用于远程招标评标监控的人员识别与跟踪的混合神经网络

为何需要对评标室进行监控

当政府或企业在选择谁来修建道路、桥梁或发电厂时，常常依靠专家在专门的评标室内对竞标方案进行评审。如果有人在未经邀请的情况下混入，或有专家悄然离开，整个决策的公正性可能受到威胁。本研究展示了一种由人工智能驱动的智能摄像系统，能够自动监控此类房间、追踪在场人员，并在发现异常时发出警报，而无需人员整天盯着屏幕。

新的智能监控系统如何工作

研究人员构建了一个完整的监控系统，部署在评标办公室的普通监控摄像头之上。该系统有四项主要职能：在视频中检测人员、随时间跟踪其移动、识别面部以及评估这些模式对安全性的含义。基于这一综合视图，告警单元决定是否保持静默或标记诸如专家离开时间过长或陌生人进入等事件。日常变化，例如短时间被他人遮挡或正常人员出入，会被记录但不会触发警报。

识别并统计房间内的每个人

为跟踪房间内人员，系统首先学习在每一帧视频中检测每个人并统计在场人数。随后将一帧中的检测结果与下一帧关联，使每个人在系统内获得稳定的身份标签，即使他们在移动。这一步的跟踪有助于将短暂消失（例如被同事挡住）与真正通过门离开区分开来。通过跟随每个人的轨迹，软件能够判断何时某位专家离开超过预设时间限制，并将其视为需要关注的风险。

识别小且远处的人脸

评标室的摄像头通常安装在墙面或天花板较高处，因此人脸在画面中显得很小并常常处于不利角度。许多现有人脸识别工具在这些条件下表现不佳。因此，作者将一种快速的人体检测方法与一种改进的人脸定位器结合起来，后者更擅长在拥挤场景中放大与定位微小的人脸。一旦定位到人脸，轻量级的人脸匹配方法会将其与已登记的专家和工作人员库进行比对。如果新出现的人脸在设定容差内未能匹配任何已批准人员，系统会将该人标记为可能的闯入者并将此判断传递给告警单元。

系统在实际办公室中的表现如何

团队在一家能源公司的评标室真实视频上测试了他们的方法，并将完整系统与仅统计人数或仅进行跟踪但不识别人脸的简化方法进行了比较。混合系统在区分四种实际情况方面表现更好：专家确实离开、专家被短暂遮挡、正常工作人员进入以及陌生人闯入。它在识别小人脸方面取得了较高准确率，运行速度足以满足实时使用，并且与基础方法相比显著减少了漏报的闯入事件和误报。

对更公平决策的意义

简而言之，这项工作表明，普通摄像头结合设计良好的人工智能，可以帮助维护敏感决策房间的公正性。该系统能静默监视在场人员，识别专家何时消失或未知人员何时出现，并及时发送警报以便人工管理者采取响应。尽管在面部被严重遮挡或转向时仍存在困难，但它已提供了一种实用工具，支持更清洁的评标流程，且可适配于其他需要可靠、低成本人员出入监控的工作场所。

引用: 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

关键词: 招标评标监控, 人员跟踪, 人脸识别, 视频监控, 神经网络