1. 系统目的

随着社会的不断发展，互联网深入到我们的生活中，我们生活中更是随处可以见到各式各样的监控摄像头，这些视频监控有效的保护着我们的日常生活，当在生活中出现一些问题以及出现违法犯罪的情况时，监控可以帮助我们快速找到犯罪嫌疑人，但是我们对视频监控的利用程度还不够，监控管理员在查看以前的监控时，必须通过时间段来定位片段，并进行手动观看，当所需监控数量过多、时间间隔范围较大时，这样子逐帧查看也产生了较高的人力物力成本。更有一些情况，我们有着足够多数量的安全监控摄像头，但是当出现老人摔倒或者发生人流量过大拥挤踩踏时，摄像头无法向我们报警。
与此同时，人工智能的发展也越来越迅速，人工智能中计算机视觉所产生的效果也开始映入我们的眼帘，深度学习的算法也逐渐成熟。本系统通过网络爬取抽烟、打电话等图片和通过海康威视摄像头截取图片采集数据集，并对数据集做预处理，使用OpenPose和YOLO来训练模型，并进行实时摄像头的检测，并通过报警推送，存入相应的数据库中以及进行平台的展示。

2. 技术路线

2.1 通过摄像头内置人工智能识别功能

现有很多摄像头已经具备了人工智能识别功能，系统可以利用摄像头内置的人工智能算法，对行为进行识别，系统通过摄像头厂商提供的SDK或者API接口，当识别到行为时，系统通过Web Socket向报警平台进行推送、报警，在前端可以实时显示报警情况及报警统计。

2.2 通过边缘计算实现人工智能识别

系统还可以利用摄像头外接的边缘计算服务器中的人工智能算法，对行为进行识别，优点是服务器性能更高，可以更快速、更精准的进行识别，当识别到行为时，系统通过Web Socket向报警平台进行推送、报警，在前端可以实时显示报警情况及报警统计。

3. 系统展示

image.png
image.png