從宏觀層面看，近幾年應(yīng)急管理工作發(fā)生了較大的變化，2018年3月根據(jù)《第十三屆全國(guó)人民代表大會(huì)第一次會(huì)議》批準(zhǔn)設(shè)立了應(yīng)急管理部，兼具國(guó)家安全生產(chǎn)監(jiān)督管理、應(yīng)急管理、消防管理、救災(zāi)、地質(zhì)災(zāi)害防治、水旱災(zāi)害防治、草原防火、森林防火、震災(zāi)應(yīng)急救援等職責(zé)。在應(yīng)急管理部設(shè)立以來(lái)，人工智能技術(shù)同期也取得較大的發(fā)展，技術(shù)日趨成熟，尤其是視頻監(jiān)控技術(shù)被廣泛應(yīng)用到應(yīng)急管理工作中，發(fā)揮視頻監(jiān)控技術(shù)的潛力為應(yīng)急管理服務(wù)恰恰依賴于人工智能技術(shù)，具體包括人臉識(shí)別、車(chē)牌識(shí)別、特征識(shí)別和物體識(shí)別等技術(shù)，當(dāng)然語(yǔ)音識(shí)別技術(shù)也有一定程度的適用性。2019年2月，國(guó)務(wù)院公布《生產(chǎn)安全事故應(yīng)急條例》，自2019年4月1日起施行。《條例》是應(yīng)急管理部組建以來(lái)，國(guó)家出臺(tái)的第一部安全生產(chǎn)領(lǐng)域的行政法規(guī)，受到業(yè)內(nèi)的廣泛關(guān)注［1］。那么如何將人工智能技術(shù)和應(yīng)急管理相結(jié)合就是擺在我們面前的一個(gè)課題。

一、國(guó)內(nèi)外應(yīng)急管理應(yīng)用現(xiàn)狀

1979年成立的美國(guó)聯(lián)邦應(yīng)急管理局是領(lǐng)導(dǎo)協(xié)調(diào)各級(jí)部門(mén)進(jìn)行災(zāi)害救助的機(jī)構(gòu)，它以綜合應(yīng)急管理理念為指導(dǎo)，建構(gòu)有效的災(zāi)害防御和救助體系。綜合應(yīng)急管理理念主要指全風(fēng)險(xiǎn)災(zāi)害管理理念、全過(guò)程災(zāi)害管理中的全面合作和平等的伙伴關(guān)系以及應(yīng)急管理中的教育和培訓(xùn)［2］。我國(guó)應(yīng)急管理體制以政府為主導(dǎo)，絕大部分?jǐn)?shù)據(jù)資源為政府管理和支配，隨著人工智能技術(shù)在應(yīng)急管理研究領(lǐng)域的發(fā)展勢(shì)如破竹，政府進(jìn)行高質(zhì)量數(shù)據(jù)開(kāi)放和共享平臺(tái)構(gòu)建的數(shù)字化轉(zhuǎn)型，進(jìn)而建立快速、高效的應(yīng)急管理體系迫在眉睫［3］。人工智能技術(shù)是最近三年才得到廣泛應(yīng)用的技術(shù)，目前的應(yīng)用大多數(shù)還集中在公安部門(mén)，在以往的應(yīng)急管理工作中，人工智能的技術(shù)應(yīng)用并不廣泛，在新的應(yīng)急管理部成立之后，可有效整合各種資源，利用人工智能技術(shù)提高應(yīng)急管理應(yīng)用水平。

