- 作者：韓信子@ShowMeAI
- 聲明：版權所有，轉(zhuǎn)載請聯(lián)系平臺與作者并注明出處
在公眾號 ShowMeAI研究中心 回復「唐山」，獲取 項目代碼 & 用于訓練的視頻 & 運行結果視頻/動圖。項目涉及知識點見文末推薦閱讀。
6月10日凌晨，河北唐山一燒烤店，發(fā)生多名男子毆打他人的刑事案件。唐山事件及后續(xù)網(wǎng)絡實名舉報案件，引發(fā)了全網(wǎng)的關注與熱議，相關話題登上各大網(wǎng)站熱搜榜。據(jù)報道，唐山市開展為期半個月的夏季社會治安整治「雷霆風暴」專項行動，全面整治社會治安領域突出問題。
安全感來自于對一個個具體案件的處置。希望當?shù)厮痉C構持續(xù)發(fā)力，讓敢于以身試法者受到嚴懲，讓包括女性在內(nèi)的廣大群眾感受到公平正義，對社會安全度有著更強的信賴感。我們也借這個機會討論下，在推進社會安全的過程中，人工智能技術有哪些應用場景，可以做出怎樣的貢獻。
社區(qū)安全與智能化管理
社區(qū)是城市的關鍵組成部分，社區(qū)治理是圍繞社區(qū)場景下的人、地、物、情、事的管理與服務。社區(qū)安全與智慧城市是大家一直在提的主題。讓我們回到技術層面，AI能否在其中發(fā)揮作用？形如「唐山事件」的危害行為，是否可以第一時間被AI識別到并進行響應呢？
可以。使用攝像頭記錄下來的信息，AI與計算機視覺自動化可以快速響應并發(fā)揮作用。
事實上，隨著城市化的快速推進及人口流動的快速增加，傳統(tǒng)社區(qū)治理在人員出入管控、安防巡邏、車輛停放管理等典型場景下都面臨著人力不足、效率低下、響應不及時等諸多難題。而人工智能技術代替人力，實現(xiàn)人、車、事的精準治理，大幅降低人力、物質(zhì)、時間等成本，以最低成本發(fā)揮最強大的管理效能，有效推動城市治理向更「數(shù)字化、自動化、智慧化」的方向演進。
我們下面借助于百度 paddlepaddle 針對智慧社區(qū)的實時行人分析工具 PP-Human 做一個介紹，底層的深度學習算法，基于行人檢測與跟蹤技術，實現(xiàn)26種人體屬性分析以及摔倒等異常行為識別，可以在未來這樣的類似場景下發(fā)揮作用，提供多一份保障。
部分社區(qū)智能化應用效果
1）社區(qū)人員信息識別
傳統(tǒng)社區(qū)視頻監(jiān)控80%都依靠人工實現(xiàn)，隨著攝像頭在社區(qū)中的大規(guī)模普及，日超千兆的視頻圖像數(shù)據(jù)、人員信息的日漸繁雜已遠超人工的負荷。
深度學習算法中的人體跟蹤和屬性識別功能可以實現(xiàn)社區(qū)視頻監(jiān)控的結構化理解，實時識別進出小區(qū)的人員的性別、年齡、衣著打扮等多種屬性并記錄其運動軌跡，應用AI 算法代替人力進行社區(qū)管理，具備更高的效率、及時性和更好的準確度，針對出入口管理、快速尋人、軌跡分析等都可以快速響應。
下圖為上海天覆科技的街道人員屬性識別應用案例：
2）行為及異常行為檢測
社區(qū)的安全防護是重中之重，我們希望AI可以高效保障社區(qū)居民人身安全。傳統(tǒng)的方法主要依靠人工視頻監(jiān)控，配以人力巡邏，有時會有異常情況響應不及時的問題，對人力消耗也非常大，比如這次的「唐山事件」。
如果應用 關鍵點+時空圖卷積網(wǎng)絡 ****的技術，可以很快地對傷者摔倒及打架暴力事件進行檢測，加快報警與救援，提升社區(qū)安防系統(tǒng)智能化。
如下為辦公區(qū)域摔倒檢測的示例：
手把手AI代碼：社區(qū)智能化組件應用于「唐山事件」
下面應用jupyter notebook對本次「唐山事件」的視頻進行AI識別檢測。
1）環(huán)境配置
我們借助于百度paddlepaddle針智慧社區(qū)的實時行人分析工具 PP-Human完成后續(xù)檢測功能，如下為 PP-Human 的技術全景圖。
本次應用依賴百度 PaddleDetection 工具庫，要求版本 >= release/2.4，我們在 jupyter notebook 中新建一個cell，并克隆 PaddleDetection 倉庫到本地。
# 克隆PaddleDetection倉庫到本地
!git clone https://github.com/PaddlePaddle/PaddleDetection.git
