施工现场 · 个人防护装备与危险区域监管

把「没戴安全帽」
变成一条能查、能核、能追责的记录。

磐盯是一套跑在普通电脑上的工地视频监管系统。接上现有的摄像头,它逐帧判断谁没戴安全帽、谁没穿反光衣、谁进了吊装区、谁在岗位上长时间不动、谁可能摔倒了; 每条告警都带一张画好框的现场图,进事件库、可筛选、可导出、可标记误报。 不上云、不依赖显卡、断网照常工作。

安排一次现场演示 → 看部署条件 单机 / 局域网内网 / 无 GPU
10类防护装备与机械目标检测
9条穿戴 · 区域 · 在岗 · 姿态规则
44ms单帧检测耗时(CPU,512 尺寸)
177项单元测试,零额外依赖
cam01 / cam02 · 双路并发 · CPU 推理 · 采集 26–27 FPS · 无 GPU后台实拍,非效果图
磐盯后台实时看板:双路摄像头画面、检测框、今日告警、误报率统计与事件列表
这是后台真实运行时的截图,不是设计稿。左侧两路画面上的框来自同一套检测模型;右侧是今日告警、误报率看板与事件列表。 画面里的「AI 建议」列由可选的复核模块写入,只给建议,不代替人做判定。
01

现场到底在管什么

六件事,都是工地上每天会被问到、但事后常常拿不出证据的事。规则可以逐条开关,也可以按摄像头单独覆盖。

01

戴没戴

安全帽、反光衣、口罩三类穿戴状态检测。违规会绑定到具体的人,而不是只报「画面里有违规」——同一个人在镜头里走动,编号不变,不会重复刷屏。

02

进没进

任意多边形电子围栏,区分危险区与作业区。在后台的实时画面上直接点选顶点就能画,保存即生效,不用重启。围栏内连续停留若干帧才判闯入,路过不算。

03

在不在岗

作业区连续无人超过阈值判离岗;同一目标在时间窗内位移极小判长时间静止;区域内人数超上限判超员。三条都只对显式配置过的围栏生效。

04

有没有摔倒

用人体关键点判躯干姿态,把「坐着值守」「蹲着绑钢筋」和「趴着睡」「躺在地上」分开。纯靠位移判定做不到这件事——这也是我们单独加一路姿态模型的原因。

05

摄像头自己坏没坏

离线、过暗、遮挡、过曝、模糊失焦、画面冻结六类异常自动告警。摄像头坏了而平台一片安静,是这类系统最危险的失效方式:画面还在推、后台能打开、帧率正常,但一条告警也不会来。

06

出了事能不能查

每条告警存整帧现场图(默认带检测框,一眼看出是哪个框触发的),按日期归档;事件可筛选、可一键处置、可导出 CSV;处置人、处置时间都留痕。

同一套系统,换个围栏就是另一个现场
  • 房建 / 市政工地塔吊作业区、基坑临边、材料堆场、夜间值守
  • 厂区 / 车间设备安全距离、禁入区域、危险品存放点
  • 学校 / 医院实验室、配电间、天台、施工围挡区
  • 仓储 / 物流园装卸月台、叉车通道、无人值守库房
02

误报,才是这类系统的生死线

识别准不准,看模型;能不能用起来,看误报。值班员被十条假告警烦过一次,第二天就会把规则关掉。所以这一节讲的全是「怎么把噪音压下去,并且让客户自己能验证」。

01停留帧数

围栏内连续停留若干帧才判闯入,人从画面边缘路过不触发。

02边沿触发

状态从「正常」翻到「违规」时只报一次,持续违规不会每秒入库一条。

03同目标冷却

同一个人、同一条规则,默认 60 秒内不重复告警。

04告警收敛

同点位 + 同规则 + 同区域 3 分钟内重复触发,只累加命中次数(×37),不新建事件、不重复抓拍、不重复推送。

05分时段生效

夜班才查离岗、施工时段才查闯入、午休不查;班次切换时行为状态自动复位。

收敛不是优化项,是必需品。早期版本没有收敛,15 小时写掉了 1.74 GB、7.7 万张抓拍; 加上区域收敛后,同样场景从每分钟 86 条降到 6 条,磁盘和值班员同时松了口气。