二、人工智能技術(shù)的發(fā)展和應(yīng)用范圍

在大數(shù)據(jù)和人工智能的新思維背景下，政府應(yīng)急部門(mén)的信息資源數(shù)字化轉(zhuǎn)型是社會(huì)發(fā)展大勢(shì)所向［3］。1943年最早的人工神經(jīng)元模型被提出。如果要提到人工智能的真正開(kāi)端，那就要追溯到1955年8月31日，研究人員JohnMcCarthy、MarvinMinsky、NathanielRochester和ClaudeShannon提交了一份《2個(gè)月，10個(gè)人的人工智能研究》的提案，第一次提出了“人工智能”的概念［4］。人工智能（ArtificialIntelligence，AI）是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門(mén)新的技術(shù)科學(xué)。而能應(yīng)用于應(yīng)急管理的主要是計(jì)算機(jī)視覺(jué)技術(shù)，具體來(lái)講，就是可以利用人臉識(shí)別技術(shù)識(shí)別人員身份、利用車(chē)牌識(shí)別技術(shù)識(shí)別車(chē)輛、ReID技術(shù)（行人再識(shí)別）識(shí)別人體特征和物體結(jié)構(gòu)化、利用3D結(jié)構(gòu)光技術(shù)和ToF技術(shù)（飛行時(shí)間測(cè)距法）進(jìn)行物體測(cè)量，當(dāng)然還有一些其它的AI技術(shù)可以應(yīng)用于應(yīng)急管理。

應(yīng)急管理工作中有一個(gè)很重要的需求就是可視化管理，而可視化主要依賴于視頻監(jiān)控系統(tǒng)，傳統(tǒng)的視頻監(jiān)控手段主要用于監(jiān)視、錄像和回放，不能充分挖掘視頻監(jiān)控技術(shù)在應(yīng)急管理工作中的應(yīng)用效果，而AI技術(shù)可以將非結(jié)構(gòu)化的視頻數(shù)據(jù)進(jìn)行結(jié)構(gòu)化處理，這樣就可以對(duì)人員身份管理、車(chē)輛速度、車(chē)輛違停、危險(xiǎn)物堆放、潛在危險(xiǎn)源發(fā)掘等方面發(fā)揮作用。

