使用閉路電視 (CCTV)，人類可以監(jiān)控入侵區(qū)域，但通常在事后使用此數(shù)據(jù)來驗證事件或進(jìn)行歷史分析。鑒于部署的攝像頭數(shù)量眾多，不可能每個攝像頭都安排一個人來監(jiān)控該區(qū)域。通常，單個安全代理會實時監(jiān)控大量攝像頭畫面。

深度學(xué)習(xí)可以解決這個問題，它不僅可以自動檢測人是否進(jìn)入相機(jī)視野，還可以指示此人是否在該視野的特定區(qū)域內(nèi)。如果有人違反限制區(qū)域，這允許通過實時通知監(jiān)視多個限制區(qū)域。在這個英特爾? OpenVINO? 工具包示例中，我們將了解如何使用視頻圖像來識別人員是否進(jìn)入了用戶指定的限制區(qū)域。

禁區(qū)監(jiān)控數(shù)據(jù)管道

在之前的博客文章中，我們看到了使用攝像機(jī)捕獲的圖像進(jìn)行人臉和車輛檢測的示例。在此應(yīng)用程序中，我們將研究一種不同類型的檢測，使用深度學(xué)習(xí)來識別“人”以及他們是否在禁區(qū)內(nèi)。

圖 1顯示了 Restricted Zone Monitor 深度學(xué)習(xí)應(yīng)用程序的管道。讓我們探索這個管道和發(fā)生的活動。

圖1：限制區(qū)跟蹤管道圖說明了 OpenVINO ?工具包的此應(yīng)用程序如何處理捕獲的圖像以識別是否有人進(jìn)入某個區(qū)域并確定該區(qū)域是否在用戶定義的限制區(qū)內(nèi)。（來源：作者）

此圖像處理應(yīng)用程序使用安裝在包含禁區(qū)的區(qū)域上方的攝像機(jī)捕獲的圖像。卷積神經(jīng)網(wǎng)絡(luò) (CNN)——一種圖像處理深度神經(jīng)網(wǎng)絡(luò)——處理捕獲的圖像以確定一個人是否違反了禁區(qū)。首先，CNN 識別一個人是否在捕獲幀中。如果檢測到有人，CNN 會檢查此人是否在禁區(qū)內(nèi)。用戶可以使用捕獲的圖像和鼠標(biāo)來定義限制區(qū)域，以在圖像中創(chuàng)建一個平面。定義后，如果檢測到人員進(jìn)入限制區(qū)域，應(yīng)用程序?qū)⑸赏ㄖ?/p>

圖 2顯示了這個深度神經(jīng)網(wǎng)絡(luò)的完整過程的示例。請注意，在這個例子中，CNN 在不到半秒的時間內(nèi)識別出了這個人，并且還確定檢測到的人不在禁區(qū)內(nèi)。

圖 2：限制區(qū)監(jiān)視器輸出屏幕顯示了 OpenVINO ?工具包的此應(yīng)用程序的示例，用于識別人員并確定該人員不在限制區(qū)內(nèi)。（來源：英特爾）

示例應(yīng)用程序還說明了消息隊列遙測傳輸 (MQTT) 協(xié)議的使用，該協(xié)議將區(qū)域信息傳送到工業(yè)數(shù)據(jù)分析系統(tǒng)。

為什么這很酷

Restricted Zone Monitor 應(yīng)用程序是使用 Intel ? OpenVINO? 發(fā)行版和約 450 行 Go（或 400 行 C++）開發(fā)的。傳統(tǒng)的視頻監(jiān)控需要一個人觀看多個監(jiān)視器，這既乏味又容易出錯。將人員從這種監(jiān)控角色中移除可以降低犯錯的可能性，并有助于確保工作場所的合規(guī)性?？紤]到這些錯誤可能會導(dǎo)致危及生命的傷害，這是一項很酷的技術(shù)。與功能強大的硬件配對時，例如基于第 6代英特爾?酷睿?處理器或英特爾神經(jīng)計算棒 2 的硬件由 Intel Movidius? X VPU 提供支持，可以獲得令人印象深刻的推理速度，從而實現(xiàn)實時分析。

改編這個例子

邊界安全是這項技術(shù)的一個明顯用例。作為物理安全過程的一部分，檢測一個區(qū)域內(nèi)或周圍的人是有用的，但該技術(shù)可以以其他方式應(yīng)用。這個深度學(xué)習(xí)網(wǎng)絡(luò)經(jīng)過預(yù)訓(xùn)練可以檢測人，但也可以訓(xùn)練它來檢測動物。例如，是否有一只熊或其他野生動物游蕩到郊區(qū)可能造成傷害？

檢測城市中的人也很有用——尤其是在行人和交通流量方面。人行橫道可以檢測到一個人何時等待過馬路，但在繁忙的道路上為一個人停下來可能不如為一大群人停下來有益。應(yīng)用人員檢測來管理車輛和行人的流量可以確保最佳的人流。

在哪里了解更多

您可以在英特爾?物聯(lián)網(wǎng)開發(fā)套件GitHub 上了解有關(guān)此演示的更多信息。

膠水應(yīng)用程序是用 C++ 和 Go 語言開發(fā)的。該發(fā)行版包括針對 OpenVINO ?的英特爾?優(yōu)化車輛和行人檢測模型。您可以使用 Ubuntu 16.04 LTS Linux 操作系統(tǒng)、英特爾? OpenVINO ?工具包分發(fā)版和 OpenCL ?運行時包輕松試驗此應(yīng)用程序。

您還可以使用 AIoT 開發(fā)套件快速啟動您的開發(fā)，其中包括 Ubuntu、OpenVINO ?、英特爾? Media SDK 和預(yù)裝英特爾?酷睿?處理器的英特爾? System Studio 2018。開發(fā)工具包包括幫助您快速入門和運行的教程。

您還可以使用基于 Intel ? Apollo Lake ?平臺的AAEON UP 板。

M. Tim Jones 是一位資深的嵌入式固件架構(gòu)師，擁有超過 30 年的架構(gòu)和開發(fā)經(jīng)驗。Tim 是多本書籍和多篇文章的作者，涉及軟件和固件開發(fā)領(lǐng)域。他的工程背景從地球同步航天器的內(nèi)核開發(fā)到嵌入式系統(tǒng)架構(gòu)和協(xié)議開發(fā)。