AI+社区智能管理，赋能智慧城市人情共「智」

飞桨PaddlePaddle

已于 2022-04-12 10:47:35 修改

阅读量517

点赞数

文章标签：算法人工智能大数据编程语言 python

于 2022-03-29 19:59:00 首次发布

本文链接：https://blog.csdn.net/PaddlePaddle/article/details/123835930

版权

社区是城市的关键组成部分，社区治理是围绕社区场景下的人、地、物、情、事的管理与服务。

随着城市化的快速推进及人口流动的快速增加，传统社区治理在人员出入管控、安防巡逻、车辆停放管理等典型场景下都面临着人力不足、效率低下、响应不及时等诸多难题。而人工智能技术代替人力，实现人、车、事的精准治理，大幅降低人力、物质、时间等成本，以最低成本发挥最强大的管理效能，有效推动城市治理向更“数字化、自动化、智慧化”的方向演进。

百度飞桨提供的先进的、基于深度学习技术的智能感知与分析能力，使开发者可以快速实现对人、车、物的高效、精准的识别。这一系列针对社区治理的开源算法能力，覆盖人车信息留存、出入口管控、车辆违规停放、人员穿戴合规、异常行为识别、垃圾分类、电梯异常检测等20+智慧社区核心场景。开发者可以轻松调用高精度、毫秒级识别的算法，并快速实现云边端多硬件部署上线。

飞桨的这一系列开源能力获得了行业开发者的广泛认可，包括上海天覆科技、泰思通、音智达、北京德厚泉等在内的企业基于飞桨，高水平地实现了智能视频监控、垃圾识别分类等典型社区治理场景解决方案，为社区设施智能化有序升级作出了重要贡献。

场景一

社区人员信息管理

传统社区视频监控80%都依靠人工实现，随着摄像头在社区中的大规模普及，每天可以产生千兆以上的视频图像，再加上人员信息日渐复杂等因素，完全依靠人工对着屏幕肉眼检查已无法满足业务要求。因此上海天覆科技灵活应用飞桨行人分析PP-Human中的人体跟踪和属性识别算法，实现了社区视频监控的结构化留痕，实时识别进出小区的人员的性别、年龄、衣着打扮等26种属性并记录其运动轨迹，通过AI算法不仅释放了人力，并且可以高效、准确地完成出入口管理、快速寻人、轨迹分析等任务。

飞桨实时行人分析工具：

https://github.com/PaddlePaddle/PaddleDetection/tree/release/2.4/deploy/pphuman

场景二：摔倒识别

社区的安全防护是重中之重，如何高效保障社区居民人身安全成为一大难题，传统的方式以人工视频监控为主，人力巡逻为辅，往往面临异常情况响应不及时、人力消耗极大的问题。飞桨行人分析PP-Human中提供的摔倒识别算法，采用了关键点+时空图卷积网络的技术，对摔倒姿势无限制、背景环境无要求，助力多家安防龙头企业实现了不同方向、不同姿态、不同光照情况下40毫秒的实时摔倒识别，避免因人力监管不到位造成的救援拖延，完成社区安防系统智能化的全面转型。