三、基于視頻圖像分析技術(shù)應(yīng)用于?；穫}(cāng)庫(kù)和危化品車(chē)輛的技術(shù)應(yīng)用

隨著國(guó)民經(jīng)濟(jì)的不斷發(fā)展，各類(lèi)企業(yè)產(chǎn)品生產(chǎn)制造過(guò)程中對(duì)安全的要求越來(lái)越廣泛，在安全生產(chǎn)主體責(zé)任和安全生產(chǎn)相關(guān)標(biāo)準(zhǔn)規(guī)范的落實(shí)中，基于對(duì)人、車(chē)、物的安全生產(chǎn)監(jiān)管需求愈發(fā)突出。傳統(tǒng)監(jiān)管手段無(wú)法做到事前預(yù)警預(yù)測(cè)預(yù)判，而隨著高清視頻監(jiān)控技術(shù)、人臉識(shí)別技術(shù)、車(chē)輛技術(shù)識(shí)別、視頻結(jié)構(gòu)化技術(shù)的發(fā)展，在廣大應(yīng)急市場(chǎng)已經(jīng)取得了較為突出的成績(jī)。應(yīng)急管理部門(mén)亟需利用上述技術(shù)結(jié)合的智能圖像分析算法應(yīng)用到?；奋?chē)輛運(yùn)輸?shù)娘L(fēng)險(xiǎn)識(shí)別監(jiān)測(cè)過(guò)程中，通過(guò)動(dòng)態(tài)人臉識(shí)別可以在?；菲髽I(yè)園區(qū)進(jìn)行對(duì)人的識(shí)別、形成人的軌跡、人的周界防護(hù)、人的身份特征。而通過(guò)基于該算法基礎(chǔ)形成的深度學(xué)習(xí)、人工智能、視覺(jué)計(jì)算的能力可以設(shè)計(jì)構(gòu)造基于人的特征行為識(shí)別算法，將規(guī)范化在?；奋?chē)輛和?；穫}(cāng)庫(kù)中的人的行為導(dǎo)致的相關(guān)危害風(fēng)險(xiǎn)，諸如?；奋?chē)輛疲勞駕駛、?；奋?chē)輛駕駛危險(xiǎn)駕駛行為、易燃易爆物活動(dòng)區(qū)域的抽煙行為、?；穫}(cāng)庫(kù)如氣體加工液體發(fā)酵等禁止接觸、禁止靠近的入侵檢測(cè)等。相關(guān)實(shí)地調(diào)研數(shù)據(jù)統(tǒng)計(jì)，?；奋?chē)輛在運(yùn)輸過(guò)程中危險(xiǎn)駕駛行為、疲勞駕駛行為等是事故發(fā)生的盲區(qū)，?；奋?chē)輛的跨地域進(jìn)出、其行駛軌跡、初次入城、頻繁出入等都與?；奋?chē)輛管理的風(fēng)險(xiǎn)控制息息相關(guān)。?；穫}(cāng)庫(kù)中的周界防護(hù)、入侵檢測(cè)、遺留物檢測(cè)、人臉識(shí)別、人的軌跡盤(pán)查等也與落實(shí)危化品倉(cāng)庫(kù)中的安全行為識(shí)別風(fēng)險(xiǎn)相關(guān)。因此，?；穫}(cāng)庫(kù)和?；奋?chē)輛作為事故高發(fā)頻發(fā)的對(duì)象應(yīng)配套全方位多維度的監(jiān)管手段。視頻圖像分析技術(shù)就是作為有效對(duì)高發(fā)頻發(fā)對(duì)象的維度分析應(yīng)用的有效手段。視頻圖像分析技術(shù)包括了視頻圖像識(shí)別算法和算法深化應(yīng)用兩大部分組成，算法解決的是視頻結(jié)構(gòu)化對(duì)象的識(shí)別和記錄問(wèn)題，應(yīng)用解決的是識(shí)別后、記錄后的日益增長(zhǎng)的海量視頻圖像數(shù)據(jù)的場(chǎng)景和需求痛點(diǎn)問(wèn)題，能夠通過(guò)海量視頻圖像數(shù)據(jù)匯聚全量的視頻大數(shù)據(jù)基礎(chǔ)，通過(guò)深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、人工智能、知識(shí)圖譜技術(shù)手段對(duì)?；奋?chē)輛運(yùn)輸和?；穫}(cāng)庫(kù)貯存進(jìn)行人、車(chē)、物的視頻分析，達(dá)到合規(guī)檢測(cè)、預(yù)警預(yù)測(cè)預(yù)判的目標(biāo)。消除傳統(tǒng)人工翻查緩慢、隱患點(diǎn)動(dòng)態(tài)檢測(cè)排查效率低下、線索疑情事件的關(guān)聯(lián)關(guān)系模糊、無(wú)法防患于未然的惡疾。

作為應(yīng)用研究中的核心技術(shù)之一的視頻結(jié)構(gòu)化技術(shù)是一種將視頻內(nèi)容中的重要信息進(jìn)行結(jié)構(gòu)化提取的技術(shù)，利用它對(duì)視頻內(nèi)容按照語(yǔ)義關(guān)系，采用時(shí)空分割、特征提取、對(duì)象識(shí)別、深度學(xué)習(xí)等處理手段，組織成可供計(jì)算機(jī)和人理解的文本信息或可視化圖形信息。在實(shí)際應(yīng)用中，文本信息可進(jìn)一步轉(zhuǎn)化為應(yīng)急管理部門(mén)監(jiān)管實(shí)戰(zhàn)所用的情報(bào)，實(shí)現(xiàn)視頻數(shù)據(jù)向有效情報(bào)的一次轉(zhuǎn)化。

