一种基于深度学习的加油站卸油区安全管控系统技术方案

本发明专利技术公开了一种基于深度学习的加油站卸油区安全管控系统，包括卸油区采集摄像头XC、车辆进出检测器CJ、人员实时跟踪器RG、卸油状态检测器XJ、卸油操作规范检测器GJ、卸油状态展示及告警器ZG。本发明专利技术可基于标准化卸油流程及其加油站卸油过程的安全管控规范，实现全自动、全流程、高精度的加油站卸油区车辆进出检测、人员实时跟踪、卸油状态检测以及卸油操作规范检测，输出叠加卸油状态检测和卸油操作规范检测结果的视频流，用于实时监视/事后追溯卸油流程；输出违规告警信息，用于记录工作人员及其卸油操作规范性检测结果，以解决卸油区工作人员动作规范检测和安全管控问题。

A safety management and control system of unloading area of gas station based on deep learning

The invention discloses a safety control system of oil unloading area of gas station based on deep learning, which includes oil unloading area acquisition camera Xc, vehicle in and out detector CJ, personnel real-time tracker RG, oil unloading state detector XJ, oil unloading operation specification detector GJ, oil unloading state display and alarm ZG. Based on the standardized oil unloading process and the safety management and control specification of the oil unloading process of the gas station, the invention can realize the automatic, full process and high-precision inspection of the vehicles in and out of the oil unloading area of the gas station, real-time tracking of the personnel, inspection of the oil unloading state and inspection of the oil unloading operation specification, and output the video stream superimposed with the inspection results of the oil unloading state and inspection results of the oil unloading operation specification, which is used for real-time monitoring / post tracking Trace the unloading process; output the violation alarm information, which is used to record the normative test results of the staff and their unloading operations, so as to solve the problems of operation specification test and safety control of the staff in the unloading area.

