安全帽识别是用深度学习的算法对监控视频进行实时分析，如果监控画面发现人员未佩戴安全帽，鹰眸系统会发出警报提醒管理员或提醒现场工作人员自觉佩戴安全帽，系统后台还会自动保存时间、地点及相应的照片。AI人工智能在智慧工地的应用越来越多，除了人脸识别之外，对作业安全也提出了更多的安全保障，例如现在逐步在应用的火焰识别，能够及时发现险情，尽早消除安全隐患。
安全帽识别与火焰识别鹰眸火焰识别系统主要用于石化、煤炭、建筑、森林、环保、仓储等行业，也可用于对动火作业规范要求较高的其它行业。系统的核心理念是运用当前先进的DEEP LEARNING算法识别视频内容，用人工智能实时识别监控区域内的明火，如有火灾隐患立即发出警报，最大限度地保障人员和财产安全。系统的核心算法运用了当前国际领先的视频分析技术，汇集了国内知名高校的技术成果，在低码流环境下的识别精准度具备明显优势。
火焰识别安全帽识别与火焰识别系统的视频源来自于前端的网络摄像机，视频分析服务器设置于机房或监控中心，服务器与网络摄像机在同一局域网内，通过RTSP协议访问摄像机视频流，实时获取，实时分析，实时报警。同时，鹰眸系统不依赖于具体硬件，既可用于新项目实施，亦可用于原有项目升级。鹰眸火焰监测系统极大地提升了现场管控效率，一旦发生险情自动发出警告，警告信息同步推送至管理人员，并可截取图片和视频流作为证据留存。
火焰识别系统功能详解：
识别对象：室内、室外的明火；
识别准确率：不低于 90%；
检测尺寸：不小于 80 x 80像素；
视频分辨率：建议不高于 D1 分辨率（分辨率越高对服务器性能要求越高）；
视频传输协议：RTSP 协议
视频帧率：建议5帧（不大于10帧）；
色彩要求：彩色画面；
报警方式：视频截图或语音；
响应时间：延时1-2s（读取视频实时分析，延时取决于前端视频流）。
针对动态视频，实时识别，深度优化；
颜色过滤：将图像从 RGB空间转换到 HSV空间，对透明度和饱和度在阈值范围内的区域作掩码图
像；
轮廓检测：对上一步得到的掩码图像利用漫水填充算法填充各个颜色相近的邻近区域，并筛选出其中面积在阈值以上的凸包含区域，作为新的掩码图像。
深度学习：用训练好的卷积神经网络对上一步中的各连通域进行进一步的判别对现场的正、负样本提升模型的识别能力。
摄像机参数：网络H264信号，分辨率 720P 以上，支持 RTSP 协议（兼容主流监控摄像机）；根据视频分析数量及算法不同，消耗的硬件资源会有较大差异，人工智能运算服务器需要配备GPU。