1.?；奋?chē)輛結(jié)構(gòu)化

借助智能識(shí)別算法獲取電子警察、卡口、停車(chē)場(chǎng)出入口等場(chǎng)所的車(chē)輛相關(guān)結(jié)構(gòu)化信息存入車(chē)輛主題庫(kù)，通過(guò)對(duì)車(chē)輛特征識(shí)別和梳理，提取有用信息，以便于視頻追蹤辨認(rèn)、比對(duì)，達(dá)到車(chē)輛查證的目的，從而實(shí)現(xiàn)交通運(yùn)輸服務(wù)和管理智能化。車(chē)輛的描述信息包括車(chē)輛號(hào)牌、車(chē)牌顏色、車(chē)輛品牌、車(chē)輛類(lèi)型、車(chē)身顏色等。車(chē)輛二次分析實(shí)戰(zhàn)中的信息包括安全帶、年檢標(biāo)、遮陽(yáng)板、掛件、擺件、司乘人員等方面的識(shí)別。車(chē)型：確定車(chē)型對(duì)縮小查找范圍，明確摸排方向，節(jié)省人力資源等具有極大幫助。對(duì)車(chē)型的判斷主要依據(jù)不同車(chē)型外部特征的差異進(jìn)行，如車(chē)輛銘牌、尾翼、車(chē)門(mén)、車(chē)窗、顏色、尾燈形狀、剎車(chē)燈位置等。車(chē)牌照：車(chē)輛號(hào)牌是車(chē)輛的外在標(biāo)識(shí)，具有唯一性、合法性，是區(qū)分不同車(chē)輛的重要依據(jù)。根據(jù)視頻圖像中車(chē)輛的車(chē)牌號(hào)碼，可以將該號(hào)碼輸入到車(chē)輛信息管理系統(tǒng)、道路收費(fèi)信息系統(tǒng)等進(jìn)行查詢，極大程度地獲取車(chē)輛特征信息，用于追蹤查證。

2.人臉特征結(jié)構(gòu)化

人臉特征辨識(shí)以視頻監(jiān)控為基礎(chǔ)，以計(jì)算機(jī)、網(wǎng)絡(luò)信息為依托，以現(xiàn)代信息處理技術(shù)為支撐，開(kāi)拓了“從像到像”、“從像到人”的全新辨別模式。當(dāng)前視頻監(jiān)控系統(tǒng)能對(duì)畫(huà)面中的行人和其屬性進(jìn)行結(jié)構(gòu)化，讓機(jī)器識(shí)別人的一些基本屬性，如性別、年齡范圍等特征范圍，還可以對(duì)人的衣著、運(yùn)動(dòng)、背包、拎包、打傘、是否騎車(chē)等信息進(jìn)行結(jié)構(gòu)化描述。如果從視頻圖像中的目標(biāo)正面抓拍，可以識(shí)別到臉部一些具體的特征，如戴口罩、眼鏡、胡子類(lèi)型等。人臉識(shí)別借助人像識(shí)別及智能搜索技術(shù)的深度應(yīng)用，對(duì)視頻中人員的面部定位、面部特征提取，視頻中的人臉圖像被自動(dòng)檢出后，與后臺(tái)人像模型數(shù)據(jù)進(jìn)行特征比對(duì)匹配，從而對(duì)人員身份進(jìn)行判別和告警。

3.行為事件特征結(jié)構(gòu)化

對(duì)于行為事件的描述信息包括：車(chē)輛行為如違反交通信號(hào)指示燈、超速行駛、違反行車(chē)標(biāo)識(shí)、禮讓行人、交通流量統(tǒng)計(jì)等多種行為特征描述；人體行為如越界、區(qū)域、徘徊、聚集、人流量統(tǒng)計(jì)等多種行為特征描述；物體行為如丟失、位移等行為特征描述。

4.物體深度技術(shù)

目前主流的視覺(jué)深度傳感器方案主要分結(jié)構(gòu)光、Time-of-Flight和純雙目三類(lèi)。雙目跟結(jié)構(gòu)光一樣，都是使用三角測(cè)量法根據(jù)物體匹配點(diǎn)的視差反算物體距離，只是雙目是用自然光，而結(jié)構(gòu)光是用主動(dòng)光發(fā)射特定圖案的條紋或散斑。ToF是通過(guò)給目標(biāo)連續(xù)發(fā)送光脈沖，然后用傳感器接收從物體返回的光，通過(guò)探測(cè)光脈沖的飛行（往返）時(shí)間來(lái)得到目標(biāo)物距離。

