本設(shè)計(jì)的時(shí)候，應(yīng)用YOLO目標(biāo)檢測算法、Openpose姿勢檢測算法、deepsort跟蹤算法、MSCNN群體密度估計(jì)技術(shù)實(shí)現(xiàn)了火災(zāi)監(jiān)測、抽煙數(shù)據(jù)監(jiān)測、行為表現(xiàn)安全監(jiān)控、人群密度數(shù)據(jù)監(jiān)測、防護(hù)口罩率數(shù)據(jù)監(jiān)測、人員定位系統(tǒng)數(shù)據(jù)監(jiān)測六個(gè)基本要素，對Python完成旅游景點(diǎn)安防監(jiān)控系統(tǒng)感興趣的小伙伴一起了解一下吧

　　本設(shè)計(jì)的時(shí)候，應(yīng)用YOLO目標(biāo)檢測算法、Openpose姿勢檢測算法、deepsort跟蹤算法、MSCNN群體密度估計(jì)技術(shù)實(shí)現(xiàn)了火災(zāi)監(jiān)測、抽煙數(shù)據(jù)監(jiān)測、行為表現(xiàn)安全監(jiān)控、人群密度數(shù)據(jù)監(jiān)測、防護(hù)口罩率數(shù)據(jù)監(jiān)測、人員定位系統(tǒng)數(shù)據(jù)監(jiān)測六個(gè)基本要素。系統(tǒng)軟件應(yīng)用智能視覺交互方式，用戶可根據(jù)動(dòng)作電腦操作系統(tǒng)，客戶操作簡便簡約。在多方面多方面協(xié)助旅游景點(diǎn)安保管理，削減了旅游景點(diǎn)存有的隱型安全風(fēng)險(xiǎn)，促進(jìn)旅游景點(diǎn)智能化基本建設(shè)。這套系統(tǒng)軟件各種基本要素中間完成了數(shù)據(jù)庫的即時(shí)傳送與意見反饋，確保了信息內(nèi)容實(shí)效性，能夠運(yùn)轉(zhuǎn)在移動(dòng)端、pc端和物聯(lián)網(wǎng)云平臺(tái)好幾個(gè)服務(wù)平臺(tái)，并且也真正地完成了“多平臺(tái)應(yīng)用”。

　　融合多種多樣計(jì)算機(jī)算法多用途的安防監(jiān)控系統(tǒng)，廣泛應(yīng)用于旅游景點(diǎn)中火災(zāi)預(yù)防與數(shù)據(jù)監(jiān)測、新冠肺炎防控、游人安全性精準(zhǔn)定位等，對旅游景點(diǎn)安全防范與旅游景點(diǎn)信息化建設(shè)具有重要實(shí)用價(jià)值。

　　簡單介紹

　　此系統(tǒng)以電子計(jì)算機(jī)現(xiàn)代信息技術(shù)、智能化圖像檢測工藝、數(shù)據(jù)挖掘算法等作為基本，基本建設(shè)旅游景點(diǎn)安防管理智能管理系統(tǒng)。對于旅游景點(diǎn)休閑活動(dòng)地區(qū)人身安全，護(hù)林防火管理方法，疫情防控管理等服務(wù)，規(guī)定基本建設(shè)多方面、全天、高清晰度、智能的安防監(jiān)控系統(tǒng)，以適應(yīng)現(xiàn)代旅游景區(qū)安全管理方法的需要，完成大場景全景監(jiān)控，對旅游景點(diǎn)火災(zāi)事故、游人危險(xiǎn)行為等突發(fā)狀況進(jìn)行檢驗(yàn)。完成對工作人員實(shí)時(shí)定位、行程軌跡查詢，當(dāng)出現(xiàn)緊急狀況時(shí)連動(dòng)地形圖開展閃動(dòng)警告，并有利于應(yīng)急指揮系統(tǒng)。同時(shí)符合員工管理與客流分析系統(tǒng)，必須對進(jìn)出口人流量開展統(tǒng)計(jì)分析與分析，當(dāng)旅游景點(diǎn)超出一定程度的客流量容積以后可立即預(yù)警提醒終止游人進(jìn)入并進(jìn)行適當(dāng)?shù)挠稳朔至魈幹谩＝Y(jié)合實(shí)際需求及智慧景區(qū)的系統(tǒng)架構(gòu)規(guī)劃，旅游景點(diǎn)安防管理系統(tǒng)軟件由監(jiān)控系統(tǒng)軟件、智能化視覺交互、多方面多方面、多平臺(tái)應(yīng)用四個(gè)控制模塊構(gòu)成，整合火災(zāi)監(jiān)測、抽煙數(shù)據(jù)監(jiān)測、行為表現(xiàn)安全監(jiān)控、人群密度數(shù)據(jù)監(jiān)測、防護(hù)口罩率數(shù)據(jù)監(jiān)測、人員定位系統(tǒng)數(shù)據(jù)監(jiān)測異構(gòu)安防子系統(tǒng)。系統(tǒng)總體設(shè)計(jì)架構(gòu)如下圖：