让人能自己验证效果

每条事件都能标「误报 / 确认违规」,误报率按规则分别统计,并给出该先调哪一条。 这不是给甲方看的报表,是给运维用的——调阈值时有依据,而不是凭感觉把 conf 从 0.3 一路抬到 0.6,把该报的也一起掐掉。

规则告警已判定误报误报率建议
未穿反光衣19911100%误报过半,优先调阈值/围栏
危险区域闯入19700—样本不足
未戴安全帽187100%正常
长时间静止1300—样本不足
岗位离岗200—样本不足

联调期 7 天的真实导出。注意「已判定」这一列:没有人工判定过的样本,既不算准确,也不算误报——分母不清不楚的准确率,是这类系统最常见的自欺。

拿不准的那一档,交给大模型看一眼

置信度 0.3~0.6 这段是模型自己也没底的地方,也是客户信任崩掉的地方。可选开启「二次复核」:把带框的抓拍图和一句针对该规则的具体问题发给多模态大模型,它回一句判断和理由。

做法为什么
只写建议永不自动关单、不自动删事件。判定权必须留在人手里。
只看单帧规则离岗、静止这类要连续多帧才能判,一张图看不出,不送审。
默认关闭依赖外部付费 API。Key 只放服务端文件,不进配置文件、不进前端。
有配额闸门每小时 / 每天双闸门,重启后从库里恢复当日用量,不会因为重启把预算刷爆。

实测:单条复核 2.1–6.3 秒,异步队列,不影响检测帧率。曾用它揪出一路摄像头对准的是安全告示板——画面里全是「人形图标」,模型天天报警,人却不在那儿。

事件列表:时间、点位、违规类型、置信度、抓拍缩略图、状态、判定、AI 建议、操作
事件列表。每条都带抓拍缩略图与判定状态;置信度低的那一档会被可选模块复核,给出「疑似真违规 / 疑似误报 / 看不出」和一句理由,供处置时参考。
03

一条告警走完的全程

从摄像头到值班员手机,中间没有黑盒。每一环都能单独关掉、单独看日志、单独调参。

01020304 05060708 拉流检测跟踪规则 去重收敛抓拍推送人工处置误报统计 RTSP / 文件YOLOv8 · 10 类IoU · 人员 ID9 条可开关 五层降噪带框图 · 企微确认 / 误报按规则算率 误报率反馈 → 调阈值 / 改围栏 / 改分时 故障点均可单独关闭:规则逐条、推送可关、复核默认关;关掉哪一环,日志里看得到。

断流不是异常,是日常

工地网络会抖,交换机晚上会重启。拉流强制 TCP(UDP 跨网段必花屏),打开与读取各设 8 秒超时(不让线程被挂死), 只保留最新帧(画面不落后)。断了按 2 秒起指数退避重连,最长 15 秒一次;一旦重新读到画面,退避立刻复位回 2 秒——否则一次长故障之后,所有通道都会永久停在 15 秒的慢重连上。

磁盘写满,是最安静的故障

磁盘满了之后:画面照推、后台能开、帧率正常,只有 SQLite 开始写入失败——不留证、不告警,等你发现时已经丢了几天记录。 所以容量守护做成后台线程常驻:过期清理 → 抓拍配额 → 磁盘水位,三层依次触发,清到 80% 就停手,不会一路删空。

04

跑在什么机器上

一台普通办公电脑,一根网线,能开机就能用。没有显卡、没有云账号、没有外网也能跑。

推理尺寸单帧耗时单路帧率建议路数
64064 ms15.61 路
51244 ms22.82 路
44836 ms28.13 路
32025 ms39.54 路

测试环境:纯 CPU(32 线程),每路按 8 FPS 检测计算。换 ONNX 执行引擎后单帧 76.7 ms → 47.2 ms(1.63 倍),精度不变; 加姿态模型再 +5.5 ms(+12%)。有显卡时把尺寸提到 640、检测帧率提到 15+,单卡可支撑 8–16 路。

