人员超员识别系统 YOLOv7

人员超员识别系统通过yolo深度学习网络模型对工厂车间生产区域进行实时监测，当人员超员识别系统监测到监控画面中区域人数超过规定人数时，人员超员识别系统立即抓拍存档预警并回传到后台监控平台提醒后台人员及时处理避免发生更大的危险情况。人员超员识别系统保障了危化品业生产安全，提高了工厂工地石化电力场景下安全生产作业的安全管理水平。

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。YOLOv7 是在 MS COCO 数据集上从头开始训练的，不使用任何其他数据集或预训练权重。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 A100，53.9% AP）速度上高出 509%，精度高出 2%，比基于卷积的检测器 ConvNeXt-XL Cascade-Mask R-CNN (8.6 FPS A100, 55.2% AP) 速度高出 551%，精度高出 0.7%。

随着社会的发展和人们生活水平的进步，大家对于危险场景安全生产作业越来越重视，特别是工厂石化煤矿危险化工等场景。在危化品生产企业的安全生产中，很多时候人员的操作能力参差不齐并且安全防范意识也不强，所以很多时候就增加了危化场景下的安全生产中安全事故发生的概率。

# From Mr. Dinosaur
 
import os
 
 
def listdir(path, list_name):  # 传入存储的list
    for file in os.listdir(path):
        file_path = os.path.join(path, file)
        if os.path.isdir(file_path):
            listdir(file_path, list_name)
        else:
            list_name.append(file_path)
 
 
list_name = []
path = 'D:/PythonProject/data/'  # 文件夹路径
listdir(path, list_name)
print(list_name)
 
with open('./list.txt', 'w') as f:  # 要存入的txt
    write = ''
    for i in list_name:
        write = write + str(i) + '\n'
    f.write(write)

人员超员识别系统基于前端摄像头视频采集的ai图像分析识别系统，无需新增硬件人员超员识别系统利用最新的深度学习技术，代替后台巡检人员的眼睛，对监控画面中人群数量自动识别。发现超员情况，不需人工干预，系统立即自动抓拍预警存档。大幅度提升后台传统安防监控的识别效率。