技術概述

打鬥偵測是一種基於人工智慧的影像分析技術，旨在自動識別與打鬥相關的肢體互動和人類動作模式。

該技術持續分析監控影像，以識別受監視場景中的人物並評估他們的動作和互動。特徵動作如打擊、踢打、推擠、摔跤和其他快速攻擊性動作可以提供潛在肢體衝突的視覺證據。

與基本的運動偵測不同，打鬥偵測分析的是人類行為和人際互動，而不僅僅是測量影像中的運動量。

當觀察到的活動滿足設定的打鬥行為標準時，系統會生成一個打鬥偵測事件，該事件可以與警報、影像錄製、事件搜索和其他安全響應工作流程集成。

打鬥偵測的運作原理

AI 持續處理監控影像中的連續畫面，並偵測監控場景中的人員。

一旦識別出多個人員，分析系統會評估他們的身體動作、相對位置、運動強度和隨時間的肢體互動。

與打鬥相關的視覺特徵可能包括：

快速的手臂動作類似於擊打
踢腿動作
用力推擠
摔跤或扭打
個體之間反覆的攻擊動作
身體方向的突然改變
快速向另一個人移動
密切的肢體互動伴隨高強度的運動
反覆的攻擊和反應動作模式

AI 並非依賴單一姿勢或個別影像畫面，而是評估這些特徵在一系列畫面中的組合。

多人互動分析

打鬥檢測與許多其他行為分析不同，因為多人之間的關係特別重要。

單獨舉起手臂並不一定表示打鬥。此人可能在揮手、運動、伸手拿物品或執行其他正常活動。

然而，當快速的手臂動作朝向附近的另一個人，並伴隨著相應的身體動作或反應時，這種結合的互動提供了可能衝突的更強證據。

因此，AI不僅評估個人身體動作，還評估檢測到的人如何相對移動。

這種互動分析有助於區分可能的攻擊性行為與在同一場景中發生的無關運動。

基於人工智慧的手勢和動作分析

肢體打鬥通常包含與普通行人行為不同的快速和不規則運動模式。

人工智慧可以分析的特徵包括：

身體運動方向
運動速度
姿勢變化
手臂和腿部運動
參與者之間的距離
反覆互動
突然加速
肢體聚合和分離

這些視覺特徵可以共同評估，以確定觀察到的活動與人工智慧模型學習的打鬥模式的相似程度。

最終分析可以產生一個信心等級，表示觀察到的互動與打鬥行為相符的可能性。

當信心滿足設定的偵測標準時，將生成一個打鬥偵測事件。

時間行為分析

時間是打鬥偵測的重要組成部分。

許多與打鬥相關的個別姿勢也可能在正常活動中出現。單一的揮拳、伸出的手臂或快速移動的人可能無法提供足夠的信息來可靠地識別衝突。

分析一系列影格可讓 AI 觀察互動的發展過程。

概念上，偵測到的序列可能類似於：

人們接近 → 快速互動開始 → 重複的攻擊性動作 → 打鬥偵測事件

時間分析提供的行為背景顯著多於評估單一圖像。

它還可以幫助區分持續的打鬥行為與人們之間的短暫意外接觸。

區分打鬥與正常互動

