十牛行爲識别系統算法是基于大規模神經網絡的深度學習算法，通過勾勒出視頻畫面中人的骨架結構，把人體骨骼提取成關鍵函數，根據人體姿态特征的時空特性分析人的行爲，一旦出現越界、攀高等異常行爲時立即告警。

挑戰：有人的地方就有安全問題，安全問題牽動人心

校園欺淩、跳樓自殺、爬牆逃學等各種安全問題，時刻威脅着學生的生命安全；

檢所等高危場所，安全問題時刻威脅人員安全，需7*24小時高強度監控；

危險區域工作人員、外部人員異常行爲随時導緻事故、人員傷和停工停産。

方案：基于骨骼關鍵點的全場景危險行爲識别算法

危險行爲偵測算法

本算法是基于大規模神經網絡的深度學習算法，通過勾勒出視頻畫面中人的骨架結構，把人體骨骼提取成關鍵函數，根據人體姿态特征的時空特性分析人的行爲，一旦出現越界、攀高等異常行爲時立即告警。

￭  優勢一：隻有人才會觸發告警

隻有人才具備人體骨骼，動物或其他物體不具備人的骨骼，隻有人才能觸發系統預警；

￭  優勢二：全場景适用

骨骼算法無需适配場景，無論場景中發生什麽變化，都不會影響骨骼算法的判斷，環境适配能力非常強。相對比目标深度學習算法來說，假如目标沒有學習過某類應用場景，前期的識别效果會很差；

￭  優勢三：不同行爲精準捕捉

骨骼算法把人的全身解析成了一節節的骨骼，每一節骨骼在圖像中均有對應的虛拟坐标，通過判斷骨骼支點在畫面中的坐标變化從而判斷人的動作變化規律，是非常容易做到的，而且還容易通過人的動作變化分析出場景中的人具體在幹什麽，這是人形算法或其他算法所不具備的；他對人的動作行爲分析具備得天獨厚的優勢；

￭  優勢四：時空疊加分析

當前人工智能算法主要停留在圖片分析階段，圖片按照時空的定義它最多隻是屬于空間範圍，而對整段視頻進行分析則才是屬于時間範圍，隻有疊加了時間和空間的算法才能更精準的分析出結果，骨骼算法的優勢就在于時空特性的疊加（肢體動作變化規律），從準确性來講，它要比其他算法更具備優勢，誤報更低；

整體部署方案

危險行爲識别舉例

可用算法清單

應用界面舉例

智算盒/智算服務器操作界面