　　基本要素展現(xiàn)

　　1、系統(tǒng)概述

　　本監(jiān)控系統(tǒng)軟件軟件開發(fā)平臺(tái)為Pycharm，使用python語言表達(dá)，主要分為六大系統(tǒng)。

　　2、火災(zāi)監(jiān)測系統(tǒng)軟件

　　本控制模塊根據(jù)實(shí)時(shí)視頻監(jiān)控系統(tǒng)，剖析短視頻有沒有火災(zāi)事故產(chǎn)生。如下圖中所顯示，要是旅游景點(diǎn)發(fā)生火災(zāi)事故，系統(tǒng)將及時(shí)地傳出預(yù)警提醒，發(fā)送給調(diào)度中心，促使火災(zāi)事故獲得有效管理，很大的提升解決火災(zāi)事故效率。

　　3、抽煙檢測系統(tǒng)

　　為了避免旅游景點(diǎn)發(fā)生火災(zāi)事故，旅游景點(diǎn)大部分地區(qū)為禁煙區(qū)。本控制模塊根據(jù)實(shí)時(shí)視頻監(jiān)控系統(tǒng)，剖析短視頻存不存在抽煙行為表現(xiàn)。如下圖中所顯示，若是有游人存有抽煙行為表現(xiàn)，系統(tǒng)將及時(shí)地傳出預(yù)警提醒，發(fā)送給調(diào)度中心，短時(shí)間內(nèi)發(fā)覺游人抽煙安全隱患，防火安全產(chǎn)生，保證景區(qū)安全。

　　4、行為表現(xiàn)安全監(jiān)測系統(tǒng)

　　景區(qū)旅游過程中，游人人身安全須受到保障。本控制模塊根據(jù)實(shí)時(shí)視頻監(jiān)控系統(tǒng)，剖析視頻中人的軀體動(dòng)作，如果發(fā)生異常行為如下圖中“摔倒”等危險(xiǎn)行為可以及時(shí)的傳出預(yù)警提醒。能夠大大縮短救援時(shí)間，減少突發(fā)事件造成的損失，保護(hù)游客的生命財(cái)產(chǎn)安全。

　　5、人群密度檢測系統(tǒng)

　　受新冠疫情的影響，旅游景點(diǎn)需要合理控制景區(qū)內(nèi)的人口密度。根據(jù)本控制模塊可以實(shí)現(xiàn)對旅游景點(diǎn)游人人口密度的動(dòng)態(tài)監(jiān)控，根據(jù)智能分析，將人群密度實(shí)時(shí)展現(xiàn)在系統(tǒng)頁面上，幫助用戶管理旅游景點(diǎn)，切實(shí)保障廣大游人、員工的身體健康和生命安全，維護(hù)旅游景點(diǎn)和社會(huì)穩(wěn)定大局。

　　6、防護(hù)口罩率檢測系統(tǒng)

　　為防止新冠病毒的傳播，根據(jù)旅游景點(diǎn)相關(guān)規(guī)定，進(jìn)入旅游景點(diǎn)之前需要確定乘客。本控制模塊根據(jù)實(shí)時(shí)視頻監(jiān)控系統(tǒng)，剖析視頻中游人是否佩戴口罩，將標(biāo)記每個(gè)游人是否佩戴口罩，將結(jié)果顯示在系統(tǒng)上，并實(shí)時(shí)顯示場景佩戴口罩率。用于旅游景點(diǎn)疫情防疫工作，保護(hù)游人，保護(hù)旅游景點(diǎn)。

　　7、工作人員跟蹤定位數(shù)據(jù)監(jiān)測

　　本控制模塊對旅游景點(diǎn)進(jìn)行實(shí)時(shí)的視頻監(jiān)控系統(tǒng)，剖析并識(shí)別視頻中游人，自動(dòng)生成識(shí)別標(biāo)簽，將游人標(biāo)簽在場景中的位置實(shí)時(shí)記錄下來，并顯示在系統(tǒng)頁面中，并且可以對場景中人數(shù)開展數(shù)據(jù)監(jiān)測，動(dòng)態(tài)顯示在系統(tǒng)頁面左側(cè)。協(xié)助用戶管理旅游景點(diǎn)。

　　8、智能化視覺交互

　　本系統(tǒng)可代替了傳統(tǒng)鼠標(biāo)點(diǎn)擊控制模塊應(yīng)用的方法，用戶可不需要使用鼠標(biāo)等輸入設(shè)備即可完成與系統(tǒng)軟件之間的信息交互。用戶通過肢體動(dòng)作就可以完成模塊的選擇工作，系統(tǒng)操作更加簡約，用戶使用更加方便。（這里只設(shè)計(jì)了火災(zāi)事故檢測基本要素，其他功能可以根據(jù)代碼參考寫入。）

