腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

综合排序丨最热优先丨最新优先

睡岗离岗识别检测系统

睡岗离岗识别检测系统根据监控视频ai分析技术可以24h不间断全自动识工作人员的岗位，一旦发现员工工作中不在位置的时间超过规定，睡岗离岗识别检测系统将立即警报，并把报警信息传送到后台。睡岗离岗识别检测系统可以有效避免员工睡岗离岗的情况发生，从而避免因此造成的不必要的损失。睡岗离岗识别检测系统处理职工私自离岗的监督难题，从原来的人力资源检查转变成系统全自动控制，大大降低中心管理人员的劳动强度，促使监管更加高效。针对工作人员的离岗，系统会一键备份，包含离岗时长、离岗工作人员、视频等，并进行详细的记录。当工作人员有异议时，可以查看监控录像。

2022-09-25

8810

标签:

监控脱岗离岗行为检测系统

监控脱岗离岗行为检测系统根据AI机器视觉分析全天候不间断对监控视频图像开展识别和剖析，对企业的某些固定工位离岗、脱岗情况进行识别检测报警提醒。监控脱岗离岗行为检测系统使用场景包含:酒店迎宾离岗检测、宾馆前台离岗检测、保安离岗检测、工厂生产线工作人员离岗检测、监控指挥中心工作人员离岗检测等，避免因离岗导致财产损失或安全事故，减少人力资源管理节省成本监控脱岗离岗行为检测系统主要运用于施工工地、工厂等需要加强监督的场所。依据计算机视觉分析的技术和现场监控摄像头相互配合，监控脱岗离岗行为检测系统对在工作期间离岗的情况进行监管。一旦监控区域工作员发觉离岗状况，系统将现场图片拍摄并发送给相对应管理人员的移动终端。离岗检测鉴别预警信息系统、值班室人员睡岗预警系统、工作人员未在座位检测识别摄像头、企业办公室人员离岗检测拍摄预警信息系统、，监控室人员未在岗位检测识别摄像头、走廊消防通道堵塞预警信息系统、安全消防监控室离岗检测预警提醒监控监控摄像头

2022-09-25

1.1K0

标签:

人员玩手机离岗识别检测系统

人员玩手机离岗识别检测系统通过python+yolov5网络模型识别算法技术，人员玩手机离岗识别检测系统可以对画面中人员睡岗离岗、玩手机打电话、脱岗睡岗情况进行全天候不间断进行识别检测报警提醒。图片 Yolo模型采用预定义预测区域的方法来完成目标检测，具体而言是将原始图像划分为 7x7=49 个网格（grid），每个网格允许预测出2个边框（bounding box，包含某个对象的矩形框），总共我们将其理解为98个预测区，很粗略的覆盖了图片的整个区域，就在这98个预测区中进行目标检测。

2023-03-22

1.3K0

标签:

夜班睡岗离岗识别检测系统

夜班睡岗离岗识别检测系统依据智能视频分析，能够对值班中关键岗位的运行状态开展全天候实时识别检测，夜班睡岗离岗识别检测系统对区域工作人员的睡岗、离岗、缺岗、玩手机、抽烟等行为进行识别。在工地值班室部署离岗监测功能，根据监控人员是否在监控室工作岗位上，当值班人员缺岗、睡岗、离岗超过系统设定的时间，则会立即报警，防止人员粗心大意所造成的损失。夜班睡岗离岗识别检测系统是推动传统监控系统“监管人为要素”向“视频监控系统系统”转型的必需方式。夜班睡岗离岗识别检测系统致力于服务对各种岗位的实时监测分析，有效实现对值班室人员离岗智能检测的实时预警，包含视频监督、事件预警信息、信息推送等服务。夜班睡岗离岗识别检测系统依据机器视觉视频分析技术，有效检测视频画面中人体异常行为及目标物品，并发出告警，改变过去视频监控系统系统的处于被动预警信息、效率低下的情况。

2022-09-25

5930

标签:

办公室人员离岗识别检测系统

办公室人员离岗识别检测系统根据yolov7网络模型深度学习技术，办公室人员离岗识别检测系统能够7*24小时全天候自动识别人员是否在岗位。 YOLOv7 在 5 FPS 到 160 FPS 范围内，速度和精度都超过了所有已知的目标检测器，并在V100 上，30 FPS 的情况下达到实时目标检测器的最高精度 56.8% AP。相对于其他类型的工具，YOLOv7-E6 目标检测器（56 FPS V100，55.9% AP）比基于 transformer 的检测器 SWINL Cascade-Mask R-CNN（9.2 FPS 图片近年来，实时目标检测器仍在针对不同的边缘设备进行开发。；在 CPU 上使用的实时目标检测器的设计主要基于 MobileNet、ShuffleNet 或 GhostNet；为 GPU 开发的实时目标检测器则大多使用 ResNet、DarkNet 或 DLA，

2023-02-26

1.1K0

标签:

离岗识别 yolov5

离岗识别算法模型通过yolov5网络模型技术，离岗识别可以自动识别现场画面中人员离岗等行为，发现违规行为立即抓拍告警。 YOLO5系列算法是一类典型的one-stage目标检测算法，其利用anchor box将分类与目标定位的回归问题结合起来，从而做到了高效、灵活和泛化性能好，所以在工业界也十分受欢迎，接下来我们介绍YOLO Yolo模型采用预定义预测区域的方法来完成目标检测，具体而言是将原始图像划分为 7x7=49 个网格（grid），每个网格允许预测出2个边框（bounding box，包含某个对象的矩形框），总共 49x2 我们将其理解为98个预测区，很粗略的覆盖了图片的整个区域，就在这98个预测区中进行目标检测。 YOLOv5是一种单阶段目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。

