视频分析设计
根据检测、分类、跟踪、区域分析等不同目的，定义分析单元和结果的呈现方式。
把摄像头和传感器的原始数据，转化为服务可读取的信息。
我们已实施门店视频分析、基于设备和传感器数据的危险状况预测等视频处理与数据分析项目。在此基础上，我们按照分析目的和现场条件设计数据流程。不是只展示模型结果，而是把从采集、加工、确认到服务对接的各个环节，组织成一个完整的使用流程。
能否适用以及性能如何，取决于拍摄环境、数据质量和分析标准。我们会用代表性数据进行前期验证，与您商定目标和评估标准。
从分析设计到服务对接，与您一起搭建。
训练与验证数据准备
收集代表性画面和特殊场景，梳理标注标准、质量检查方法和数据划分方式。
模型与流水线实现
结合现场条件和处理方式，搭建预处理、推理、后处理和结果存储的流程。
服务界面与系统对接
将分析结果接入相关人员可查看的界面，以及现有系统和数据存储结构。
视频和传感器数据未能转化为决策依据时
如果您遇到这些情况
视频不断积累，却难以用作业务信息
定义画面中所需的目标、状态和动作，并结构化为服务可用的数据。
各现场拍摄条件和数据质量不一
确认光照、视野、遮挡、安装位置和样本差异，再确定采集与评估条件。
分析结果需要接入现有系统
以其他系统、数据看板和运营告警所需的格式，提供事件、统计汇总和待审核图像。
先确认现场条件，再用运行数据持续改进。
明确现场和目的
先就摄像头环境、目标画面、所需结果以及相关人员的使用方式达成一致。
用代表性数据确认
用兼顾常规情况与困难条件的样本，考察可实现程度和局限。
接入服务流程
把模型结果转换为事件、统计数据和待审核事项，并与现有业务界面对接。
将运行数据回流到分析中
复核现场出现的误报和漏报，分析环境变化，据此改进数据和处理标准。
项目交付物
- 分析对象与现场条件定义文档
- 数据采集、标注与验证标准
- 基于代表性数据的模型PoC
- 结果查看界面与系统对接
- 运行监控与改进事项
具体范围和交付物在前期沟通中确定。
相关项目经验
线下门店访客与人流视频分析
用数据掌握门店外的过往人流和店内的访客动向
- KPS的角色
- 利用AI视频处理跟踪并实时统计过往行人，自动识别访客及其性别和年龄段，并按区域把到访情况转化为数据
- AI视频处理
- 目标跟踪
- 性别与年龄段识别
工业设备火灾预防与危险状况预测AI
帮助提前掌握工业设备的火灾和危险状况，并采取应对措施
- KPS的角色
- 开发用于火灾预防和危险状况预测的AI设备管理系统，以及设备控制（PLC）系统
- AI风险预测
- 设备控制（PLC）
- 设备管理IoT
咨询前的常见问题
查看全部常见问题如何判断我们的业务是否适合应用AI？
我们会考察业务的重复频率、输入数据的形式、能够确认预期结果的标准，以及例外情况和需要人工判断的环节。
查看完整回答：如何判断我们的业务是否适合应用AI？验证AI必须使用真实业务数据吗？
要确认是否适合业务，需要具有代表性的样本，但不必一开始就提供全部数据。
查看完整回答：验证AI必须使用真实业务数据吗？PoC（试点验证）要确认什么？
我们会用有限的业务和数据，确认模型能否产出所需的结果、负责人是否便于确认和修正结果，以及系统对接存在哪些限制。
查看完整回答：PoC（试点验证）要确认什么？
请告诉我们要分析的现场，以及现有的视频和数据。
请告诉我们现有的运行环境和希望改进的业务，我们会与您一起梳理从哪里开始。