　　涉及算法

　　1、目標(biāo)檢測算法

　　本項(xiàng)目使用的目標(biāo)檢測算法主要為YOLO算法，分別應(yīng)用在火災(zāi)監(jiān)測、抽煙行為表現(xiàn)數(shù)據(jù)監(jiān)測、工作人員定位跟蹤以及防護(hù)口罩率數(shù)據(jù)監(jiān)測上。YOLO目標(biāo)檢測算法是考慮到雙階段目標(biāo)檢測算法的檢測效率比較低，所以一些學(xué)者提出了單階段目標(biāo)檢測。由JosephRedmon等人在2016年提出。

　　2、目標(biāo)跟蹤算法

　　本項(xiàng)目在人員定位跟蹤系統(tǒng)中使用到了deepsort目標(biāo)跟蹤算法。本系統(tǒng)跟蹤的流程如下：

　　（1）使用卷積神經(jīng)網(wǎng)絡(luò)對視頻中的行人進(jìn)行檢測和跟蹤。

　　（2）視頻幀輸入之后首先進(jìn)入YOLOv3目標(biāo)檢測的網(wǎng)絡(luò)，經(jīng)過Darknet-53提取特征；

　　（3）其次，進(jìn)行上采樣和特征融合，再進(jìn)行回歸分析；

　　（4）再次，把得出的預(yù)測框信息輸入SORT算法進(jìn)行目標(biāo)特征建模，匹配和跟蹤；

　　（5）最后，輸出結(jié)果。下圖為定位跟蹤算法流程圖：

　　3、人群密度估計(jì)算法

　　人群密度計(jì)數(shù)是指估計(jì)圖像或視頻中人群的數(shù)量、密度或分布，它是智能視頻監(jiān)控分析領(lǐng)域的關(guān)鍵問題和研究熱點(diǎn)，也是后續(xù)行為分析、擁塞分析、異常檢測和事件檢測等高級視頻處理任務(wù)的基礎(chǔ)。本項(xiàng)目通過采用深度學(xué)習(xí)方法獲取人群密度圖已估計(jì)人群數(shù)量，使用python語言搭建MSCNN網(wǎng)絡(luò)實(shí)現(xiàn)實(shí)時(shí)生成人群密度圖以達(dá)到估計(jì)人群數(shù)量的目的。

　　4、姿態(tài)估計(jì)算法

　　本項(xiàng)目在人體行為安全監(jiān)測系統(tǒng)上使用了Openpose的人體姿態(tài)識(shí)別算法。通過Openpose的姿態(tài)識(shí)別技術(shù)對不同肢體之間的協(xié)調(diào)關(guān)系搭建分類算法，并通過不同的分類算法比較，選擇出最優(yōu)模型搭建多目標(biāo)的分類方法，其可以實(shí)現(xiàn)多個(gè)目標(biāo)的姿態(tài)顯示、目標(biāo)檢測和分類的實(shí)時(shí)顯示。

　　部分界面操作代碼如下：

　　cap=cv2.VideoCapture(0)
　　cap.set(3,1280)
　　cap.set(4,720)
　　detector=HandDetector(detectionCon=0.8)
　　keys=[["火災(zāi)檢測","吸煙檢測","行為安全監(jiān)測","人群密度監(jiān)測","口罩率檢測","行人定位跟蹤"]]
　　finalText=""
　　while True:
　　success,img=cap.read()
　　img=detector.findHands(img)
　　lmList,bboxInfo=detector.findPosition(img)
　　img=drawAll(img,buttonList)
　　if lmList:
　　for button in buttonList:
　　x,y=button.pos
　　w,h=button.size
　　if x<lmList[8][0]<x+w and y<lmList[8][1]<y+h:
　　cv2.rectangle(img,(x-5,y-5),(x+w+5,y+h+5),(175,0,175),cv2.FILLED)
　　if l<30:
　　if press_state:
　　cv2.rectangle(img,button.pos,(x+w,y+h),(0,255,0),cv2.FILLED)
　　cv2.putText(img,"start",(x+20,y+65),cv2.FONT_HERSHEY_PLAIN,4,(255,255,255),4)
　　finalText+=button.text
　　sleep(0.15)
　　press_state=False
　　state=True
　　print(button.text)
　　text=button.text
　　else:
　　press_state=True
　　if state:
　　if os.path.exists("img.txt"):
　　try:
　　img2=cv2.imread("img.jpg")
　　img2=cv2.resize(img2,(img.shape[1],img.shape[0]))
　　img=cv2.addWeighted(img,alpha,img2,beta,gamma)
　　except:
　　pass
　　if state:
　　img=Image.fromarray(cv2.cvtColor(img,cv2.COLOR_BGR2RGB))
　　draw=ImageDraw.Draw(img)
　　myfont0=ImageFont.truetype(r'./HGDH_CNKI.TTF',50)
　　for button in buttonList:
　　x,y=button.pos
　　w,h=button.size
　　draw.text((500,180),text,font=myfont0,fill=(0,0,0))
　　img=cv2.cvtColor(np.asarray(img),cv2.COLOR_RGB2BGR)
　　cv2.imshow("Image",img)
　　cv2.waitKey(1)

　　綜上所述，這篇文章就給大家介紹到這里了，希望可以給各位讀者帶來幫助。