安全帽识别系统主要用于石化、煤炭、建筑等行业的作业区域，也可用于对作业规范性要求较高的电力、铁路等行业。系统的核心理念是运用*的DEEP LEARNING 算法分析视频内容，用 人 工智能减轻监控人员的劳动负荷，提高准确率。系统的核心算法采用当前的视频分析技 术，汇集了国内高校的技术成果，在低配置、低码流环境下的识别精准度具备明显优势。
鹰眸系统的视频源来自于前端的网络摄像机，视频分析服务器设置于机房或监控中心，服务器基于 Windows 操作系统,配置简便，成本低廉。服务器与网络摄像机在同一局域网内，通过 RTSP 协议访问摄像机视频流，实时获取，实时分析，实时告警。同时，鹰眸系统不依赖于具体硬件，既可用于新项目实施，亦可用于原有项目升级。
鹰眸系统可设置于通道处或作业区，通过视频自动识别未佩戴安全帽的人员并发出警告，同时截取图片作为证据留存。安全帽识别系统极大地提升了作业区域的管控效率，形成了强大的震慑作用，保障了作业人员的安全。
性能参数
- 识别内容：红色、黄色、蓝色、白色、橘色安全帽；
- 识别精确率：92%以上；
- 目标数量：小于 12 个（同一画面）
- 最小检测尺寸：40 x 40 像素；
- 检测分辨率：建议不高于 D1 分辨率（提高分辨率会耗费更多运算资源）；
- 视频传输协议：RTSP 协议
- 视频帧率：建议 5-8 帧（提高帧率会耗费更多运算资源）；
- 视频角度：距地面 1.8-2.5 米，水平视角 15-45 度为宜；
- 告警方式：截图保存；
- 响应时间：延时 1-2s（与网络延时取相关）。
算法优势
- 针对动态视频实时识别，深度学习，深度优化；
- 大数据训练，模型稳定，增强泛化能力，防止过拟合；
- DROPOUT 裁剪模型，运算效率高，硬件成本低廉；
- 本地部署，无需连接外网，信息安全更有保障；
- 识别精度高，对光线及背景环境适应性强；
- 不受人员的眼镜、妆容、表情等因素影响；
- 不受人员背面、侧面、低头等不同姿态影响。
