【A36】智慧校园安全保障【泰坦智慧】
发布时间: 2022-11-24 18:07:12

本届A类赛题可通过以下方式提问与交流:

1、大赛官网团队账号-赛题答疑区提问,组委会定期收集问题提交至企业解答后公布;

2、可前往赛题答疑论坛(PC端点击链接):https://mastergo.com/file/77782156635006?utm_source=fwwb&utm_medium=saitishouce&utm_campaign=&utm_term=&utm_content=提问或交流,企业定期回复。



1.命题方向

企业服务+智能计算

2.题目类别

应用类

3.题目名称

智慧校园安全保障

4.背景说明

【整体背景】

校园安全无小事,学生承载着国家、社会和家庭的希望,各级政府不断推出政策和举措,强调和推进校园安全保障工作。除了建立健全制度机制,强化师生安全教育外,应用各项技术手段如人工智能技术也将极大地增强“智慧校园安全保障”体系的建设,从而及时发现问题,解放安保人员工作压力,为师生营造更安全高效的学习、工作、生活环境。

人工智能在校园安全的落地应用,存在大量长尾应用,不同学校的应用场景和需求各异,一些特定场景需要定制开发。通过以数据为中心,以应用为导向的研发方式,对数据量和算法的要求相对较低,在特定业务应用场景中达到业务要求,且具备服务外包可行性,将成为人工智能业务落地的有力支撑。

【公司背景】

泰坦智慧起源于上海交通大学,是一家以人工智能业务、算法及系统融合为基础、以谷歌TensorFlow同源的数据流技术为优势的科技创新公司。公司总部坐落于无锡经开区,在北京、深圳、武汉多地设有办公地点,运营IEEE数据流特别委员会(STC)中国区工作。

作为无锡市经开区2021年重点招商引资单位之一,泰坦智慧聚集了一批海归学者及博士、硕士等高学历人才,依托丰富的高性能系统软件与人工智能算法研发经验,以产业人工智能应用为目标市场,贴合用户的最终业务,满足AI产业应用中的各类非标、定制化的需求。

目前,泰坦智慧在电力、交通、城市管理、综合能源、制造、网络与信息安全等重点领域都已开展了定制化人工智能业务落地,部分领域已经进入规模推广;同时,得益于丰富的人工智能行业应用落地场景,英伟达、寒武纪、燧原、海光等多家 AI硬件加速卡厂商、以及曙光、浪潮等服务器厂商都与泰坦智慧建立了良好的合作关系,共同拓展更大的行业应用市场。

【业务背景】

作为全社会安全工作的重要组成部分,校园安全问题逐渐成为社会各界关注的热点。近年来,校园安全事故频频发生建立一套基于人工智能的校园安全保障系统,可以让学校、家长、政府相关部门针对突发情况做出及时预警和响应,有力保障孩子的安全,成为当下校园安防体系建设的重要任务。

5.项目说明

【问题说明】

校园安全保障周期长、覆盖范围广,安全的时空死角多,事故防范依赖人力严防死守、隐患发现依赖人力走访巡查,监管难度大;当前校园安全保障着力于信息化建设,信息化对安全保障有效率上的提升,在智能化方向上有一定的成果积累,但发力点单一而分散,迫切需要形成全面、综合的总体解决方案。校园数量多,规模大,传统安全保障方法难以保障推广效率、业务效果和建设成本之间达到最优解。

【用户期望】

智慧校园安全保障建设即针对校园的特色和安防需求,充分利用人工智能技术的优势,依靠已有的安全监控摄像头和校园网络,构建统一的系统,把不同区域不同时期建设的安防监控系统统一起来,将所有监控点组成一个强大的安全防护网络,利用人工智能进行智能分析,再通过告警系统通知到相关负责人。从而实现通过统一的管理平台和智能分析功能,实现人防、物防和技防相结合的智慧平安校园建设目标。

具体期望包括:

1)针对人员楼顶徘徊、身体超出围栏范围等情况进行告警;

2)对于水边等危险区域,对于人员距离边缘低于安全距离进行告警;

3)对于校园内人员异常行为,如抽烟、跌倒、挥手等进行告警;

4)对于特定区域的人员闯入、明火、烟雾情况进行告警等;

5)对于地面积水、墙面房顶渗漏水等进行告警。

6.任务要求

【开发说明】

实现一个校园安全智能保障应用系统,支持通过人工智能分析校园内安装的摄像头数据,进行智能识别,并实时反馈,满足真实应用场景对功能和性能的业务指标要求。

1)支持边缘防护、明火烟雾检测、围栏翻越检测、挥手/抽烟/跌倒的行为检测、积水及渗漏水检测等校园安全相关场景;

2)对于围栏翻越检测、边缘防护等需要设定检测区域的场景支持良好的交互配置方式;

3)在系统中对于所识别的事件在列表中进行展示,需要包含告警事件所产生的区域、时间、内容及所记录的摄像头;点击查看按钮可以查看事件的详细内容,包括视频及图片数据;支持按不同属性筛选事件;