TOF原理是傳感器發(fā)出經(jīng)調(diào)制的近紅外光，遇物體后反射，通過(guò)計(jì)算光線發(fā)射和反射時(shí)間差或相位差來(lái)?yè)Q算被拍攝物體的距離。3D結(jié)構(gòu)光（StructuredLight）技術(shù)則要相對(duì)復(fù)雜一些，該技術(shù)將編碼的光柵或線光源等投射到被測(cè)物上，根據(jù)它們產(chǎn)生的畸變來(lái)解調(diào)出被測(cè)物的三維信息。雙目視覺(jué)則是和人眼一樣，用兩個(gè)普通攝像頭以視差的方式來(lái)計(jì)算被測(cè)物距離。三種方式各有優(yōu)缺點(diǎn)，在現(xiàn)有技術(shù)條件下各有應(yīng)用場(chǎng)景。

四、基于AR三維實(shí)景融合技術(shù)的?；焚A存風(fēng)險(xiǎn)監(jiān)測(cè)關(guān)鍵技術(shù)應(yīng)用

隨著?；焚A存風(fēng)險(xiǎn)帶來(lái)的應(yīng)急管理態(tài)勢(shì)的持續(xù)升級(jí)，對(duì)危化品貯存重點(diǎn)場(chǎng)所的監(jiān)管要求不斷遞增，對(duì)重點(diǎn)場(chǎng)所中倉(cāng)庫(kù)園區(qū)的風(fēng)險(xiǎn)監(jiān)測(cè)手段日趨增強(qiáng)。傳統(tǒng)的監(jiān)測(cè)手段普遍存在底數(shù)不清、底圖不明、預(yù)警監(jiān)測(cè)數(shù)據(jù)不及時(shí)、?；返奈镂镪P(guān)聯(lián)、人物關(guān)聯(lián)關(guān)系不清楚等不足，隨著云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)技術(shù)深入行業(yè)應(yīng)用，開(kāi)發(fā)基于AR三維實(shí)景融合技術(shù)將為視頻監(jiān)控手段、傳感器實(shí)時(shí)數(shù)據(jù)感知手段、智能視頻分析手段、地圖視頻數(shù)據(jù)三維合一手段提供融合技術(shù)，形成應(yīng)急管理風(fēng)險(xiǎn)監(jiān)測(cè)手段的多重并舉，技術(shù)革新。充分發(fā)揮其地圖、數(shù)據(jù)、視頻的能力，為解決傳統(tǒng)?；焚A存中的實(shí)際問(wèn)題提供新型關(guān)鍵技術(shù)和裝備研發(fā)與示范。AR三維實(shí)景融合技術(shù)是將傳統(tǒng)應(yīng)急管理中一張圖的二維地圖以三維實(shí)景地圖進(jìn)行替代，將傳統(tǒng)單一視角以多種視角進(jìn)行擴(kuò)展，將傳統(tǒng)數(shù)據(jù)被動(dòng)接入以新型應(yīng)急管理大數(shù)據(jù)主動(dòng)感知進(jìn)行升級(jí)，將傳統(tǒng)單一維度的事后追溯向當(dāng)前多維數(shù)據(jù)主動(dòng)預(yù)警預(yù)測(cè)進(jìn)行轉(zhuǎn)變的綜合性解決方案。

