在“互联网+安全生产”中基于神经网络视频编码技术的研究

5G时代的到来极大地促进了视频的应用,将视频与行业应用相结合既可以推动技术的发展,又可以通过科技改变传统模式。通过海量视频的数据进行人员行为分析、危险源识别、隐患排查等应用极大地提升了生产的安全性,实现了“互联网+安全生产”的新型管理模式。但是大量视频的传输对网络传输、存储、视频分析等带来了极大的传输和运算压力。相较于传统的视频编码方法,基于神经网络的视频编码方法可以获得更优的率失真性能,也成为当前视频编码技术领域的研究热点。文章系统梳理了基于神经网络的端到端视频编码框架,主要包括端到端P帧视频压缩和端到端B帧视频压缩。通过分析对比,P帧视频压缩方式有助于获取更高的解码视频重建质量,B帧视频压缩方式可以实现更低码率的编码传输。因此,根据5G实际的应用场景,可以灵活选择两种编码方式以满足用户不同传输带宽及不同质量的需求。

复杂工地环境下的安全帽视频AI监测算法的研究

为贯彻以人为本的工作宗旨,在施工现场通过设置电子警戒线规范人员站位、配戴安全帽和穿着工作服等措施,能在一定程度上保证施工人员的生命安全,降低施工风险。现如今人工智能快速发展,在各行各业都起到了重要作用,因此,通过人工智能监测算法对复杂工地环境下的人员佩戴安全帽情况进行监测就非常重要。对复杂工地环境下的工人佩戴安全帽视频监测算法进行了研究,主要研究工作可以概括如下:通过对比Faster-RCNN,SSD和YOLO等3个深度学习模型算法的性能,从而确定出适合复杂工地环境中的工人安全帽佩戴监测算法模型。