人员检测判断传感器和图像数据中是否存在人员及其位置，但不一定要确认这个人是谁。这个区分在合规上很关键：识别有人和识别是谁，适用的法律门槛完全不同。
人员检测回答的是有没有人、人在哪里，而不是这个人是谁。这条界线在欧洲尤其重要：单纯的存在检测和身份识别在 GDPR（欧盟通用数据保护条例）下适用完全不同的门槛，后者属于生物识别数据处理，需要额外的法律依据。项目立项时就要把这条界线写进需求文档。
技术上可以走多条路径：相机加检测模型、激光雷达的腿部特征识别、热成像，或者几种传感器融合。融合方案的好处是单一传感器失效时仍有冗余，代价是标定复杂度和成本上升。传感器读数经过判断后转成一个可追溯的输出，现场越动态，异常处理规则越要写细。
用途集中在安全监护和交互场景。价值出现在能把一段重复、费力或涉及安全的任务划出清晰边界的时候。项目起点应是流程数据：频次、路径、载荷、故障和可用接口。
评估时要把收益与运维投入合并考虑。除采购和软件外，集成、培训、维护、内部值守和流程改造都要计入。带量化指标的试点能分辨方案是只在演示中好看，还是在日常班次里稳定。
某自主系统领域的企业用人员检测控制 AMR 在通道内的减速逻辑。检测到人员进入路径范围，车辆自动降速并给出声光提示。项目组记录现状、接口和验收标准，在限定区域内试运行，再依据实测结果决定是否转入常态生产。
必须明确的一点是：基于 AI 的人员检测本身不构成安全功能。真正的安全防护要由符合 EN ISO 3691-4 的安全激光扫描仪或安全评级的传感器承担，AI 检测只能作为提升舒适度和效率的补充层。此外，蹲姿、被货架遮挡、穿反光工服或者逆光的人员都是典型的漏检场景，验收测试必须覆盖这几种姿态。摄像头的安装位置和拍摄范围还要和职工代表沟通并公示。
实践应用
某自主系统领域的企业用人员检测控制 AMR 在通道内的减速逻辑：一旦有人进入路径范围，车辆自动降速并发出声光提示。项目组记录现状、接口和验收标准，在限定区域内试运行，再依据实测结果决定是否转入常态生产。
优势
- 只判断有没有人、人在哪里，不涉及身份，合规门槛低得多
- 可以在真正触发安全停机之前先减速，减少非必要停线
- 支持相机、激光雷达和热成像融合，单一传感器失效时仍有冗余
- 检测结果可用于统计通道人流，为路线规划提供依据
局限性
- 基于 AI 的检测不具备安全评级，不能替代符合 EN ISO 3691-4 的安全传感器
- 蹲姿、被货架遮挡、逆光和反光工服都是典型漏检场景
- 摄像头的安装位置和拍摄范围需要与职工代表协商并公示
- 多传感器融合方案的标定和维护成本明显高于单相机
典型应用领域
常见问题
- 人员检测用一句话怎么解释？
- 从传感器和图像数据中判断现场是否有人以及人在什么位置，但不确认这个人的身份。
- 人员检测在实际项目里怎么落地？
- 常见组合是相机加检测模型、激光雷达腿部特征或热成像，也可以做多传感器融合。上线前要专门测试蹲姿、遮挡和逆光条件，并确认检测输出与减速或停机逻辑的接口延迟。
- 什么情况下企业该用人员检测？
- 当移动机器人或机械臂与人员共用同一片区域，需要提前减速或给出提示时值得引入。但如果目标是构成安全防护，那必须选用带安全评级的传感器，而不是 AI 检测。
- 人员检测有哪些局限？
- 最重要的一点是它本身不是安全功能，不能替代符合 EN ISO 3691-4 的安全扫描仪。技术上，遮挡和非典型姿态下的漏检也需要通过验收测试逐项确认。