户外直播

项目背景

在一些商场或其它繁杂的室内环境中，人物活动范围的监控与指引显得十分关键。视觉定位系统可以监控探测每个人在室内的物理坐标，便于提醒部分人物移动到了不安全的位置或者指引部分设备器械的移动不要触碰行人。

而基于深度学习的室内定位系统可以在监测人物是否移动到边界范围的基础上给出每个人物的实时坐标，便于在发生危险之前提前预警以及探测收集人物在室内的活动大致轨迹以便分析群体行为等多种用途。

关键技术

本项目利用深度学习方法构建网络模型（SSD）以识别人物位置并定位其在图片中的坐标，而后利用坐标转换将其转换为实际物理坐标从而伴随监控视频输出在显示屏幕上。

在此基础上还将更改网络结构便于使得其运行更快或令其位置以及人物的识别更加精确。

产品优势

相较于室内定位的部分传统方法而言，基于深度学习的室内定位检测具有以下优点：

人物的预测相较于传统的深度图以及图像处理方法而言显得更加准确；

由于人物预测结果在网络中显示为一个矩形的框且其中央往往在人体腹部，因此利用该矩形来进行坐标转换后的实际坐标也会准确于传统方法；

基于深度学习的定位方法在光线不足以及光线颜色变化较大时准确率远远高于传统方法。