2023-05-20

6020

标签:

视频云存储安防监控视频智能分析平台睡岗离岗检测

TSINGSEE青犀推出的视频云存储/安防监控视频智能分析平台得睡岗离岗检测根据AI视频分析技术建立人工智能算法，对视频画面展开分析与识别。自动识别出人员睡岗、离岗、玩手机与抽烟等动作。基于视频流的智能检测分析，对场景中出现的人员离岗、睡岗行为进行识别，针对长时间无人值守、人员睡岗的情况进行告警提醒。 1）支持离岗时间自定义设置，检测离开多长时间才算离岗，可根据岗位规定，允许值班人员上班上洗手间的时间，超过时间即触发告警，减少误报几率；2）支持人形识别，包含半身、全身；姿势识别，包含站姿、坐姿、正脸、 TSINGSEE青犀视频AI识别平台基于视频AI技术自动检测违规行为，采取技防+人防模式，有效辅助预警、监管、取证，支持同时检测睡岗和离岗行为，实现全场景多功能预警，保障作业安全，减少安全事故的发生概率人员睡岗离岗检测可应用在工地、工厂、矿山、消防等行业中，督促值班人员提升岗位责任心，协助企业提高监管效率。

TSINGSEE青犀视频

2023-08-22

9220

标签:

实时音视频

如何基于AI视频智能分析+视频监控技术搭建离岗睡岗检测系统？

在一些重要的工作岗位中，都会安排特定的值岗人员，维持日常生产、运营及治安工作，而在岗人员每天面临艰巨而又单调重复的工作，极易产生疲劳，注意力下降，时常会出现离岗、睡岗、抽烟、玩手机等违规行为，从而无法及时发现安全隐患和处理突发紧急事件图片三、解决方案SkeyeVSS视频融合云平台基于端-边-云一体化架构，具有海量视频接入、汇聚与管理、处理及分发等视频能力，支持AI视频智能分析功能，能自动识别相关工作人员的岗位，如果发现相关工作人员离岗图片三、算法功能1、离岗检测SkeyeVSS平台结合部署在边缘侧的AI智能分析网关，基于视频流的智能检测分析，24小时智能监测工作岗位，一旦监测到空岗时间超出规定时间，系统便会立即抓拍提醒，并将违规异常截图传送至后台监控端 4、服装穿戴检测通过实时视频监测和预警在岗人员是否正确佩戴安全帽、穿戴工作服，若检测到异常，则立即向平台发出告警，支持语音联动、声光装置进行提醒。五、方案应用SkeyeVSS视频融合云平台基于视频AI技术自动检测违规行为，支持检测睡岗、离岗等行为，实现全场景多功能预警，有效辅助预警、监管、取证，保障作业安全，减少安全事故的发生概率。

2023-05-09

1.6K0

标签:

智能安防监控

TSINGSEE青犀睡岗离岗检测算法——确保加油站安全运营

众所周知，加油站是一个需要24小时营业的场所，由于夜间加油人员较少，员工极易处于疲劳或者睡眠状态，为保障安全和效率，通过TSINGSEE青犀睡岗离岗检测算法在加油站场景中，可以及时发现工作人员的疲劳状况 2、睡岗离岗算法TSINGSEE青犀智能分析网关睡岗离岗检测算法主要基于计算机视觉和深度学习技术，通过分析人员的眼睛状态、脸部表情、头部姿态等特征，判断人员是否处于疲劳或睡眠状态。系统自动检测区域内的人体，再统计区域内的人体数目，数目不达标且达到设置的时间将触发告警。图片3、智能告警一旦睡岗检测算法检测到加油站工作人员出现离岗或睡眠状态，系统会立即触发警报机制，发送警报信号给管理人员，或者通过语音提醒工作人员。硬件可实现的AI检测包括：人脸结构化数据、车辆结构化数据、场景检测类算法、行业类检测算法、人员行为类检测算法等。

TSINGSEE青犀视频

2023-10-27

4070

标签:

智能安防监控

PowerBI HR应用之离岗时间计算

背景很多企业实行比较人性化的管理，员工进出公司以打卡为安全保证，而很多时候会出现员工离岗很长时间的问题。作为一种了解，企业通过打卡机的记录可以了解到一个员工离开工位的时长。例如：对于任何一个员工：每日第一次进入打卡记录为其上班时间；每日最后一次离开打卡记录为其下班时间；中间每对【离开-进入】的间隔为离岗时长。那么打卡机会默认记录所有员工的打卡记录，问题来了，需要统计每个员工的离岗时长，如何操作。尤其是第一项的分析，可以看出在考勤打卡机的记录里，某人某日的第一条记录是上班记录，从第二条开始才是离开记录；而最后一条是下班记录，并非离岗记录。而这里需要将【离岗-回岗】合理配对以计算离岗时长。分治法：将原问题化解为有限的原子问题以及原子问题的重复，并先分类解决原子问题，再整体解决原问题。本案例将使用分治法策略来实现。

2019-09-23

1.9K0

标签: