工服识别
算法介绍
工服识别算法基于视觉分析技术，自动检测指定办公区域内人员未穿工服的行为，并输出未穿制服的人体框、可信度及人数统计。可用于识别站立和坐姿人员状态，帮助办公场所强化着装管理，规范员工职业行为。算法适用于室内光照良好环境，识别精度高，便于后期数据追溯与考勤联动。
- ● 亮度要求：人体区域亮像素比例≥50%（亮像素：灰度值＞40）
- ● 图像要求：建议分辨率≥1000×600
- ● 目标尺寸：人体目标需≥60×126像素
常见问题
-
算法精度网站已发布算法精度皆在90%以上，实际使用时出现掉点现象的原因可能包括：
（1）数据成像质量差，如
强光、逆光、夜间、雨雪雾导致图像质量下降；
低分辨率、运动模糊、镜头污损、压缩失真、传感器噪声；
目标被部分或完全遮挡（常见于目标检测、跟踪、姿态估计）；
（2）网站提供通用和长尾（罕见场景/稀有目标类别/数据量不足）两大类算法，长尾算法泛化性较差
（3）边界或极端场景下的测试不保证精度
-
部署推理提供模型/APP/SDK多种形式部署
与华为昇腾/天数/登临等10余家芯片厂商完成适配，兼容国产CPU/GPU/NPU，高质量满足信创要求
针对不同算力的硬件适配不同参数量的高精度模型
-
算法如何定制网站所展示的算法模型皆有对应模型和应用案例，可直接获取。如需进一步优化或者定制可参考以下两种方案：
（1）常规定制 （高精度，周期较长）：需求沟通->回流有效数据（场景图片不低于1000张/视频不低于100段）->定制算法开发部署->测试验收
（2）快速实现 （Monolith一站式算法生产平台：https://monolith.sensefoundry.cn/ ）：平台提供了极为友好、易上手的Web界面，用户无需深厚的AI背景，即可一站式完成数据上传、智能标注、模型训练与部署等全流程操作。只需30分钟，便可快速生成并上线一个高性能视觉模型，大幅缩短算法生产周期。
