学校AI视频行为分析监测系统 CNN

学校AI视频行为分析监测系统通过AI视频分析技术，学校AI视频行为分析监测系统对学校的监控区域，如围墙、操场、教学楼、走廊、楼道、食堂、偏僻角落等区域部署学校AI视频行为分析监测系统。学校AI视频行为分析监测系统可以自动对现场画面中学生打架行为识别、跌倒行为识别、偷偷翻墙识别、人员聚众识别、攀高识别、抽烟行为等进行智能识别预警。学校AI视频行为分析监测系统有助于提前发现预防学生异常行为危险事件的发生，通过AI技术降低校园学生意外欺凌事件发生。

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们生活快速进步，同样伴随着学生打架斗殴各种心理问题压力学习问题频繁发生，大家及社会对于校园安全学生在校人身安全更加重视，特别是前段时间学生危险事件频繁发生包括翻墙出校门以及打架斗殴事件。学校安全工作，直接关系到青少年学生能否安全健康的在校学习，关系到社会稳定和千万个家庭的幸福，是全社会安全工作的一个十分重要的组成部分。随着近年来校园频繁发生聚众闹事学生欺凌、打架等安全频繁发生，学校AI视频行为分析监测系统对对学校的院墙周界、大门、操场、教学楼楼道、校园食堂、宿舍等场景实时监控分析预警，通过AI技术对校园暴力事件及危害学生人身安全的因素进行有效管控，能够为学校、老师、学生乃至学校对外宣传层面提供很便捷的服务。

import torch
from torch import nn
from d2l import torch as d2l


class Reshape(torch.nn.Module):
    def forward(self, x):
        # 通过view函数把图像展成标准的Tensor接收格式，即(样本数量，通道数，高，宽)
        return x.view(-1, 1, 28, 28)

net = torch.nn.Sequential(
    Reshape(),
    # 第一个卷积块，这里用到了padding=2
    nn.Conv2d(1, 6, kernel_size=5, padding=2), 
    nn.Sigmoid(),
    nn.AvgPool2d(kernel_size=2, stride=2),
    
    # 第二个卷积块
    nn.Conv2d(6, 16, kernel_size=5), 
    nn.Sigmoid(),
    nn.AvgPool2d(kernel_size=2, stride=2),
    
    # 稠密块（三个全连接层）
    nn.Flatten(),
    nn.Linear(16 * 5 * 5, 120), nn.Sigmoid(),
    nn.Linear(120, 84), nn.Sigmoid(),
    nn.Linear(84, 10))

学校AI视频行为分析监测系统通过学校已有的监控摄像头（利旧），学校AI视频行为分析监测系统根据智能视频技术，学校AI视频行为分析监测系统不需人为干预自动识别校园打架、人群聚集行为、攀爬（翻墙）、区域闯入、明火、跌倒、烟雾、睡岗、离岗等行为问题，自动分析预警，并把报警信息发送到保安室，提醒相关值班人员及时处理，及时发现问题，从根本上解决校园安全问题。学校AI视频行为分析监测系统还可以对烟火检测、消防器材检测、消防通道占道检测。学校AI视频行为分析监测系统可有效加强监校园整体安全情况，提升监控效率。