主要的技術挑戰之一是區分真實的身體衝突與包含類似動作的正常活動。

潛在的類似活動包括：

擁抱
握手或擊掌
跳舞
運動
鍛煉
玩耍
跑過另一個人
意外碰撞
激烈的交談
工人一起搬運物品
人們幫助或約束他人

AI 使用動作強度、身體姿勢、互動模式、空間關係和時間行為的組合來區分這些活動。

然而，有些情況可能仍然在視覺上不明確，特別是當活動與打鬥非常相似時。

偵測區域

管理者可以在攝影機視角中定義特定區域，以便進行打鬥偵測。

這使得分析能夠專注於那些肢體衝突特別需要關注的地點，同時排除預期會有類似動作的區域。

例如，學校的監控攝影機可能會同時監控走廊和部分運動設施。打鬥偵測可以應用於走廊，而排除通常有快速肢體互動的運動活動區域。

典型的監控區域可以包括：

學校走廊和校園
公共街道和人行區域
矯正設施
交通設施
購物中心
娛樂場所
住宅公共區域
醫療設施
建築入口
其他安全敏感地點

正確的區域配置可以顯著減少不必要的事件。

多名參與者

肢體衝突可能涉及兩人或一個更大的群體。

分析系統可以分析場景中檢測到的多個人，並評估他們的集體動作是否具有與打鬥相關的特徵。

群體事件可能更具挑戰性，因為參與者可能經常重疊並遮擋彼此。

然而，快速運動、密切互動、反覆的攻擊性動作以及多個人之間的運動的整體結合，可以提供正在進行的騷動的重要視覺證據。

打鬥強度與變化

並非所有打鬥看起來都一樣。

有些事件涉及明顯的拳打腳踢，而其他事件可能主要涉及推擠、纏鬥或摔跤。運動的速度和強度也可能有很大差異。

因此，基於AI的偵測從訓練在多樣化的肢體衝突範例中受益，而不是依賴單一預定義的動作規則。

然而，微妙的肢體攻擊可能比激烈的衝突提供更少的視覺證據，因此可能更難以可靠地偵測。

事件生成與整合

一旦觀察到的互動滿足設定的打鬥偵測標準，分析系統會生成一個事件。

該事件可以整合到更廣泛的ACTi影像監控工作流程中，並可用於：

顯示給安全操作員的即時警報
突出顯示相應的監控攝影機
觸發或加書籤影像錄製
生成警報或通知
創建事件記錄以供後續搜尋
提供相關影像以驗證事件
啟動其他已配置的安全或緊急工作流程

這使得安全人員能夠將注意力集中在檢測到的事件上，而不是完全依賴於持續的人工觀察。

攝影機安裝位置與影像需求

攝影機的安裝位置對於打鬥檢測效能有著顯著的影響，因為AI需要充足的視覺資訊來分析人體的動作與互動。

重要的安裝考量包括：

• 清晰可見的人體
• 影像中足夠的人物大小
• 合適的攝影機視角
• 充足且一致的照明
• 合適的影像解析度
• 合適的影像壓縮品質
• 家具、結構物、車輛或其他人對視線的阻礙最小化
• 運動模糊的限制

