监控室值班人员脱岗睡岗识别系统 YOLOv8

监控室值班人员脱岗睡岗识别系统基于Yolov7深度学习神经网络算法，监控室值班人员脱岗睡岗识别系统可以7*24小时不间断自动监控总监控室值班人员是否在工位上（脱岗睡岗玩手机），若值班人员没有在总监控室系统则立即抓拍告警，算法鲁棒性强。监控室值班人员脱岗睡岗识别系统检测到办公室人员离开自己所在的岗位达到一定的时间（离岗时间后台可以可配置，）后依旧没回岗位的时候，立即告警提醒相关负责人及时且妥善处理。

YOLOv8 与YOLOv5出自同一个团队，是一款前沿、最先进（SOTA）的模型，基于先前 YOLOv5版本的成功，引入了新功能和改进，进一步提升性能和灵活性。YOLOv8是一种尖端的、最先进的 (SOTA) 模型，它建立在以前成功的 YOLO 版本的基础上，并引入了新的功能和改进，以进一步提高性能和灵活性。YOLOv8 旨在快速、准确且易于使用，这也使其成为对象检测、图像分割和图像分类任务的绝佳选择。具体创新包括一个新的骨干网络、一个新的 Ancher-Free 检测头和一个新的损失函数，还支持YOLO以往版本，方便不同版本切换和性能对比。

YOLOv8 有 5 个不同模型大小的预训练模型：n、s、m、l 和 x。关注下面的参数个数和COCO mAP（准确率），可以看到准确率比YOLOv5有了很大的提升。特别是 l 和 x，它们是大模型尺寸，在减少参数数量的同时提高了精度。

随着社会的发展和人们生活 水平的快速进步，大家对于化工厂、钢铁联合企业、煤矿企业以及非煤企业控制室人员安全生产值班行为越来越重视。值班特别是上后夜班的时候，玩手机、打盹、犯迷糊的现象时常发生。总监控室值班人员应并做好交接班工作，不得替岗、按时上岗，不得脱岗、坚守岗位，不得睡岗，做好各项记录工作，不得玩手机、尽职尽责。监控室值班人员脱岗睡岗识别系统实现离岗、脱岗及早发现，通过监控现场工作人员玩手机、睡岗、脱岗行为检测系统也很快就能得到纠正。大大提升运营效率。

# 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)

化工厂、钢铁联合企业、煤矿企业以及非煤企业总监控中心值班作业人员在工作时间内发生脱岗、睡岗、玩手机的情况进行实时检测，监控室值班人员脱岗睡岗识别系统一旦检测出监控区域内相关工作人员在岗玩手机、或者睡觉以及脱岗超过后台设置的时间情况，系统告警并发送抓拍现场图片至相对应管理者的手机端上。