Drishti AI-Event Guardian：智能即時人群監控與緊急應變系統
arXiv - Computers and SocietyRitabrata Roy Choudhury, Arkajyoti Karmakar, Rudra Pratap Mitra
利用深度學習與多模態資料，Drishti AI-Event Guardian 能即時估算人群密度、偵測異常、預測擁擠，並自動調度人員與通報，顯著提升大型活動安全管理效能。
AI 幫你先抓重點
AI 重點 1
即時多模態資料融合與自動人員調度顯示，AI 可將傳統監控從被動轉為主動預警。
滑鼠懸停看 AI 判斷理由
傳統 CCTV 只能被動錄影，無法即時判斷危險；本系統結合 UAV 與深度學習，能在毫秒級別發出警報並自動調度人員，改變了安全管理的流程與資源配置方式。
AI 重點 2
聊天機器人解決 89% 事件報告，證明自然語言介面可大幅降低人力成本。
滑鼠懸停看 AI 判斷理由
在大型活動中，事件報告量大且多樣，人工處理耗時且易漏報；機器人能即時回應並自動分類，顯示 AI 介面可成為前線支援工具，提升回應速度與準確度。
核心研究發現
- 1
在坎布梅拉與RCB勝利遊行兩個實際場景中，人群密度估算平均絕對誤差僅 3.2 人/㎡，異常偵測 F1 分數達 0.91，面部辨識精度 0.93。
- 2
聊天機器人處理 89% 的事件報告，無需人工介入，且警報延遲中位數僅 111 毫秒。
- 3
智能警衛重新分配引導人員部署延遲降低 34%，預測擁擠模型五分鐘預測 MAPE 8.3%，使預防性干預成為可能。
對教育工作者的啟發
本研究示範了多模態資料（CCTV、UAV）與深度學習結合，可在毫秒級別完成人群密度估算與異常偵測，並透過自動人員調度與聊天機器人降低人力負擔。實務工作者可依此架構，先行部署 YOLOv8 進行密度估算，再利用梯度提升迴歸預測擁擠趨勢，最後整合面部辨識與聊天介面，形成全流程即時安全管控。關鍵在於資料流的即時處理與模型的可擴充性，建議先在小型聚會測試，逐步擴展至大型節慶，並與現有警務系統對接，以確保警衛調度與資源配置的最佳化。
原始文獻資訊
- 英文標題：
- Drishti AI-Event Guardian: An Intelligent Real-Time Crowd Monitoring and Emergency Response System for Mass Gathering Events
- 作者：
- Ritabrata Roy Choudhury, Arkajyoti Karmakar, Rudra Pratap Mitra
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。