加油站智能视频分析盒 CNN

加油站智能视频分析盒通过深度学习视频分析技术，加油站智能视频分析盒代替人眼，7*24小时不间断实时对加油站现场人员行为及设备进行识别站。加油站智能视频分析盒不同于传统安防监管方式，加油站智能视频分析盒可以全年24小时不停歇的对现场人员不合规行为并进行一直持续不断的自动识别。加油站智能视频分析盒通过Ai人工智能视觉识别技术将加油站的现场的违规行为数据，实时自动识别预警并同步存档上传至政府的监管平台。

在CNN出现之前，对于图像的处理一直都是一个很大的问题，一方面因为图像处理的数据量太大，比如一张512 x 512的灰度图，它的输入参数就已经达到了252144个，更别说1024x1024x3之类的彩色图，这也导致了它的处理成本十分昂贵且效率极低。另一方面，图像在数字化的过程中很难保证原有的特征，这也导致了图像处理的准确率不高。

而CNN网络能够很好的解决以上两个问题。对于第一个问题，CNN网络它能够很好的将复杂的问题简单化，将大量的参数降维成少量的参数再做处理。也就是说，在大部分的场景下，我们使用降维不会影响结果。比如在日常生活中，我们用一张1024x1024x3表示鸟的彩色图和一张100x100x3表示鸟的彩色图，我们基本上都能够用肉眼辨别出这是一只鸟而不是一只狗。这也是卷积神经网络在图像分类里的一个重要应用。

随着社会的发展和人民生活的进步，大家对于煤矿石化加油站等危险作业场景人员的安全作业更加重视。只有人员行为合规并且着装符合要求才有可能最大限度地降低危险发生的概率。加油站内人员车辆流动比较频繁，属于安全防范重点单位，作为一级防火单位，由于人员行为不符合要求比如抽烟打电话玩手机或者着装违规，造成火灾的比比皆是，给现场人身安全造成重大损失。

# 根据配置的.yaml文件搭建模型
class Model(nn.Module):
    def __init__(self, cfg='yolov5s.yaml', ch=3, nc=None):  # model, input channels, number of classes
        super(Model, self).__init__()
        if isinstance(cfg, dict):
            self.yaml = cfg  # model dict
        else:  # is *.yaml
            import yaml  # for torch hub
            self.yaml_file = Path(cfg).name
            with open(cfg) as f:
                self.yaml = yaml.load(f, Loader=yaml.SafeLoader)  # model dict

        # Define model
        ch = self.yaml['ch'] = self.yaml.get('ch', ch)  # input channels
        if nc and nc != self.yaml['nc']:
            logger.info('Overriding model.yaml nc=%g with nc=%g' % (self.yaml['nc'], nc))
            self.yaml['nc'] = nc  # override yaml value
        self.model, self.save = parse_model(deepcopy(self.yaml), ch=[ch])  # model, savelist
        self.names = [str(i) for i in range(self.yaml['nc'])]  # default names
        # print([x.shape for x in self.forward(torch.zeros(1, ch, 64, 64))])

        # Build strides, anchors
        m = self.model[-1]  # Detect()
        if isinstance(m, Detect):
            s = 256  # 2x min stride
            m.stride = torch.tensor([s / x.shape[-2] for x in self.forward(torch.zeros(1, ch, s, s))])  # forward
            m.anchors /= m.stride.view(-1, 1, 1)
            check_anchor_order(m)
            self.stride = m.stride
            self._initialize_biases()  # only run once
            # print('Strides: %s' % m.stride.tolist())

        # Init weights, biases
        initialize_weights(self)
        self.info()
        logger.info('')

加油站智能视频分析盒在加油站场景下支持7种报警类型，加油站智能视频分析盒违规行为包括，明火、烟雾、抽烟、打电话。加油站智能视频分析盒识别的现场人员违规作业包括：卸油作业时人员离岗，释放静电不满足15分钟以及未按照规定摆放灭火器，以上这7种告警。加油站智能视频分析盒通过对上述流程的全流程识别监控，可以最大程度的降低危险发生的可能，保障现场人员人身安全。