【技术实现步骤摘要】
一种基于深度学习的加油站卸油区安全管控系统
本专利技术涉及人工智能、智能监控
，具体涉及一种基于深度学习的卸油区工作安全管控系统。
技术介绍
在需要防范火灾隐患的加油站，卸油区是一个需要特别注意的区域。一般加油站会在该区域加装监控摄像头。监控摄像头每天24小时运转，加油站管理人员需要查看缓存下来的监控视频，考察卸油区的安全管理实施情况和卸油人员的卸油操作规范。为了保障卸油区的安全，卸油区一般只允许工作人员进入并且不允许非油罐车车辆驶入。根据加油站规定：加油站工作人员都有相对应颜色的制服，例如身穿淡蓝色制服的人为站长，身穿黄色制服的为普通员工等。当有非工作人员或者非油罐车车辆进入卸油区时，要做到及时报警，否则可能造成安全事故。每当有油罐车到达时，加油站员工需要进行一系列的动作：油罐车到达、放置消防器材、打开卸油口、接底油、进行水溶法检测、连接静电夹、连接油管/气管、接底油、断开油管/气管、断开静电夹、关闭卸油口、油罐车离开等。有些关键操作，如连接静电夹，如果工作人员忘记连接，有可能因为静电引燃石油导致爆炸，会造成加油站重大损失。该动作是卸油员工动作规范的重要评判标准之一。又如，水溶法检测是工作人员从油罐车中抽取一定量的油品来检测油品的质量。油品在生产、使用或贮存时水溶性酸碱腐蚀与其接触的金属构件，促使油品老化。因此，油品水溶性检测就尤为重要。加油站为卸油过程制定了一系列的操作规范，需要管理人员通过监控视频来对卸油员工操作进行考察、评判。通常读取缓存视频非常耗时，如果采用人工方式查看历史视频，挨个检查动作，无疑是麻烦且费时的，而且一般卸油时间不定，还需要查找有卸油的监控视频段，费时费力。随着人工智能和计算机视觉技术的快速发展，可以运用深度学习技术设计动作检测算法，结合目标检测算法，分析加油站卸油区卸油员工的动作行为信息并进行判断。实现实时地对加油站卸油区进行安全管控，考察、评判卸油员工卸油动作并进行实时报警，尽可能地减轻管理人员的负担，提高管理效率减少管理成本。
技术实现思路
本专利技术提供了一种基于深度学习的加油站卸油区安全管控系统，以解决卸油区工作人员动作规范检测和安全管控问题。为达到本专利技术的目的，采用技术方案如下：一种基于深度学习的加油站卸油区安全管控系统，基于加油站卸油过程的安全管控规范，由卸油区采集摄像头XC获取的监控视频流，经车辆进出检测器CJ、人员实时跟踪器RG、卸油状态检测器XJ、卸油操作规范检测器GJ，对特定卸油区车辆、人员状态及卸油操作步骤合规性做出判断，最后通过卸油状态展示及告警器ZG输出安全管控告警，包括如下单元操作：1)卸油区采集摄像头XC：用于采集加油站特定卸油区的视频信息和图像，包括但不限于车辆、人员、设备以及卸油流程的实时监控，并向系统传递编码的实时视频流；2)车辆进出检测器CJ：接受1)所获视频流，实现对加油站特定卸油区不同种类车辆的检测、定位、跟踪；实现车辆驶入状态、驻留状态、驶出状态的检测；实现车辆入侵判断，输出车辆及其状态信息；3)人员实时跟踪器RG：接受1)所获视频流，实现对加油站特定卸油区工作人员及非工作人员的检测、定位、跟踪；实现工作人员的身份识别；实现非工作人员的入侵判断，输出人员及其状态信息；4)卸油状态检测器XJ：接收1)所获视频流；接受2)、3)信息，基于已预设定的标准化卸油流程，依次进行卸油操作状态的检测：A.油罐车到达状态检测；B.油罐车静置状态检测；C.放置消防器材状态检测；D.打开卸油口状态检测；E.连接静电夹状态检测；F.水溶法检测状态检测；G.接底油状态检测；H.连接油管/气管状态检测；I.断开油管/气管状态检测；J.断开静电夹状态检测；K.关闭卸油口状态检测；L.油罐车离开状态检测；5)卸油操作规范检测器GJ：接收1)所获视频流；接受4)信息，基于已预设定的卸油区操作规范要求，进行卸油操作步骤合规性判断：A.卸油各环节操作合规性判断；B.卸油区工作人员日常工作合规性判断；6)卸油状态展示及告警器ZG：接受4)、5)信息，提供用户人机交互界面，输出叠加卸油状态检测和卸油操作规范检测结果的视频流，用于实时监视/事后追溯卸油流程；输出违规告警信息，用于记录工作人员及其卸油操作规范性检测结果。具体处理中，所述车辆进出检测器CJ、人员实时跟踪器RG、卸油状态检测器XJ和卸油操作规范检测器GJ需要由对应的深度学习算法模型完成，用于车辆进出检测、人员实时跟踪、人员行为识别、以及卸油过程变化检测，具体内容包括：1)构建卸油区的卸油口、静电夹、油罐车、油桶、站长、普通工作人员、非工作人员、消防器材和试管等卸油区安全管控目标的实时检测、跟踪模型，用于车辆进出检测器CJ中的车辆进出检测、人员实时跟踪器RG中的人员实时跟踪、卸油状态检测器XJ中的卸油过程场景变化检测；2)构建打开/关闭卸油口、连接/断开静电夹、连接/断开油管/气管、接底油、手持试管等人体动作特征识别模型，用于卸油状态检测器XJ和卸油操作规范检测器GJ中的人员行为识别；3)构建人脸及工作人员身份识别模型，用于人员实时跟踪器RG中的工作人员及非工作人员的识别。进一步地，所述卸油状态检测器XJ置有检测缓冲队列，用于减少模型漏检和误检带来的判断误差，具体方法步骤为：缓冲队列中允许存放互斥的两种状态；系统启动时初始化缓冲队列状态；在进行状态判断时，首先获取状态检测结果，然后将检测结果加入到缓冲队列中；缓冲队列的状态和缓冲队列中出现次数多的状态相同，状态检测结果为缓冲队列状态。附图说明为了更清楚地说明本
技术实现思路
和实施例的技术方案，下面将对
技术实现思路
和实施例中所需要使用的附图作简单地介绍。图1是本专利技术提供的一种基于深度学习的加油站卸油区安全管控系统的系统逻辑组成图。图2是本专利技术提供的一种基于深度学习的加油站卸油区安全管控系统的主要业务流程图。图3是本专利技术提供的一种基于深度学习的加油站卸油区安全管控系统的违规操作对照图。具体实施方式下面结合本专利技术附图，对本专利技术技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例涉及一种基于深度学习的加油站卸油区安全管控系统，包括卸油区采集摄像头XC，车辆进出检测器CJ、人员实时跟踪器RG、卸油状态检测器XJ、卸油操作规范检测器GJ、卸油状态展示及告警器ZG，具体系统逻辑组成如图1所示，主要业务流程如图2所示。1)卸油区采集摄像头XC：用于采集加油站特定卸油区的视频信息和图像，包括但不限于车辆、人员、设备以及卸油流程的实时监控，并向系统传递编码的实时视频流；2)车辆进出检测器CJ：接受1)所获视频流本文档来自技高网...

