) self.threshold = 0.2 # confidence scores threhold self.iou_threshold = 0.4 # the maximum number of boxes to be selected by non max suppression self.max_output_size = 10

智慧園區(qū)視頻監(jiān)控分析系統(tǒng)監(jiān)控，包含監(jiān)控園區(qū)人員駕駛車(chē)輛、工作人員相對(duì)密度、公共交通、停車(chē)場(chǎng)應(yīng)用、集成化視頻監(jiān)控系統(tǒng)、依靠人工智能技術(shù)面部識(shí)別和車(chē)輛識(shí)別分析分辨，協(xié)助管理人員同步控制交通情況，合理減小工作人員、車(chē)子出現(xiàn)異常滯留。生態(tài)公園安全防護(hù)管理方法的監(jiān)控和監(jiān)控必須對(duì)生態(tài)公園內(nèi)的建筑物開(kāi)展系統(tǒng)分區(qū)層訪問(wèn)和信息化管理。適用安全事故警報(bào)提醒，完成迅速精準(zhǔn)定位，可隨時(shí)隨地獲得事情周邊的監(jiān)控視頻，協(xié)助管理人員提升安全管理高效率。