本應(yīng)用研究以傾斜攝影三維實(shí)景快速建模、?；焚A存重點(diǎn)場(chǎng)所BIM精細(xì)化建模為可視化模型基礎(chǔ)，自主研發(fā)地圖視頻數(shù)據(jù)三合一的微內(nèi)核實(shí)景融合引擎，為危化品倉(cāng)庫(kù)繪制鳥(niǎo)瞰視角、傾斜視角、第一人稱視角、伴隨視角，構(gòu)建對(duì)?；焚A存周邊整體環(huán)境的總體態(tài)勢(shì)感知、對(duì)?；焚A存物、包裝物的智能視頻結(jié)構(gòu)化算法識(shí)別、通過(guò)微服務(wù)感知各類(lèi)前端數(shù)據(jù)采集信息（如溫度、濕度、壓力、容器、氣體、煙感、GPS定位等傳感器數(shù)據(jù)、視頻監(jiān)控實(shí)時(shí)高清視頻、其他監(jiān)管系統(tǒng)的狀態(tài)類(lèi)數(shù)據(jù)、流程類(lèi)數(shù)據(jù)、上報(bào)統(tǒng)計(jì)類(lèi)數(shù)據(jù)、交易類(lèi)進(jìn)銷(xiāo)存系統(tǒng)關(guān)系型數(shù)據(jù)、海關(guān)物流電子數(shù)據(jù)報(bào)文EDI數(shù)據(jù)等），將傳統(tǒng)的二維地圖升級(jí)打造為兼容多種地圖視角和內(nèi)容的三維實(shí)景地圖、支持衛(wèi)星云圖、2.5D瓦片地圖、3D建模地圖、VR街景地圖、AR高清渲染地圖、視頻拼接投影地圖，利用3D引擎的海量點(diǎn)云數(shù)據(jù)支持特性，構(gòu)建危化品實(shí)時(shí)動(dòng)態(tài)更新的各類(lèi)興趣點(diǎn)視角POI數(shù)據(jù)展示，通過(guò)應(yīng)急管理的?；奋?chē)輛路徑、人物-物物關(guān)聯(lián)軌跡、貯存位置室內(nèi)BIM動(dòng)態(tài)監(jiān)測(cè)實(shí)現(xiàn)危化品倉(cāng)庫(kù)在線實(shí)時(shí)監(jiān)測(cè)的圖屏聯(lián)動(dòng)、實(shí)現(xiàn)比傳統(tǒng)體驗(yàn)更直觀更身臨其境的沉浸式體驗(yàn)第一人稱視角的操作方式，實(shí)現(xiàn)全景視覺(jué)、全局感知、全程交互、多災(zāi)種適用的應(yīng)急指揮、重點(diǎn)防控、實(shí)時(shí)監(jiān)測(cè)的應(yīng)急賦能應(yīng)用平臺(tái)。

五、基于智能視頻分析算法應(yīng)用到安全生產(chǎn)風(fēng)險(xiǎn)識(shí)別監(jiān)測(cè)的關(guān)鍵技術(shù)應(yīng)用

通過(guò)基于計(jì)算機(jī)視覺(jué)算法基礎(chǔ)形成的深度學(xué)習(xí)、人工智能、視覺(jué)計(jì)算的能力，可以設(shè)計(jì)構(gòu)造基于人的特征行為識(shí)別算法，將規(guī)范化在安全生產(chǎn)過(guò)程中人的行為導(dǎo)致的相關(guān)危害風(fēng)險(xiǎn)，諸如易燃易爆物活動(dòng)區(qū)域的抽煙行為、高空作業(yè)活動(dòng)區(qū)域的防護(hù)措施不到位行為、機(jī)床設(shè)備操作臺(tái)上的不按照規(guī)定動(dòng)作操作違規(guī)行為等。相關(guān)實(shí)地調(diào)研數(shù)據(jù)統(tǒng)計(jì)，一個(gè)大型五金加工廠每年投入安全生產(chǎn)教育培訓(xùn)后依然存在各種原因違規(guī)行為導(dǎo)致的安全生產(chǎn)事故屢禁不止，由此產(chǎn)生的要求安全生產(chǎn)零事故成為這類(lèi)企業(yè)的老大難問(wèn)題。

經(jīng)過(guò)仔細(xì)分析，事故發(fā)生的相關(guān)生產(chǎn)工人普遍都是機(jī)床設(shè)備的熟練度較高的群體，對(duì)安全生產(chǎn)規(guī)范的理解也是深刻清楚的，但往往由于諸如疲勞作業(yè)、連續(xù)趕工加班、計(jì)件工資多勞多得等原因，導(dǎo)致明知不可為而為之，為了趕工疲勞施工，為了多點(diǎn)計(jì)件工資，不按照標(biāo)準(zhǔn)動(dòng)作施工導(dǎo)致。智能視頻分析算法的必要性就應(yīng)運(yùn)而生，通過(guò)高清視頻監(jiān)控設(shè)備部署在機(jī)床位置，利用后端算法的深度學(xué)習(xí)和人工智能計(jì)算，識(shí)別計(jì)算工人的工作時(shí)長(zhǎng)、識(shí)別特征動(dòng)作識(shí)別、事先定義違規(guī)操作動(dòng)作、位置、特征等，如識(shí)別沒(méi)有佩戴安全帽、識(shí)別沒(méi)有按規(guī)定操作機(jī)床、識(shí)別沒(méi)有前置動(dòng)作或指示燈沒(méi)有亮就直接操作設(shè)備等特征。