下面我們切換到 PaddleDetection 目錄下（注意在 jupyter notebook 中通過%cd魔法命令完成路徑切換），并根據(jù) requirements.txt 中的要求去安裝依賴的工具庫，具體的操作代碼如下：
# 安裝其他依賴
%cd PaddleDetection
!pip install -r requirements.txt
依賴安裝完成后我們編譯安裝 PaddleDetection，命令如下
# 編譯安裝paddledet
!python setup.py install
2）預訓練模型下載
我們在社區(qū)智能化場景下，不同的任務其實由不同的計算機視覺底層應用支撐，比如社區(qū)人員信息留存涉及「目標檢測」和「屬性識別」等視覺任務應用；摔倒及異常（暴力打架等）識別涉及「目標檢測」、「關鍵點檢測」、「行為識別」等視覺任務應用。
這些任務應用已經(jīng)有成型的預訓練模型可以直接下載和加載應用（當然我們也可以在自己的社區(qū)場景下采集更匹配的真實數(shù)據(jù)，標注后對預訓練模型進行調(diào)優(yōu)），我們在這里直接下載可用的預訓練模型。
其中，模型能進行的屬性分析包含26種不同屬性，具體如下：
- 性別：男、女
- 年齡：小于18、18-60、大于60
- 朝向：朝前、朝后、側面
- 配飾：眼鏡、帽子、無
- 正面持物：是、否
- 包：雙肩包、單肩包、手提包
- 上衣風格：帶條紋、帶logo、帶格子、拼接風格
- 下裝風格：帶條紋、帶圖案
- 短袖上衣：是、否
- 長袖上衣：是、否
- 長外套：是、否
- 長褲：是、否
- 短褲：是、否
- 短裙&裙子：是、否
- 穿靴：是、否
行為識別主要支持摔倒檢測，也對打架、抽煙、玩手機、睡覺等行為進行了檢測。
下載預訓練模型的代碼如下（注意請在 jupyter notebook 的 cell 中運行）：
#下載目標檢測模型
!wget https://bj.bcebos.com/v1/paddledet/models/pipeline/mot_ppyoloe_l_36e_pipeline.zip
#下載屬性識別模型
!wget https://bj.bcebos.com/v1/paddledet/models/pipeline/strongbaseline_r50_30e_pa100k.zip
#下載關鍵點識別模型
!wget https://bj.bcebos.com/v1/paddledet/models/pipeline/dark_hrnet_w32_256x192.zip
#下載行為識別模型
!wget https://bj.bcebos.com/v1/paddledet/models/pipeline/STGCN.zip
接著我們把下載好的模型壓縮包文件解壓縮到 output_inference文件夾
#解壓至./output_inference文件夾
!unzip -d output_inference mot_ppyoloe_l_36e_pipeline.zip
!unzip -d output_inference strongbaseline_r50_30e_pa100k.zip
!unzip -d output_inference dark_hrnet_w32_256x192.zip
!unzip -d output_inference STGCN.zip
3）配置文件說明
此次應用的paddle應用，相關配置位于deploy/pphuman/config/infer_cfg.yml文件中。
對應的任務類型和功能如下表所示：
輸入類型 功能 任務類型 配置項 圖片 屬性識別 目標檢測 屬性識別 DET ATTR 單鏡頭視頻 屬性識別 多目標跟蹤 屬性識別 MOT ATTR 單鏡頭視頻 行為識別 多目標跟蹤 關鍵點檢測 行為識別 MOT KPT ACTION
我們本次應用，主要包含下述功能：
- 社區(qū)人員信息留存：單鏡頭視頻的屬性識別
- 摔倒及異常動作檢測：單鏡頭視頻輸入的摔倒/動作識別
大家可以根據(jù)視頻長短調(diào)整部分參數(shù)，比如動作識別中可以將 deploy/pphuman/config/infer_cfg.yml 文件中的 max_frames 和 display_frames 修改如下：