  • 单机部署:Python 3.12 + SQLite,一个进程;Windows 服务或 systemd 开机自启,崩溃自动拉起。
  • 容器部署:随附 Dockerfile,镜像内已含权重,挂载数据目录即可。
  • 内网可用:不连外网也能跑全流程;企业微信推送、AI 复核这类外网功能可以单独关掉。
  • 数据在本地:事件库、抓拍图、日志全在本机磁盘,按日期归档,随时整目录拷走。
  • 对外接口:/health 健康检查、/api/report 统计报表、/api/export.csv 导出、通用 JSON Webhook。
  • 访问控制:Cookie 会话(HMAC 校验)+ 会话持久化(重启不掉线)+ 登录失败限流 + 第三方 Bearer Token;除健康检查外所有接口都要鉴权。
05

我们不做什么

这一节写的是边界。系统集成商最怕的不是功能少,是验收时才发现「原来你不做这个」——所以先说清楚,能做的写死,不能做的写明。

系统提供不包含(需二次开发或另行采购)
识别层:安全帽 / 反光衣 / 口罩 / 机械车辆等 10 类检测人脸实名制与门禁联动
规则层:PPE 违规、危险区域闯入(含停留判定)塔吊 / 升降机「黑匣子」物联网数据接入
规则层:岗位离岗、长时间静止、区域超员玩手机、抽烟、打架等需要专用模型的精细行为
规则层:姿态识别 → 疑似跌倒、疑似睡岗医疗级跌倒判定(不做生命体征,只给姿态线索)
规则层:分时段 / 分星期生效,按班次降噪按法定节假日自动排班(需接排班系统)
运维层:摄像头离线 / 遮挡 / 过暗 / 模糊 / 冻结自检云台控制、录像回放、NVR 对接
运维层:磁盘容量守护、健康检查、日志滚动多节点集群、异地容灾、GPU 调度
告警层:控制台 / 企业微信 / 通用 Webhook短信、语音对讲、广播喊话硬件联动
数据层:事件库、抓拍留痕、统计报表、CSV 导出与各地住建监管平台的定制对接
质量层:误报标记、按规则误报率、调参建议自动调参(阈值仍需人工按误报率判断)
质量层:AI 二次复核 → 给判断与理由自动处置——刻意不做,判定权必须归人
训练层:难点样本回流 → 预标注 → 微调 → 评估自动标注(预标注仍需人工修正)

还有一句实话:随附的检测权重是在公开数据集上训练的。它在演示视频和大多数正常光照的工地上表现正常,但真正上线到你的现场, 需要采 500–2000 张实拍图做一次微调(系统自带这条链路),精度通常能再提 15–30 个百分点。不做这一步就承诺准确率,是不负责任的。

06

交付什么,怎么算验收

交付的是一套能自己维护的系统,不是一台需要厂商天天守着的黑盒。

交付清单

  • 完整源码:检测、规则、跟踪、存储、后台、推送全部可读可改,无加密、无授权码、无联网校验。
  • 检测权重:10 类 PPE 模型(.pt / .onnx 两种执行引擎)。
  • 技术文档:配置逐项说明、API 清单、微调流水线、上线前必做清单、故障排查。
  • 测试套件:177 项单元测试,改代码后一条命令跑完,不用连摄像头。
  • 部署脚本:Windows 服务 / systemd 安装卸载、Dockerfile、启停脚本。
  • 现场调优:围栏标定、阈值与分时段配置、误报率观察,通常 1–2 天。

已经验过的(本机实测)

双路长稳连续 15 小时无崩溃,日志自动滚动,ERROR 仅 4 条(均为联调期断流)
断流恢复杀掉流服务 → 通道转重连;恢复后约 15 秒自动回到运行,无需人工干预
姿态准确度真实工地画面 560 个关键点,93.9% 落在人体框内;正常视频零跌倒误报
诊断开销单帧 0.7 ms(640×360)/ 3.5 ms(1080P)
告警收敛180 秒窗口内重复触发折叠为命中计数,零新增事件
复核时延单条 2.1–6.3 秒,异步队列,检测帧率不受影响
08

看看它在你的现场能认出什么

把你的摄像头地址(或一段现场录像)给我们,我们在内网环境里跑一遍,出一份按规则分类的识别结果和误报分析——不用先采购,也不用先上云。

电话沟通 →
电话
187 6312 2552
微信
OpenxAgent
邮箱
admin@yinmang.com
公司
烟台深度探知人工智能科技有限公司
地址
山东省烟台市