壹合原码智能铁路安全巡检平台_视频监控预警系统_铁路周界安全监控系统-云巴巴 -云巴巴

立即咨询

立即试用

商务合作

壹合原码智能铁路安全巡检平台

壹合原码智能铁路安全巡检平台，作为交通行业、大型社区智能化建设的子系统，构建基于Ai技术的智能巡检平台，可逐步实现智能化巡检，针对安全事故隐患进行有效监控预警，降低安全违规行为发生率，节省人工监管成本。

立即咨询

场景痛点

01铁路沿线安全监控

1）铁路沿线跨度长、地点分散，传统人工巡检工作量大、信息传递慢；2）纸质记录再人工录入后台系统的方法效率低，远程监督效果不佳；3）铁路沿线人、车、物闯入铁路内，容易造成重大安全事故。

02城区安全监控

1）传统视频监控系统短板突出：安全风险无法预知、事后难以溯源、人力监管效率低，导致人员聚集、人员打架斗殴事故难以控制。2）基于城区安防需求，AI安全监控系统应维护人民生命及财产安全。

03社区重点人车管理

1）传统视频监控系统无法实现对于以人、车、物的精准识别，重点人员、车辆名单仍然依赖人工的录入检索。2）基于社区人员信息采集和车辆信息的采集是为了实现常驻人口和临时人口的区分，用于政府、公安对驻地人口从管控。

目标打造

铁路周界安全监控系统基于深度学习计算，其内置预训练的常用AI模型，可以进行人/车/动物闯入、高空漂浮物（气球）识别、烟雾火情识别，用以管控铁路沿线意外的事件。

基于深度学习技术的智能感知与分析能力，使开发者可以快速实现对人、车、物的高效、精准的识别。覆盖人车信息留存、人员聚众识别、人员打架识别、重点人车标记等核心场景。开发者可以轻松调用高精度、毫秒级识别的算法，并快速实现云边端多硬件部署上线。

铁路沿线需求分析

算法描述：在铁路沿线的监控范围内划定禁入区域，当人、车或其他动物进入时，则发出警告，可支持语音喊话。数据要求：1）需对车辆特征进行限定。（如四轮、车牌等）2）需对其他动物特征进行具体限定。3）需提供现场数据集，并确保监控范围内保持自然光状态，且画面清晰可识。（黑夜、画面不清晰则会影响识别效果。）算法描述：针对天空中漂浮物（限定为气球）进行监控，当气球出现在画面中则触发预警。数据要求：1）需对气球特征进行限定。（如形状、颜色等）2）需提供现场数据集，并确保监控范围内保持自然光状态，且画面清晰可识。（黑夜、画面不清晰则会影响识别效果。）算法描述：针对铁路周边沿线范围进行监控，当发现烟雾、火焰特征时，则出发告警。数据要求：1）需提供现场数据集，并确保监控范围内保持自然光状态，且画面清晰可识。（黑夜、画面不清晰则会影响识别效果。）

铁路沿线需求分析

城区安防需求分析

算法描述

当监控范围内人数达到上限时，则触发警告。

数据要求

1）需对聚众人数上限进行设置。

2）需提供现场数据集，并确保监控范围内保持自然光状态，且画面清晰可识。（黑夜、画面不清晰则会影响识别效果。）

算法描述

当检测到画面内人员打架时，则触发警告。

数据要求

1）需对人员打架行为进行限定（如何种肢体接触、接触时长等）。2）需提供现场数据集，并确保监控范围内保持自然光状态，且画面清晰可识。（黑夜、画面不清晰则会影响识别效果。）

社区场景需求分析

算法描述

针对社区监控场景，实现社区人员信息的采集，形成人脸信息库。

数据要求

1）针对重点人员的识别，需要提供人脸数据库。 2）需确保监控范围内保持自然光状态，且画面清晰可识。（黑夜、画面不清晰则会影响识别效果。）

算法描述

针对社区监控场景，实现重点人员进行监测，一旦发现异常则触发警告。

数据要求

1）针对重点人员识别，需要提供人脸数据库。2）如需识别常驻人口，则需要设定识别逻辑。（如设置常驻人口在某些摄像头中出现的频率）3）需确保监控范围内保持自然光状态，且画面清晰可识。（黑夜、画面不清晰则会影响识别效果。）

社区场景需求分析

算法描述针对社区监控场景，实现社区车辆信息的采集，形成车辆信息统计库。

数据要求 1）针对重点车辆的识别，需要提供车辆信息数据库。2）需确保监控范围内保持自然光状态，且画面清晰可识。（黑夜、画面不清晰则会影响识别效果。）

算法描述针对社区监控场景，实现重点车辆进行监测，一旦发现异常则触发警告。

数据要求 1）针对重点车辆识别，需要提供车辆信息数据库。2）需确保监控范围内保持自然光状态，且画面清晰可识。（黑夜、画面不清晰则会影响识别效果。）

软硬件架构拓扑图

边缘计算盒子（集成算法）配置参数 icon

硬件配置清单

1）摄像头：基于现有已架设完成的摄像头实现设备利旧（如摄像头像素达不到AI识别要求，建议更换摄像头）

2）服务器：如下清单。

3）网络类型要求：企业网络。带宽最低要求：500M。

软件架构设计

产品优势

应用行业

铁路运输企业、大型社区等。

方案功能

1，通过原有摄像头GB28181,RTSP协议等获取实时视频流，无需更换摄像头，摄像头利旧，降低经营成本；2，通过智慧厨房平台系统即可针对不同区域的摄像头，完成不同的算法配置，操作人员无需算法能力，即可实现不同场景的监管全覆盖；3，危险时间智能抓拍，系统自动储存，追溯方便，数据可视化，智能报表统计，每日数据分析。

方案效果

作为交通行业、大型社区智能化建设的子系统，构建基于Ai技术的智能巡检平台，可逐步实现智能化巡检，针对安全事故隐患进行有效监控预警，降低安全违规行为发生率，节省人工监管成本。

核心模块

功能介绍

摄像头管理模块用于多种终端设备、智能设备的接入及管理。平台支持包括摄像头等终端感知设备接入，为整个平台提供数据接入底座。各类老旧摄像头，不限制品牌可通过GB28181，RTSP协议接入AI视频监管平台，无需更换摄像头，无需施工改造，降低企业智能化升级成本。

功能介绍

针对企业内部署的摄像头装置，可以按照需求调取场景视频流。支持一屏、二屏、四屏、八屏同时预览，降低人工巡逻时间成本，有效提升厨房卫生监管效率。

功能介绍

关联相应AI技能的设备会根据配置的AI技能运行时间进行实时监测，当发生违规行为，设备异常、环境异常等事件时，会产生相应的风险告警。告警会生成预警事件图片及事件视频用于回看。告警管理中可查看整体预警事件的数量，告警详情。对每一个预警事件进行全流程的处理跟踪，以及预警的全生命周期管理。告警事件总览：统一展示全部预警事件及告警数据统计；告警事件处理：下发预警处理通知，记录处理意见；错误预警修正。

功能介绍

一个AI技能对应一个业务场景，算法模块可基于已有原子模型库快速编排出一个业务上所需的AI技能，如“未带安全帽检测”、“未穿工服检测”等。接入的设备仅需通过关联AI技能即可将完成智能化升级，具备多种场景的AI能力。在算法管理中用户可根据自身业务逻辑设置自定义的预警逻辑，并根据需要将技能下发至多种智能设备。各类检测算法可通过接口方式接入AI管理平台，摄像头配置后可按照预设检测频率进行识别。针对不同区域的摄像头，可按照实际监管需求人工配置不同的算法，灵活多变，快速适应不同需求改变。

功能介绍

针对告警数量、告警位置、告警类型等参数进行统计，并做可视化处理，便于管理员对场景内的生产及安全情况作统计。

基于Ai技术的智能巡检平台产品优势 icon

基于领先的工业AI算法，通过全感知设备接入实现多模态综合预警；云边端多形态交付、打通应用-训练闭环。

多场景全感知设备接入
支持多种类型包括摄像头、传感器、巡检机器人、无人机等设备的接入，实现对于不同业务场景环境24h的全感知监测，提升企业安全生产、安全管理的水平和效率。

一站式模型训练与应用
端到端智能巡检应用，可一站式管理、分析应用中沉淀的业务数据，基于工业智能视觉训练框架、高性能推理引擎进行一站式的模型训练优化。

业内领先的工业AI算法
基于多年沉淀的深度学习技术及强大的专家团队，针对多个工业垂类场景进行算法优化，打造最优的工业AI算法模型，提供更加精准的工业AI模型库，客户可直接选择适合自己业务场景的模型，快速实现业务落地。

云边端多形态交付
灵活的模块化设计，可根据客户业务形态灵活选择交付形态：软硬件分开/软硬一体、私有云/边缘盒子等多样化产品方案，从而经济、高效的满足不同规模、不同应用方式的多种类型客户需求。

产品优势

业务原生的模型自迭代能力，样本库智能生成方案，打通数据收集+模型迭代闭环。

产品优势

结合视觉+大数据能力，基于多模态深度学习和多源数据分析，实现高精度预警。

产品优势

与安全卫生业务深度融合的厨房监测预警平台。

落地案例｜中化集团HES行为监测 icon

场景痛点
中化农业全国各地种子培育基地针对供电车间，物资仓库，办公室等场景下，每天需要安排8个人员进行监控室的24小时管理及厂区安全巡逻，人员成本高，安全管控能力低，无法及时有效的管理组织险情。

方案功能
针对园区异常情况自动实时报警，定位区域，自动抓拍，针对园区内老旧摄像头完全接入安全管理平台，降低海康、大华软件成本。

方案效果
1，摄像头利旧，自由配置算法，监控集中化管理；2，算法具备增量能力，摄像头持续采集图像，算法准确率持续提升；3，算法自动抓拍，监控系统日期自动储存问题图片，方便追溯。

解决方案
通过深度学习视觉检测算法，现场采集真实场景下的吸烟动作，路面积水，安全帽，安全马甲进行初步的监测模型框架搭建，通过真实场景部署，完成算法迭代，准确率持续提升。

落地案例｜韩国工厂安全行为监控平台 icon

场景痛点

1.实时监控范围过广，监控范围需遍布工厂各处。识别潜在的危险行为。各区域同时监控难度大，如需报警反应缓慢，难以控制实时报警监督行为。 2. 管理效率低。多区域多场景监控人力成本高，巡查需要人看，效率低，智能自动化程度低，需24小时轮岗值守，对人力消耗过高。 3. 数据割裂严重。运营数据和行为数据割裂，无法统筹多维度数据为工业厂区业务和管理赋能，无法实时同步监控等。 4. 监管区域信息化水平低。潜在危险难以溯源，无法预防降低危险发生概率。报警区域不精准，影响处理时间及效率。

方案功能

1，通过深度学习算法，采集监控范围内工厂的日常数据。 2，构建数据分析模型，及时回传各系统监控监测数据进行分析反馈响应，并生成全量日志，提供打通全渠道数据的接口。 3 ，监控连锁厂区实时数据，基于数据分析问题，以便更加科学地指导监督报警，持续提升连锁厂区管理效率。

落地案例｜韩国工厂安全行为监控平台 icon

方案效果

1，算法识别准确率高。安全帽识别高达98%；叉车识别高达97%；防尘服、口罩识别高达99%；禁区识别高达99%。 2，服务器承载力强。同时支撑300路摄像头一起工作服务监控。一年可节约人工成本162w+。 3，数据传输速率快。5G峰值速率为10-20Gbps，提升了10-20倍，用户体验速率将达到O.1Gbps-1Gbps，提升了10-100倍。 4，系统加载带宽提升。使用3G和4G网络下载文件或连续观看几分钟的视频都需要耗费2-5分钟加载时间，但对于5G网络来说，由于带宽的提升，人们将可以在不排挤其他用户的情况下使用更多的带宽。随着智能设备能搭载并使用高速的5G网络，这些设备将能够比以往任何时候运行得更快。

解决方案

1.实现全部摄像头的利旧，模块的统一。2.整个厂区的智能化。 3.降低总成本。 4.打造全链条。

落地案例｜港口安全行为预警监控 icon

场景痛点：港口针对船只安全，施工安全，行为安全目前完全依靠人工巡检方式进行保证，人工成本高，巡查点位无法覆盖。方案功能：异常情况检测自动报警，定位问题区域，实时反馈，最大限度降低因为人员不安全行为造成的不良影响，最快速度发现问题解决问题。方案效果：1，监管人员由15人降低至3人； 2，安全风险监管能力提升90%，检测准确率大于90%； 3，摄像头完全利旧，支持按需自由配置算法，监控集中化管理。解决方案：通过深度学习视觉检测算法，建立烟火识别，吸烟识别，安全帽识别，安全马甲识别模型，行为监测模型，每个检测点架设摄像头进行照片采集，实时进行系统自检测，达到实时预警。

落地案例｜上海地铁人流量检测系统 icon

场景痛点：上海地铁人流量限流管控困难，紧急情况发生预警处理效率低下，需要大量的人力成本进行严格管控，各个进站口、通道、站台区域限制场景不一，针对动态检测、静态检测、跌倒检测、吸烟检测等不安全行为管控难。方案功能：实现特定区域内区域人流量检测。针对不安全行为进行重要场所，重点区域布控，重点布控。针对不全行为，人流超限情况实时预警播报，及时处理。方案效果：1，识别算法摄像头利旧，无需硬件改造升级，成本低。 2，超大训练集数据沉淀，准确率高，可支撑大流量人体检测。 3，具备增量训练能力，后续的数据集可迭代训练，准确率不断提升。解决方案：通过研发符合演习标准的人体结构识别点，进行人体姿态识别，实现动态/静态人流检测，针对不安全行为进行数据特征采集建模。