4)支持对所识别到的违规事件进行告警,单次告警以事件为单位;支持推送信息至指定人员或公众号;支持优化报警频率;

5)支持处置报警事件,未处置的报警高亮提示,已处置的报警可记录处置情况;

6)系统可接入模拟现场的测试视频流,可以完成测试操作并直观显示业务结果;

7)支持模型服务的二进制封装和灵活组合,可配置为高并发低时延、高资源利用率等多种模型服务方式适应不同项目需求;

8)支持模型服务的二进制封装和灵活组合配置,适应不同项目需求,方便模型更新及功能扩展需求;

9)支持训练过程自动化、规范化,实现对不同模型的数据处理、模型训练、评测、量化等不同功能进行灵活组合和保存,支持快速且仅进行必要计算的重复训练,以支撑更多部署场景(如增加新的学校需补充新数据进行训练等);

10)支持完善的监控和日志,便于观测系统的性能和资源使用;

11)系统具有良好的性能、功耗表现和可扩展性和成本优势,可支撑区县级数量规模的学校的接入;

【技术要求和指标】

1)通过人工智能支持对人员探出围栏的状态进行识别;

①围栏防护区域定义为,有围栏且围栏区域超过人员腰部区域;

②以人员身体腹部为准,腹部超出围栏内侧视为探出,并进行告警;

③计算探出以围栏外侧边为准线,超出围栏内侧边即视为探出。

2)通过人工智能提供对于人员待在危险区域时间过长进行识别;

①边缘防护区域指定为无围栏或围栏高度不超过成年人腰部的区域;

②对于边缘防护区域以人员出现在该区域时间进行告警;

③人员停留x秒后产生告警,x的具体值可配置。

3)通过人工智能提供对挥手、抽烟、跌倒行为进行识别;

①对人员挥手、抽烟、跌倒等行为进行识别;

②可以应用于人员密集区域,在人员密集区域保持识别效率。

4)通过人工智能提供对路面积水、墙面房顶渗漏水进行识别;

①可识别雨天路面积水情况,对于严重积水进行告警;

②可识别机房等房屋墙壁上的渗水情况并进行告警;

5)基于K8s和微服务架构,提供良好的容器封装和高性能的接口调用,支持在K8s集群完成部署;

6)指标:

①模型层面

A. 正确性指标:针对单个模型结果的Precision、Recall、Accuracy

B. 性能指标:对于单个模型,在发送饱和流量时,统计前处理、推理、后处理及整体FPS;CPU、内存、显存占用;

②业务层面

A. 正确性指标:针对整体业务(包括多个模型和业务逻辑)的 Precision、Recall、Accuracy;

B. 性能指标:满足业务要求时,单卡(使用主流推理加速卡,如英伟达T4)所支持的最大视频路数。

【提交材料】

1)项目概要介绍;

2)项目简介PPT;

3)项目详细方案;

4)项目演示视频;

5)企业要求提交的材料:

①完整需求分析文档;

②完整数据采集文档;

③完整系统设计文档;

④完整测试用例文档;

⑤完整且可复现的测试报告;

⑥完整部署使用文档;

⑦可部署的交付件,用于评测功能和技术指标。

6)团队自愿提交的其他补充材料。

【任务清单】

1)项目立项,确定项目方向和开发方向;

包括需求分析、原型设计、系统设计、测试设计、数据采集方案、算法选型等;

2)确定开发周期,按照计划进行项目开发;

包括应用开发(前端、后端、接口、数据库等)、算法开发(数据采集、分析、处理、标注、模型训练、评测、优化、业务逻辑处理)、系统开发(服务拓扑化、训练生产线化、监控及日志)、集成、部署、测试;

3)按照比赛要求按时提交相应的比赛作品,并在测试硬件平台上完成部署和测试。

【开发工具与数据接口】

1)没有特定的开发语言和环境要求,服务器端需支持K8s中微服务形式部署;

2)提供监控视频或数据集作为开发和测试数据,可使用公开数据集或自行模拟拍摄用于补充训练数据;

3)开发会涉及GPU、服务器等硬件,对这些硬件没有特定厂家、特定产品、特定型号的要求。但为公平评估性能指标,提交作品将在统一硬件平台上进行测试,硬件平台将采用主流硬件配置,如Tesla T4,Intel(R) Xeon(R) CPU, SSD+HDD硬盘等。

7.其它

8.参考信息

部分类似监控摄像头数据的公开数据集,视频样例将通过网盘提供。

数据集来源包括 data.kitware.commmlab.ie.cuhk.edu.hk/datasetvision.ee.ethz.ch/dataset、www.cityscapes-dataset.netcrowdhuman.orgcrcv.ucf.edu/data/ucf-qnrfsites.usc.edu/iris-cvlab 等。

9.评分要点

赛题评分要点见附件A 类企业命题初赛统一评分标准。





订阅号