共计 2176 个字符，预计需要花费 6 分钟才能阅读完成。
近日，媒体接连报道电动车起火爆炸造成重大人员伤亡的新闻，针对该问题，社区物业明令禁止电瓶车入户，然而仍然有人漠视这个问题严重性。目前，AI 利用曾经能够无效地预防此类问题，在进入电梯的时候就能够采取报警和无效措施。AI 在安防畛域的利用十分宽泛，在各类公共场合迅速辨认人员摔倒、打架、争吵，以及车辆行驶异样等行为，能够及时告诉安保人员进行干涉。
本次飞桨产业实际范例库开源 电瓶车进电梯检测、异样行为检测、多类别车辆跟踪三个典型安防场景，提供了从数据筹备、模型训练优化，到模型部署的全流程可复用计划，升高产业落地门槛。⭐我的项目链接⭐https://github.com/PaddlePaddle/awesome-DeepLearning 所有源码及教程均已开源，欢送大家应用，star 激励~
电瓶车进电梯检测
电瓶车进楼入户产生的火灾事故不足为奇，针对该景象飞桨联结天覆科技推出了相应的电瓶车进电梯检测计划，及时进行报警与干涉，从源头缩小这一状况的产生。
电梯场景内物体多，遮挡状况常有产生，要保障准确率、响应速度和高性价比，同时针对需要的变动能够自行优化，对技术计划提出很大挑战。
基于这样高难度的要求，天覆科技 CTO 马纯磊通过一直的尝试、试验，最终找到了最优的解决思路：应用飞桨图像分类套件 PaddleClas 中的图像识别零碎 PP-ShiTu(即主体检测 + 特征提取 + 向量检索的形式)，整体计划如下：
主体检测别离选用了单阶段检测模型 YOLOv3、PP-YOLOv2、PicoDet 进行试验，最终准确率高达 98%，同时用户能够一直自优化模型，模型准确率一直晋升。
部署应用飞桨服务化部署框架 Paddle Serving 的形式，依据 PicoDet 前解决耗时较长的特点，采纳 Pipeline 的策略，QPS 从 15 晋升到 19，性能晋升 20%。同时退出 kong 平安网关，对立了预测服务入口，晋升服务安全性。更多优化策略详解欢送大家关注直播课。
多类别车辆跟踪
车辆追踪是安防畛域的重要技术，在特定场合的车流量管控、进出口检测、交通管控等经典场景都存在广泛应用场景。本我的项目基于飞桨指标检测套件 PaddleDetection，智能高效地实现了监控场景下的多类别车辆跟踪工作。
场景难点：
- 拍摄角度多变，受光照光线等影响对模型泛化能力要求较高；
- 波及车辆类型较多，须要满足多类别跟踪诉求；
- 低空俯拍，对小指标大尺幅场景准确性要求较高，预警对实时性能要求较高。
本我的项目应用可进行多类别跟踪的 MCFairMOT 算法，抉择较大的图像输出尺寸 1088 x 608，从而改善小指标检测成果；思考到速度和精度可能平衡，我的项目中应用 DLA-34 作为 Baseline 模型的骨干网络。通过多种优化策略，整体精度晋升 30%，从最终可视化场景中能够看到获得十分好的多类别追踪成果。
在部署上提供基于 Paddle Inference 的部署计划，做到高吞吐、低时延，保障了模型在服务器端即训即用，疾速部署。
异样行为检测
社会治安始终是城市、社区、商区治理的重要问题。城市内装置大量摄像头，面对海量视频数据沉积，须要及时发现安防行为问题，并做出快速反应。异样行为的动作类型有很多，比方打架、争吵、毁坏公物、吸烟、摔倒等，均能够用 AI 技术做出疾速检测。
场景难点：
- 靠单张图片很难判断行为类型
- 行为辨认标注难度大
- 行为类内和类间变动大
针对以上难点，咱们对动作检测的技术计划做了整体剖析：
最终选用了业界当先的基于时空信息的 SlowFast_FasterRCNN 模型。相比于基于骨骼点的模型，该模型对遮挡等场景更加鲁棒；相比于基于指标检测的模型，该模型可能提取时序特色，解决单张图片很难判断行为类型的问题。
同时，咱们提供了数据集的构建计划细节，并在该数据集上提供了多种优化计划与试验数据详解，如样本平衡策略、模型细节优化、训练策略优化等，最终在多类别分类上比原模型达到了更优的成果。最初，咱们提供了基于 Paddle Inference 的部署计划。
产业实际范例教程
助力企业逾越 AI 落地鸿沟
飞桨产业实际范例，致力于减速 AI 在产业落地的后退门路，缩小实践技术与产业利用的差距。范例来源于产业实在业务场景，通过残缺的代码实现，提供从数据筹备到模型部署的计划过程解析，堪称产业落地的“主动导航”。
- 实在产业场景： 与理论具备 AI 利用的企业单干共建，选取企业高频需要的 AI 利用场景如智慧城市 - 安全帽检测、智能制作 - 表计读数等；
- 残缺代码实现： 提供可一键运行的代码，在“AI Studio 一站式开发平台”上应用收费算力一键 Notebook 运行；
- 具体过程解析： 深度解析从数据筹备和解决、模型抉择、模型优化和部署的 AI 落地全流程，共享可复用的模型调参和优化教训；
- 中转我的项目落地： 百度高工手把手教用户进行全流程代码实际，轻松中转我的项目 POC 阶段。
精彩课程预报
为了让小伙伴们更便捷的利用这些范例教程，百度飞桨于 2 月 24 日 20:00-21:30 为大家筹备了直播课程，深度解析从数据筹备、方案设计到模型优化部署的开发全流程，手把手教大家进行代码实际。
欢送小伙伴们扫码关注服务号报名，收费获取直播课和回放视频链接，更有机会取得笼罩智慧城市、工业制作、金融、互联网等行业的飞桨产业实际范例手册！ 也欢送感兴趣的企业和开发者与咱们分割，交换技术探讨单干。
扫码报名直播课，退出技术交换群