非常寬的攝影機視角可能涵蓋較大的區域，但可能使單個人物過小，無法進行可靠的行為分析。

因此，攝影機應在場景覆蓋範圍與人體運動的視覺細節之間取得平衡。

視角考量

攝影機應提供一個能清楚觀察人員互動的視角。

極端的俯視角度可能使某些手臂和身體動作不太明顯，而低位或嚴重遮擋的視角可能會阻止 AI 觀察到重要的姿勢變化。

合適的視角應允許系統看到：

參與者的相對位置
上半身動作
手臂動作
主要腿部動作
身體方向的變化
個體之間的互動

最佳的攝影機位置取決於物理環境和攝影機與被監控對象之間的預期距離。

遮擋和擁擠場景

遮擋是打鬥檢測的一個重要挑戰。

在衝突過程中，參與者可能自然地遮擋彼此，無法被攝影機看到。圍繞事件聚集的人群可能進一步遮擋涉事人員。

其他遮擋來源可能包括：

家具
車輛
柱子
牆壁
圍欄
設備
其他人

如果關鍵的身體動作在事件的大部分時間被隱藏，AI可能缺乏足夠的視覺證據來可靠地識別打鬥。

因此，攝影機的定位應該盡量減少在打鬥監控重要區域內的可預測盲點。

環境因素

多種環境條件可能影響偵測效能，包括：

不佳或變化的照明
強烈的背光
低解析度影像
過度壓縮
運動模糊
密集的人群
部分身體遮擋
非常小的主體
極端的攝影機角度
快速的攝影機移動或震動

由於打鬥通常涉及快速動作，因此足夠的影像品質和適當的影像擷取設定尤其重要。

信心和偵測參數

基於AI的打鬥偵測是概率性的，而不是絕對判定。

系統評估可用的視覺證據，並估算觀察到的互動與AI模型所代表的打鬥行為的相似程度。

偵測參數可配置，以平衡靈敏度和對誤報的抵抗力。

更靈敏的配置可能會識別更廣泛的潛在衝突，但也可能因激烈的正常活動而產生額外事件。

更嚴格的配置可以減少誤報，但可能會錯過不太明顯或部分遮蔽的打鬥。

適當的設定取決於環境和操作需求。

即時處理

打鬥檢測旨在持續分析監控影像，並在識別出足夠的打鬥行為後不久生成事件。

由於可靠的行為識別受益於觀察多個畫面，AI 可能需要一段短的活動序列才能確認事件。

確切的響應時間可能取決於：

AI 運算效能
影像幀率
系統負載
網絡條件
檢測信心要求
身體互動的持續時間和可見性

目標是在獲得足夠的行為證據以減少不必要警報的同時提供及時通知。

獨立於身份的偵測

打鬥偵測並不需要面部識別或個人身份識別。

分析的目標是：

“在這個監控區域內，是否存在符合打鬥特徵的肢體互動？”

而不是：

“涉事者是誰？”

因此，該技術可以偵測到學生、社會公眾、囚犯、訪客、員工或其他個體間的潛在衝突，而無需系統識別他們的身份。

如果需要識別參與者，這將代表一個獨立的分析或調查過程。

技術優勢

AI 驅動的打鬥偵測將監控影像轉化為行為事件意識的自動化來源。

主要技術優勢包括：

AI 基於人類偵測
多人互動分析
攻擊性手勢和動作識別
時間行為分析
可配置的監控區域
基於信心的偵測
實時事件生成
與警報和通知的整合
事件關聯的影像錄製
事件搜尋和事件回顧
無需持續操作員觀察的持續監控
不需要個人識別的操作
效能考量

打鬥偵測是一種 AI 協助技術，不應期望在所有情況下識別每一起肢體衝突。

肢體衝突在動作、強度、參與人數、持續時間和可見性方面差異很大。有些事件可能包括微妙的推擠或摔跤，而另一些則涉及明顯的快速打擊動作。

人群、遮擋、光線不足、小型目標、動態模糊、不合適的攝影機角度或非常短暫的互動可能會降低偵測可靠性。

正常活動如運動、玩耍、跳舞或充滿活力的社交互動也可能包含類似於打鬥的動作模式。

因此，在部署時應考慮攝影機位置、影像品質、監控區域、信心參數和場景中的正常活動。

建議在代表性的操作條件下進行測試和調整，以達到偵測靈敏度和誤報之間的適當平衡。

安全與操作考量

打鬥偵測事件表示人工智慧已識別出與肢體衝突一致的視覺行為。它無法獨立確定互動的原因、判斷哪位參與者發起了衝突，或判定個人是否犯下了違規行為。

相關的即時或錄製影像可以提供給負責人員進行評估和適當的回應。

因此，打鬥偵測應該補充既定的安全程序、應急響應協議以及人類決策，而不是取代它們。

結論

AI 驅動的打鬥偵測功能使監控系統能夠自動識別與肢體衝突相關的動作和互動模式，並將這些觀察轉化為可執行的安全事件。

通過結合人員偵測、多人體互動分析、攻擊性手勢識別、動作分析、時間行為分析、可配置的監控區域和基於信心的決策，該技術可以識別許多打鬥事件，同時將其與普通人類互動區分開來。

當與合適的攝影機位置、充分的場景可見性、適當的影像質量以及正確配置的偵測參數一起部署時，打鬥偵測提供了一個有效的自動化工具，以提高對肢體衝突的意識，並幫助安全人員更快地應對可能升級的事件。

自動鬥毆檢測可以降低受傷風險，也有助於檢測和處理霸凌事件。在匿名攻擊的情況下，及早檢測可以幫助執法人員儘快到達現場。

最典型的應用場景是學校、公共區域、矯正設施。

可以將ACTi的鬥毆偵測攝影機與ACTi的ZNR系列NVR或基於Windows的NVR 3伺服器一起使用。VMS將從攝影機接收鬥毆偵測警報，並通過影像彈出、聲音警報、發送電子郵件警報等方式處理事件。
此外，一些最新的ZNR系列NVR伺服器具有內建的鬥毆偵測功能——即使使用沒有內建AI的常規監控攝影機，仍然可以依靠NVR端的AI功能運行鬥毆偵測。
閱讀更多