加油站视频监控智能分析盒 Python

原创

燧机科技 2024-08-07 17:42:35 ©著作权

文章标签 人工智能算法 python 神经网络 YOLO 文章分类 Python 后端开发

©著作权归作者所有：来自51CTO博客作者燧机科技的原创作品，请联系作者获取转载授权，否则将追究法律责任

加油站视频监控智能分析盒通过人工智能视觉技术，加油站视频监控智能分析盒对监控画面中加油区和卸油区内明火和烟雾以及人员抽烟、打电话等违规行为进行全天候识别预警。除此之外，加油站视频监控智能分析盒还可以对现场画面中卸油作业时灭火器未按要求正确摆放以及静电释放时间不足和人员离岗等不规范行为进行自动预警识别告警。

Python是一门解释性脚本语言。解释性语言：解释型语言，是在运行的时候将程序翻译成机器语言；解释型语言的程序不需要在运行前编译，在运行程序的时候才翻译，专门的解释器负责在每个语句执行的时候解释程序代码，所以解释型语言每执行一次就要翻译一次，与之对应的还有编译性语言。编译性语言：编译型语言写的程序执行之前，需要一个专门的编译过程，把程序编译成为机器语言的文件，比如exe文件，以后要运行的话就不用重新翻译了，直接使用编译的结果就行了（exe文件），因为翻译只做了一次，运行时不需要翻译，所以编译型语言的程序执行效率一般来说较高。脚本语言：脚本语言又被称为扩建的语言，或者动态语言，是一种编程语言，用来控制软件应用程序，脚本通常以文本（如ASCII)保存，只在被调用时进行解释或编译。所以一般使用Python来实现特定功能而不是较为复杂的后端。

加油站视频监控智能分析盒 Python_YOLO

随着社会的发展和人民生活水平的提高，大家对于加油站安全作业日常行为更加重视。目前绝大多数加油站日常安防监控上还是依赖人工监管，人工监管方式方式存在不及时、易疏忽等问题。当发生违规操作危险行为时，传统安防摄像头以及监管方式并不能及时提醒。这种情况给事后调查取证带来了很大的困难。

# parameters
nc: 3  # number of classes     <============ 修改这里为数据集的分类数
depth_multiple: 0.33  # model depth multiple
width_multiple: 0.50  # layer channel multiple

# anchors
anchors:
  - [10,13, 16,30, 33,23]  # P3/8
  - [30,61, 62,45, 59,119]  # P4/16
  - [116,90, 156,198, 373,326]  # P5/32

# YOLOv5 backbone
backbone:
  # [from, number, module, args]
  [[-1, 1, Focus, [64, 3]],  # 0-P1/2
   [-1, 1, Conv, [128, 3, 2]],  # 1-P2/4
   [-1, 3, BottleneckCSP, [128]],
   [-1, 1, Conv, [256, 3, 2]],  # 3-P3/8
   [-1, 9, BottleneckCSP, [256]],
   [-1, 1, Conv, [512, 3, 2]],  # 5-P4/16
   [-1, 9, BottleneckCSP, [512]],
   [-1, 1, Conv, [1024, 3, 2]],  # 7-P5/32
   [-1, 1, SPP, [1024, [5, 9, 13]]],
   [-1, 3, BottleneckCSP, [1024, False]],  # 9
  ]

# YOLOv5 head
head:
  [[-1, 1, Conv, [512, 1, 1]],
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 6], 1, Concat, [1]],  # cat backbone P4
   [-1, 3, BottleneckCSP, [512, False]],  # 13

   [-1, 1, Conv, [256, 1, 1]],
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 4], 1, Concat, [1]],  # cat backbone P3
   [-1, 3, BottleneckCSP, [256, False]],  # 17

   [-1, 1, Conv, [256, 3, 2]],
   [[-1, 14], 1, Concat, [1]],  # cat head P4
   [-1, 3, BottleneckCSP, [512, False]],  # 20

   [-1, 1, Conv, [512, 3, 2]],
   [[-1, 10], 1, Concat, [1]],  # cat head P5
   [-1, 3, BottleneckCSP, [1024, False]],  # 23

   [[17, 20, 23], 1, Detect, [nc, anchors]],  # Detect(P3, P4, P5)
  ]

加油站视频监控智能分析盒通过在加油站传统摄像头进行算力赋能改造成可以主动对监控画面中人员异常行为实时分析检测。实现加油全过程和卸油全过程，智能化无人化。加油站视频监控智能分析盒在加油站安全管理方面，主要实现AI识别，对加油区和卸油区内明火和烟雾以及人员抽烟、打电话等违规行为，卸油作业时灭火器未按要求正确摆放以及静电释放时间不足和人员离岗等不规范行为全天候不间断主动识别预警。