如果將視頻結(jié)構(gòu)化和工廠的機(jī)床被動(dòng)裝置、電力裝置、防護(hù)裝置等進(jìn)行集成，并與有條件的企業(yè)工廠的安全管理系統(tǒng)、車(chē)間管理MES系統(tǒng)、績(jī)效考核系統(tǒng)進(jìn)行對(duì)接，事先危險(xiǎn)動(dòng)作識(shí)別、安全特征缺失就啟動(dòng)設(shè)備自動(dòng)防護(hù)措施、自動(dòng)錄制及記錄違規(guī)動(dòng)作行為，進(jìn)行人、機(jī)床、動(dòng)作、特征的關(guān)聯(lián)。

算法的識(shí)別精度可以達(dá)到99.99%的高準(zhǔn)確率，且不會(huì)識(shí)別疲勞，沒(méi)有主觀臆斷?？梢灶A(yù)期的是算法的能力與企業(yè)工廠的制動(dòng)系統(tǒng)進(jìn)行接入后，當(dāng)識(shí)別到違規(guī)動(dòng)作、疲勞施工等特征和行為動(dòng)作的時(shí)候，機(jī)床暫停、制動(dòng)停止，可以確保工傷及重大事故的發(fā)生。這對(duì)監(jiān)管部門(mén)、企業(yè)、工人多方都有極大的意義，監(jiān)管部門(mén)能夠從事后前移到事前，能夠讓事故少發(fā)生，能夠控制事故發(fā)生的范圍和蔓延的程度，真正做到底數(shù)清、情況明。

本應(yīng)用研究以自主創(chuàng)新的安全生產(chǎn)違規(guī)動(dòng)作行為識(shí)別算法為基礎(chǔ)，企業(yè)也可利用舊的高清視頻監(jiān)控前端設(shè)備，后端開(kāi)發(fā)建設(shè)算法解析系統(tǒng)，通過(guò)GPU加速計(jì)算技術(shù)對(duì)海量違規(guī)特征行為的圖片視頻樣本進(jìn)行計(jì)算機(jī)深度學(xué)習(xí)，以人工智能人臉識(shí)別算法為基礎(chǔ)，開(kāi)發(fā)安全生產(chǎn)違規(guī)動(dòng)作行為識(shí)別算法，按照特定違規(guī)行為的范圍進(jìn)行聚類(lèi)，形成安全生產(chǎn)違規(guī)動(dòng)作的專(zhuān)題庫(kù)和主題庫(kù)，通過(guò)密集的算法識(shí)別樣本訓(xùn)練，讓計(jì)算機(jī)能夠通過(guò)前端視頻監(jiān)控實(shí)時(shí)地捕獲識(shí)別違規(guī)動(dòng)作特征，形成記錄和告警。

2019年是人工智能技術(shù)的落地應(yīng)用年，應(yīng)急管理是重要的落地行業(yè)之一，我們認(rèn)為計(jì)算機(jī)視覺(jué)在應(yīng)急管理中存在廣泛的應(yīng)用，能夠大大提高應(yīng)急管理的應(yīng)用效率。本文主要針對(duì)?；穫}(cāng)庫(kù)和?；奋?chē)輛、?；焚A存風(fēng)險(xiǎn)監(jiān)測(cè)、安全生產(chǎn)風(fēng)險(xiǎn)識(shí)別監(jiān)測(cè)三個(gè)方面進(jìn)行了具體應(yīng)用研究，提出了一些思路，并給出了一些具體的落地方法，相信在未來(lái)的兩三年內(nèi)能夠看到更大范圍的落地技術(shù)和應(yīng)用場(chǎng)景。

責(zé)任編輯：ct