ACTION:
model_dir: output_inference/STGCN
batch_size: 1
max_frames: 2500
display_frames: 2500
coord_size: [384, 512]
4）模型運行與預測
模型預測參數(shù)選擇分為兩部分：
- 功能選擇：將對應參數(shù)設置為 True 屬性識別：enable_attr行為識別：enable_action
- 模型路徑修改：設置對應任務 (DET, MOT, ATTR, KPT, ACTION) 的模型路徑 例如 圖片輸入的屬性識別：
--model_dir det=output_inference/mot_ppyoloe_l_36e_pipeline/ attr=output_inference/strongbaseline_r50_30e_pa100k/
社區(qū)人員信息識別
如下運行代碼，其中「唐山.mp4」為事件片段視頻，可以在公眾號 ShowMeAI研究中心 回復「唐山」獲取 網(wǎng)盤地址。
#視頻行人屬性識別
!python deploy/pphuman/pipeline.py \
--config deploy/pphuman/config/infer_cfg.yml \
--model_dir mot=output_inference/mot_ppyoloe_l_36e_pipeline/ attr=output_inference/strongbaseline_r50_30e_pa100k/ \
--video_file=../唐山.mp4 \
--enable_attr=True \
--device=gpu
截取的識別結果可視化如下所示：
摔倒與異常行為檢測
如下運行代碼，其中「tangshan.mp4」為事件片段視頻，可以在公眾號 ShowMeAI研究中心 回復「唐山」獲取 網(wǎng)盤地址。
#摔倒與異常行為檢測識別
!python deploy/pphuman/pipeline.py \
--config deploy/pphuman/config/infer_cfg.yml \
--model_dir mot=output_inference/mot_ppyoloe_l_36e_pipeline/ kpt=output_inference/dark_hrnet_w32_256x192/ action=output_inference/STGCN \
--video_file=/home/aistudio/tangshan.mp4 \
--enable_action=True \
--device=cpu
推薦閱讀
關于社區(qū)安全檢測涉及的視覺模型算法知識，請關注ShowMeAI的后續(xù)文章，我們將展開講解。也推薦大家學習ShowMeAI精心創(chuàng)作的系列教程。
圖解機器學習算法：從入門到精通系列教程
鏈接：http://www.showmeai.tech/tutorials/34
機器學習實戰(zhàn)：手把手教你玩轉(zhuǎn)機器學習系列
鏈接：http://www.showmeai.tech/tutorials/41
深度學習教程：吳恩達專項課程 · 全套筆記解讀
鏈接：http://www.showmeai.tech/tutorials/35
自然語言處理教程：斯坦福CS224n課程 · 課程帶學與全套筆記解讀
鏈接：http://www.showmeai.tech/tutorials/36
深度學習與計算機視覺教程：斯坦福CS231n · 全套筆記解讀
鏈接：http://www.showmeai.tech/tutorials/37
在公眾號 ShowMeAI研究中心 回復「唐山」，獲取 項目代碼 & 用于訓練的視頻 & 運行結果視頻/動圖。項目涉及知識點見文末推薦閱讀。
好了，這篇文章的內(nèi)容發(fā)貨聯(lián)盟就和大家分享到這里，如果大家網(wǎng)絡推廣引流創(chuàng)業(yè)感興趣，可以添加微信：80709525 備注：發(fā)貨聯(lián)盟引流學習； 我拉你進直播課程學習群，每周135晚上都是有實戰(zhàn)干貨的推廣引流技術課程免費分享！
