Využití kamerového systému pro zajištěni bezpečnosti osob na pracovišti

Abstract

Rozvoj technologie v posledních letech, zejména v oblasti umělé inteligence a neuronových sítí, umožňuje komplexnější analýzy chování osob. Dalo by se tak bezpečnostní kamery využít pro zajištění bezpečnosti osob. V této práci je tak navrženo řešení pro detekci pádu osob v obrazovém toku v reálném čase. Řešení je postaveno na kombinaci dvou neuronových sítí. První detekuje všechny osoby v obraze a jejich klíčové body, druhá tyto body klasifikuje do tříd "normální" a "upadl". V práci je popsán výběr detektoru pózy, návrh architektury klasifikační sítě a implementace výsledného detektoru pádu. Ve výsledném řešení je použit model YOLO11-pose a rekurenetní neuronová síť postavená na architektuře GRU.

The development of technology in recent years, particularly in the field of artificial intelligence and neural networks, enables more complex analyses of human behavior. Security cameras could thus be used to ensure personal safety. This work proposes a solution for real-time detection of human falls in video streams. The solution is based on a combination of two neural networks. The first detects all people in the image and their key points, the second classifies these points into the categories "normal" and "fallen". The work describes the selection of a pose detector, the design of the classification network architecture, and the implementation of the resulting fall detector. The final solution uses the YOLOv11-pose model and a recurrent neural network based on the GRU architecture.