十牛行为识别系统算法是基于大规模神经网络的深度学习算法，通过勾勒出视频画面中人的骨架结构，把人体骨骼提取成关键函数，根据人体姿态特征的时空特性分析人的行为，一旦出现越界、攀高等异常行为时立即告警。
挑战：有人的地方就有安全问题，安全问题牵动人心
校园欺凌、跳楼自杀、爬墙逃学等各种安全问题，时刻威胁着学生的生命安全；
检所等高危场所，安全问题时刻威胁人员安全，需7*24小时高强度监控；
危险区域工作人员、外部人员异常行为随时导致事故、人员伤和停工停产。
方案：基于骨骼关键点的全场景危险行为识别算法
危险行为侦测算法
本算法是基于大规模神经网络的深度学习算法，通过勾勒出视频画面中人的骨架结构，把人体骨骼提取成关键函数，根据人体姿态特征的时空特性分析人的行为，一旦出现越界、攀高等异常行为时立即告警。
￭ 优势一：只有人才会触发告警
只有人才具备人体骨骼，动物或其他物体不具备人的骨骼，只有人才能触发系统预警；
￭ 优势二：全场景适用
骨骼算法无需适配场景，无论场景中发生什么变化，都不会影响骨骼算法的判断，环境适配能力非常强。相对比目标深度学习算法来说，假如目标没有学习过某类应用场景，前期的识别效果会很差；
￭ 优势三：不同行为精准捕捉
骨骼算法把人的全身解析成了一节节的骨骼，每一节骨骼在图像中均有对应的虚拟坐标，通过判断骨骼支点在画面中的坐标变化从而判断人的动作变化规律，是非常容易做到的，而且还容易通过人的动作变化分析出场景中的人具体在干什么，这是人形算法或其他算法所不具备的；他对人的动作行为分析具备得天独厚的优势；
￭ 优势四：时空叠加分析
当前人工智能算法主要停留在图片分析阶段，图片按照时空的定义它最多只是属于空间范围，而对整段视频进行分析则才是属于时间范围，只有叠加了时间和空间的算法才能更精准的分析出结果，骨骼算法的优势就在于时空特性的叠加（肢体动作变化规律），从准确性来讲，它要比其他算法更具备优势，误报更低；
整体部署方案
危险行为识别举例
可用算法清单
应用界面举例
智算盒/智算服务器操作界面
