自动识别是否穿着工作服 CNN

自动识别是否穿着工作服通过AI视频分析技术，自动识别是否穿着工作服对作业区域现场人员工作服是否穿戴进行7*24小时实时监测。自动识别是否穿着工作服监测到现场有人未穿戴工作服时，不需人为干预立即抓拍告警，并联动音箱提醒现场人员穿戴工作服。自动识别是否穿着工作服代替人眼，基于视频流的智能图像识别系统，自动识别未穿工作服行为，利用最新的深度学习与大数据技术为安全生产保驾护航。

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。

自动识别是否穿着工作服是计算机视觉的机制之一，以识别各种不同模式的目标和对象的技术。那么如何实现图像识别? 利用计算机对图像进行处理、分析和理解。简单地说，深度学习通过模仿人类的神经元系统，是一种机器学习框架，为计算机提供自主学习能力，深度学习是最有可能让机器实现“看”的能力的技术。自动识别是否穿着工作服以外，还可以具备工衣工服识别、安全带识别、安全帽识别、反光衣识别、打电话识别、抽烟行为识别火焰识别、烟雾识别等多种专业场景识别。

# 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)

自动识别是否穿着工作服基于AI视频智能分析技术，自动识别是否穿着工作服自动对视频图像信息进行分析识别，无需人工干预自动识别现场画面中人员是否穿着工作服，当监测到现场施工作业人员未按要求规定穿戴工作服时，立即抓拍报警。自动识别是否穿着工作服可以通过AI技术协助现场值班管理人员进行管理，无需新增硬件降低后台传统情况下的误报和漏报现象，真正做到安全生产信息化管理，减少人力监管的成本，快捷方便。