Hybridt neuralt nätverk för personigenkänning och spårning i fjärrövervakning av upphandlingsbedömning

Varför övervakning av upphandlingsrum spelar roll

När myndigheter eller företag väljer vem som ska bygga en väg, en bro eller ett kraftverk förlitar man sig ofta på experter som samlas i ett särskilt upphandlingsrum för att bedöma konkurrerande anbud. Om en oinbjuden person smyger in, eller om en expert tyst lämnar rummet, kan hela beslutets rättvisa hotas. Denna studie visar hur ett smart kamerasystem drivet av artificiell intelligens automatiskt kan bevaka sådana rum, följa vilka som är närvarande och avge en varning när något ser fel ut — allt utan att människor behöver stirra på skärmar hela dagarna.

Hur den nya smarta rumsbevakaren fungerar

Forskarna byggde ett komplett övervakningssystem som kan användas ovanpå vanliga säkerhetskameror i ett kontor för upphandlingsbedömning. Systemet har fyra huvuduppgifter: att upptäcka personer i videon, följa deras rörelser över tid, känna igen deras ansikten och bedöma vad dessa mönster betyder för säkerheten. Utifrån denna samlade bild avgör en varningsenhet om systemet ska vara tyst eller markera händelser som att en expert är borta för länge eller att en främling går in i rummet. Vardagliga förändringar, såsom att någon kort skymms av en kollega eller att personal kommer och går normalt, registreras men triggar inte larm.

Att se och räkna alla i rummet

För att hålla koll på vem som befinner sig inne lär sig systemet först att upptäcka varje person i varje videoruta och att räkna hur många personer som är närvarande. Därefter länkar det ihop upptäckterna från en ruta till nästa så att varje person får en stabil identitetstagg i systemet, även när de rör sig. Detta spårningssteg hjälper till att skilja en kort försvinnande, till exempel när någon döljs bakom en kollega, från ett faktiskt utträde genom dörren. Genom att följa varje persons bana kan mjukvaran avgöra när en expert varit borta längre än en förinställd tidsgräns och betrakta detta som en risk som förtjänar uppmärksamhet.

Att känna igen ansikten som är små och långt borta

Upphandlingsrum bevakas ofta av kameror som är monterade högt på vägg eller tak, vilket gör att ansikten framträder små och ofta i besvärliga vinklar. Många befintliga verktyg för ansiktsigenkänning fungerar dåligt under dessa förhållanden. Författarna kombinerade därför en snabb metod för att upptäcka personer med en förfinad ansiktslokaliserare som är bättre på att zooma in på små ansikten i trånga scener. När ett ansikte lokaliserats kontrollerar en lättviktig ansiktsjämförelsemetod det mot ett lagrat galleri av kända experter och personal. Om ett nytt ansikte inte matchar någon godkänd person inom en ställd tolerans markerar systemet individen som en möjlig inkräktare och förmedlar denna bedömning till varningsenheten.

Hur väl systemet presterar i verkliga kontor

Teamet testade sin metod på verklig video från ett upphandlingsbedömningsrum i ett energiföretag. De jämförde sitt fullständiga system med enklare tillvägagångssätt som endast räknar personer eller spårar dem utan att veta vem de är. Det hybrida systemet visade sig bättre på att särskilja fyra praktiska situationer: en expert som verkligen lämnar, en expert som kort skymts från vy, normal personal som kommer in och en främling som går in. Det uppnådde hög noggrannhet vid igenkänning av små ansikten, var tillräckligt snabbt för realtidsanvändning och minskade tydligt missade intrång och falsklarm jämfört med de enklare metoderna.

Vad detta innebär för rättvisare beslut

Enkelt uttryckt visar detta arbete att vanliga kameror, i kombination med väl utformad artificiell intelligens, kan bidra till att hålla känsliga beslutsrum ärliga. Systemet kan tyst bevaka vilka som är närvarande, upptäcka när en expert försvinner eller när en okänd person dyker upp, och skicka snabba larm så att mänskliga chefer kan agera. Även om det fortfarande har problem när ansikten är kraftigt täckta eller vända bort, erbjuder det redan ett praktiskt verktyg för att stödja renare upphandlingsrutiner och kan anpassas till andra arbetsplatser som behöver pålitlig, kostnadseffektiv övervakning av vem som kommer och går.

Citering: Zhou, Z., Wang, Z., Meng, Y. et al. Hybrid neural network for personnel recognition and tracking in remote bidding evaluation monitoring. Sci Rep 16, 15769 (2026). https://doi.org/10.1038/s41598-026-42936-8

Nyckelord: övervakning av upphandlingsbedömning, personsökning, ansiktsigenkänning, videobevakning, neuronätverk