CORE TECHNOLOGY

不止识别目标,
更要理解事件并推动处置

安煜科构建从视频接入、模型推理、规则判断到事件闭环的完整技术链。算法输出不是终点,而是进入政府治理流程、支撑研判与协同的结构化依据。

VIDEO INTELLIGENCE ENGINE运行架构示意
视频资源实时流 / 历史视频 / 移动采集
推理引擎检测 · 跟踪 · 属性
规则引擎区域 · 时段 · 阈值
事件引擎分组 · 抑制 · 状态
实时预警 证据归档 协同处置
面向场景模型、规则和流程共同定义能力
实时运行持续监测视频与分析任务状态
可配置按区域、时段和阈值完成标定
可追溯结果、证据和操作过程完整留痕
01 · TECHNOLOGY ARCHITECTURE

六层技术体系,
把模型能力变成业务能力

每一层都有明确输入和输出,既可以独立扩展,也能沿同一条事件链协同运行。

01
VIDEO ACCESS

多源视频接入与流处理

统一接入摄像头、视频平台与移动采集设备,对实时流进行解码、抽帧、转码和状态监测,为后续分析提供稳定输入。

INPUT摄像头 / NVR / 视频平台OUTPUT标准视频流与设备状态
02
AI INFERENCE

模型推理与任务调度

按照视频路数、分析频率和算力资源编排推理任务,支持不同模型按场景组合运行,并对任务状态、异常和资源使用进行统一管理。

INPUT分析任务与模型配置OUTPUT目标、属性与置信结果
03
RULE ENGINE

场景规则与分级预警

将检测结果与区域、时段、数量、持续时间等条件组合,形成可配置的业务规则;同一规则贯穿任务配置和执行过程,减少口径偏差。

INPUT结构化识别结果OUTPUT分级事件与证据材料
04
EVENT INTELLIGENCE

事件理解与告警聚合

对连续触发进行事件分组,保留过程证据,识别同一风险的发展过程。事件确认后抑制同路同类重复告警,避免列表刷屏。

INPUT连续告警与历史状态OUTPUT可处置的代表事件
05
SPATIOTEMPORAL

时空关联与态势融合

把事件、设备、区域和现场资源映射到统一时空关系中,支持事件定位、周边视频联动、轨迹关联和全域态势研判。

INPUT事件位置与资源目录OUTPUT态势视图与联动线索
06
MLOPS & DELIVERY

模型工程与安全部署

覆盖模型版本、任务发布、运行监测、阈值标定和效果复核;支持本地化、私有云及混合部署,适配项目数据边界。

INPUT模型、规则与部署策略OUTPUT可运营、可追溯的服务
02 · REAL-TIME PIPELINE

一条实时分析链,
持续把画面转化为事件

任务持续读取视频帧,在识别结果上执行场景规则,并将连续触发组织为可以确认和处置的事件。

01视频帧稳定接入与状态检测
02目标结构化检测、计数与连续跟踪
03条件判断区域、时段与阈值组合
04事件生成等级、截图与录像证据
05业务联动通知、指派与状态同步
告警聚合机制

同一风险确认前持续保留组内证据,确认后以代表事件进入处置,并抑制同路同类重复告警。

统一规则模型

默认规则随模型提供,创建任务时继承并按现场微调,使配置界面与执行服务使用一致口径。

闭环状态模型

待确认、待指派、处理中、待复核和归档形成明确状态机,操作人员与变化过程全程留痕。

03 · ALGORITHM CAPABILITY

算法按场景组织,
按项目完成验证与标定

算法库提供通用能力基础,实际项目根据摄像机视角、目标尺度、光照和业务规则完成针对性测试。

安防与人员安全 YOLO 实时分析画面
YOLO / LIVE INFERENCE 25 FPS人员检测0.98跨镜追踪0.94越界入侵0.91
MODEL / VIDEO-V2TRACKING ONEVENT RULES 03
01 / FIELD MODEL

安防与人员安全

围绕业务目标选择模型、配置检测区域与告警条件,并通过现场样本持续复核识别效果。

01
人员检测
02
跨镜追踪
03
越界入侵
04
徘徊检测
05
人群聚集
06
跌倒识别
07
烟火识别
08
车辆识别
申请算法现场测试
智慧工地算法 YOLO 实时分析画面
YOLO / LIVE INFERENCE 25 FPS安全帽识别0.98反光衣识别0.94危险区入侵0.91
MODEL / CONSTRUCTION-V2TRACKING ONEVENT RULES 03
02 / FIELD MODEL

智慧工地算法

围绕业务目标选择模型、配置检测区域与告警条件,并通过现场样本持续复核识别效果。

01
安全帽识别
02
反光衣识别
03
危险区入侵
04
塔吊监管
05
扬尘识别
06
明火烟雾
07
临边防护
08
整改复核
申请算法现场测试