SkeyeVSS视频共享融合赋能平台技术方案之AI视频智能分析中台子系统功能设计_视频中台设计方案

AI视频智能分析中台子系统解决方案

1.3 功能设计

1.3.1 AI中台功能

AI中台是专门提供人工智能视频分析服务的安全生产预警平台。由人工智能推理中心，算法市场，人工智能计算服务中心，预警中心构成，形成“1市场3中心”的结构化管理模式，为用户提供灵活便捷的人工智能分析服务。做到算法丰富可拓展，场景秒级预警，高效部署，问题图像即时预警并查看的地步。

人工智能计算服务中心功能：对硬件资源和算法资源进行统一调度与管理。对计算机CPU、定制数据流，推理芯片算力的充分利用，实现多算法和多摄像头配置，既可实现单路摄像头搭载单场景算法或多路摄像头搭载多场景算法配置，实现AI计算的高效运行。

人工智能推理中心功能：采用中台设计，向下实现管理与调用算法分析服务、算法SDK、以及AI推理芯片，向上提供开放API、应用插件、数据输出能力，从而实现快速标准化AI视频分析与平台集成。

预警中心：支持不同应用场景定制预警条件，到达预警条件自动保存图像数据，并推送相关平台系统，快速上报报警信息，配合权限分配功能，实现精细化数据控制与管理。

AI算法市场功能：所有场景AI算法模型管理，包括且不限于算法模型版本管理，算法模型研发升级，算法模型动态拓展、算法模型调用等。默认具备以下场景识别能力：

1.3.2 乱堆物料检测

 算法名称：乱堆物料检测
 能力描述：检测临路（街）单位、门店、住户门前卫生、秩序，当划定区域内出现乱堆放、乱占道、垃圾杂物时产生报警
 检测对象：纸盒、箱子等杂物
 适用场景：需划定商铺负责的区域
 视频源规格：1080p-4K
 场景样例：

1.3.3 区域入侵检测

 算法名称：区域入侵检测
 能力描述：对人员进入禁止区域进行上报，一般指重要防控区域
 检测对象：人员
 适用场景：工地、园区等重点防控区域
 视频源规格：1080p-4K
 场景样例：

1.3.4 绊线入侵检测

 算法名称：绊线入侵检测
 能力描述：对室内和室外场景人员、机动车、非机动车穿越划定的线的行为进行上报
 检测对象：人员、机动车、非机动车
 适用场景：室内、室外和围栏场景
 视频源规格：1080p-4K
 场景样例：

1.3.5 吸烟检测

 算法名称：吸烟检测
 能力描述：检测区域内，有人手拿着烟放在嘴边，持续一段时间，触发报警（一般用于室内或室外控烟场景）
 检测对象：人员、吸烟动作
 适用场景：室内和室外控烟场景、安全生产场景等
 视频源规格：1080p-4K
 场景样例：

1.3.6 人群密度检测

 算法名称：人群密度检测
 能力描述：对区域内的人群密度进行分析，超过一定阈值进行上报，以免发生踩踏等事故
 检测对象：人员
 视频源规格：1080p-4K
 场景样例：

1.3.7 烟雾检测

 算法名称：烟雾检测
 能力描述：对烟雾进行检测，适用于白色、灰色浅色烟雾，主要用于火灾前的烟雾检测，适用于森林防火、小区防火
 适用行业：应急消防
 检测对象：室内、普通室外烟雾、火焰（非野外森林场景）
 适用场景：室内：消防通道、仓库、办公室；室外：小区园区、居民区
 视频源规格：1080p-4K
 场景样例：

1.3.8 火焰检测

 算法名称：火焰检测
 能力描述：对燃烧纸、火苗等火焰进行检测
 适用行业：应急消防
 检测对象：室内、普通室外烟雾、火焰（非野外森林场景）
 适用场景：室内：消防通道、仓库、办公室；室外：小区园区
 视频源规格：1080p-4K
 场景样例：

1.3.9 人员离岗检测

 算法名称：人员离岗检测
 能力描述：对消控室人员的在岗、离岗、值岗人数异常进行上报
 检测对象：人员
 适用场景：消控室、行政中心等
 视频源规格：1080p-4K
 场景样例：

1.3.10 佩戴安全帽检测

 算法名称：佩戴安全帽检测
 能力描述：对未戴安全帽行为进行上报，可指定安全帽颜色，如监工黄色，执行工人红色等，特别是危化气体充装，需要多人在场监督
 检测对象：人员、安全帽
 适用场景：工地、生产车间等需规范佩戴安全帽场景
 视频源规格：1080p-4K
 场景样例：

1.3.11 穿戴工作服检测

 算法名称：穿戴工作服检测
 能力描述：部分生产场景需要严格穿戴防静电工作服、专用场景服饰，对不穿工作服行为进行上报
 检测对象：工作服
 适用场景：生产车间等需规范穿戴工作服的场景
 视频源规格：1080p-4K
 场景样例：

1.3.12 空岗识别

人员不在岗时间超限

1.3.13 睡岗检测

人员在岗睡觉

1.3.14 消防通道占用检测

 算法名称：消防通道占用检测
 能力描述：对停留在消防通道上的车辆超过一定时间阈值进行报警
 适用行业：应急消防
 检测对象：箱、包、盒子、非机动车
 适用场景：城市街道、沿街商铺、公园、居民小区等消防通道
 视频源规格：1080p-4K
 场景样例：

1.3.15 其他安全生产检测

工装检测

人员数量检测

吊装作业区域检测

禁止人员进入区域监测

乱堆物料监测

1.4 非功能设计

1.4.1 关键技术

在人工智能视觉的核心算法做了更符合现实场景下的调优和模型剪裁，具备高准确识别速度快的特点。其算法采用高效聚合网络ELAN、E-ELAN结构， 模型缩放平衡速度、精度复杂度，通过控制最短最长的梯度路径，更深的网络可以有效地学习和收敛。作者提出ELAN结构。基于ELAN设计的E-ELAN 用expand、shuffle、merge cardinality来实现在不破坏原有梯度路径的情况下不断增强网络学习能力的能力。
研发出AI推理中心的算法模型容器化技术，可根据视频流自动化部署升级相应AI算法模型。

1.4.2 硬件需求

配置如下所示：
2U标准机架式，冗余电源；
CPU：配置CPU个数≥32，每颗CPU≥2.0GHz；
内存：≥64GB；
GPU：NIVIDA T4*4
存储：8TB HDD≥2；
千兆电口：≥2；
分析能力：支持45路视频实时分析（1080P，25fps）