传统的监控方式完全依赖监控中心的操作人员进行画面监控。有实验数据表明，在经过22分钟监控后，监控人员可能错过最高达95%的画面所发生的行为。面对日益庞大的监控内容，在监控人员责任心、工作状态等各种因素的影响下，整个视频监控系统的有效性无法得到保证。受各种客观条件的限制，一个监视器必须分时显示多个监控现场的画面，对于大型的系统，每个监控点实际上只有很少一部分时间处于监控人员注视下，漏报的概率非常高。

最近，客户要在他们公司运营下的养老院内检测老人是否跌倒，说用AI技术来实现，看来他们真是找对人了，去年我们就在好几个养老院内用过这个算法，效果还不错,趁这个项目，我们对这个算法再次进行了升级，在原有算法基础上，增加了蹲坐排除，另外增加了现场人数超过设定的人数时不报警，场景上增加了楼梯上有人跌倒检测能力，编写了针对性的样本深度学习图像增强工具，算法识别率大大提高了，同时减少了误报，真实达到了商用级别

1.简介摩托车、电动二轮车因其速度快、性能差、保护措施差，闯红灯极易发生交通事故，一般摩托车、电动车在发生交通事故时，由于速度惯性与保护措施差，人体往往是头部先向前撞击和跌落，往往造成严重的交通安全事故，这也是摩托车、电动车事故死亡率、致残率高的主要原因。我司采用AI人工智能机器视觉分析识别技术，通过采集路口网络视频摄像头的实时视频，使用AI算法检测红黄绿灯状态，在红灯状态时抓拍骑电动二轮车闯红灯

三个月前收到单位派发的工作任务，用AI视频分析来检测道路交通如下事件：撞车追尾识别、车辆倾翻识别、电动自动车摩托车自动行倾倾翻识别、堵车识别、撞车起火识别、车辆撞人识别、道路上有人倒地识别，终于收到了理想效果，成功应用到项目上，为道路安全治理贡献了一份力量，下面我来介绍一下实现方法:道路交通事故通常用两车相撞、车辆撞人、车辆撞摩托车、车辆撞自行车、车辆撞三轮车、车辆撞电动自行车引发，进而引发打架、

我司在加油站AI分析识别系统方案的改造上，选择了RK3588，把传统英伟达芯片上开发的系统成功移植到RK3588方案

去年在深圳交警的一个项目是，要在宝安区某点试点抓拍未戴头盔的电动车骑车行为，而且需要将电动车号牌识别出来，经过技术论证，采用AI深度学习+传统车牌识别算法相结合的方式，实现此功能，我带领程序员小老弟们经过8个月的奋战，终于实现了这个算法，效果还相当棒，而且还能支持在800W像素下工作,令人惊奇，真是无AI，不编程啊。总结一下，通过AI深度学习实现骑车不戴头盔和两轮电动车摩托车号牌识别算法具有如下特

传统的监控方式完全依赖监控中心的操作人员进行画面监控。有实验数据表明，在经过22分钟监控后，监控人员可能错过最高达95%的画面所发生的行为。面对日益庞大的监控内容，在监控人员责任心、工作状态等各种因素的影响下，整个视频监控系统的有效性无法得到保证。受各种客观条件的限制，一个监视器必须分时显示多个监控现场的画面，对于大型的系统，每个监控点实际上只有很少一部分时间处于监控人员注视下，漏报的概率非常高。

高速公路调用高速道路拥堵预警、团雾预警、路面违规停车预警、非机动车上高速检测、行人滞留检测、车辆倾翻检测、占用应急车道等。市区路面调用实时市区道路拥堵预警、检测机动车常规违章事件AI视频检测算法，实时检测机动车闯红灯、占用应急车道、逆行、不按规定车道行驶/变更车道、违章调头等，能捕捉到机动车牌照的，自动识别其车牌号码。市区路面调用实时检测电动二轮车相关违章事件AI视频检测算法,实时检测骑车不戴头盔

本系统是在煤矿监控系统的基础上，以AI图像智能识别技术为核心，监控和识别人员、设备、环境的运行状态，对皮带锚杆、矸石、木板、堆煤、煤量大小、非法运人、皮带有煤无煤状态、皮带偏移等异常情况，同时识别人员是否穿工服、是否戴安全帽、脱岗、打电话、抽烟等行为进行自动抓拍图像记录，自动录像弹屏显示，输出报警事件和语音提醒等功能。视频大小不超10M;视频大小不超10M;单人经过、多人顺序经过、多人并行经过、多

去年在深圳交警的一个项目是，要在宝安区某点试点抓拍未戴头盔的电动车骑车行为，而且需要将电动车号牌识别出来，经过技术论证，采用AI深度学习+传统车牌识别算法相结合的方式，实现此功能，我带领程序员小老弟们经过8个月的奋战，终于实现了这个算法，效果还相当棒，而且还能支持在800W像素下工作,令人惊奇，真是无AI，不编程啊。总结一下，通过AI深度学习实现骑车不戴头盔和两轮电动车摩托车号牌识别算法具有如下特