项目背景
目前该公司厂区的安全风险管控是以“人防”为主，少部分引入了“技防”手段，但也仅限于视频监控等较为初级的技术手段，由于区域众多人员混杂，靠人力难以实现实时有效管控，安全管理人员压力巨大。因此本项目计划通过边缘计算、物联网、人工智能、视频识别等技术的融合应用集成“云管边端”数据信息，构建智能视频AI分析系统，全面监管厂区内各类安全隐患，提升现场风险全景感知，违章行为自动识别，第一时间告警处理等能力，从而实现“事前预防、事中告警、事后留痕”，做到安全预警管理的常态化、流程化，切实减轻一线人员执行工作负担，同时进一步强化厂区设备、人身核心要素的安全管控能力，全面提高公司安全生产技防水平。
项目痛点
人员成本高：传统人工巡查成本高、不全面、不量化、人员素质依赖性强，事后追溯无法及时纠正。
违规损失大：因人员违规导致的设备损坏、停产、作业事故等问题造成的经济损失较大。
生产风险高：生产现场高温、有毒有害气体等不安全因素容易对巡检人员造成人身伤害。
技术方案
通过在相应区域部署各种高清AI摄像头、语音报警器、红外热成像摄像头、等智能设备，采用基于机器视觉、人工智能、目标识别等前沿技术手段，替代人工巡检等低可靠性和高成本生产安全监督措施，通过摄像头自动采集生产区域的环境数据和工作人员的行为状态信息，并自动对数据进行分析和处理，准确判别环境危险状况、人员违规作业、设备异常等危险因素并通过语音报警设备主动报警，以实时通信的方式将处理结果反馈给中控室，对基础设施安全、人身安全和生产安全造成的不同影响，进行分级报警，以彻底消除安全隐患，降低生产安全事故的发生，切实为企业提高安全生产管控效率，提升企业的安全生产管理水平。
本项目旨在采用深度学习技术，基于AI技术，利用监控视频实现对厂区工作人员行为安全、设备安全、环境安全等危险因素自动化识别与分析。将接入250路视频，进行64路实时AI分析，算法列表如下：
1、人员越界检测：系统支持动态划定虚拟隔离区，检测人员越界后触发语音装置喊话驱离。
2、玩手机识别：通过在岗期间持续监测员工手持手机的行为，统计违规时长。
3、抽烟识别：通过部署摄像头捕捉手部动作及烟雾特征，检测画面中是否出现人员抽烟情况，对违规现象进行报警。
4、睡岗识别：依据人体姿态分析技术，跟踪人员姿态动作，检测到睡觉即通知。
5、火焰识别：逐帧分析视频，凭借颜色、纹理等特征识别火焰，发现后快速报警。
方案价值
基于视频AI智能巡检平台的建设，打通“平台-算法-设备”的智能交互，通过协同作业的安全巡检方式，实现多维度全天候的数据采集，可通过高精度AI识别算法及低代码的智能安全巡检平台，为用户提供AI赋能，实现日常监管的降本增效。