【技术保护点】
1.一种基于深度学习的加油站卸油区安全管控系统，基于加油站卸油过程的安全管控规范，由卸油区采集摄像头XC获取的监控视频流，经车辆进出检测器CJ、人员实时跟踪器RG、卸油状态检测器XJ、卸油操作规范检测器GJ，对特定卸油区车辆、人员状态及卸油操作步骤合规性做出判断，最后通过卸油状态展示及告警器ZG输出安全管控告警，包括如下单元操作：/n1)卸油区采集摄像头XC：用于采集加油站特定卸油区的视频信息和图像，包括但不限于车辆、人员、设备以及卸油流程的实时监控，并向系统传递编码的实时视频流；/n2)车辆进出检测器CJ：接受1)所获视频流，实现对加油站特定卸油区不同种类车辆的检测、定位、跟踪；实现车辆驶入状态、驻留状态、驶出状态的检测；实现车辆入侵判断，输出车辆位置及状态信息；/n3)人员实时跟踪器RG：接受1)所获视频流，实现对加油站特定卸油区工作人员及非工作人员的检测、定位、跟踪；实现工作人员的身份识别；实现非工作人员的入侵判断，输出人员位置及状态信息；/n4)卸油状态检测器XJ：接收1)所获视频流；接受2)、3)信息，基于已预设定的标准化卸油流程，进行卸油操作状态的检测，输出卸油操作状态检测结果；/n5)卸油操作规范检测器GJ：接收1)所获视频流；接受4)信息，基于已预设定的卸油区操作规范要求，进行卸油操作步骤合规性判断，输出卸油操作规范检测结果；/n6)卸油状态展示及告警器ZG：接受4)、5)信息，提供用户人机交互界面，输出叠加卸油状态检测和卸油操作规范检测结果的视频流，用于实时监视/事后追溯卸油流程；输出违规告警信息，用于记录工作人员及其卸油操作规范性检测结果。/n...

【技术特征摘要】
1.一种基于深度学习的加油站卸油区安全管控系统，基于加油站卸油过程的安全管控规范，由卸油区采集摄像头XC获取的监控视频流，经车辆进出检测器CJ、人员实时跟踪器RG、卸油状态检测器XJ、卸油操作规范检测器GJ，对特定卸油区车辆、人员状态及卸油操作步骤合规性做出判断，最后通过卸油状态展示及告警器ZG输出安全管控告警，包括如下单元操作：
1)卸油区采集摄像头XC：用于采集加油站特定卸油区的视频信息和图像，包括但不限于车辆、人员、设备以及卸油流程的实时监控，并向系统传递编码的实时视频流；
2)车辆进出检测器CJ：接受1)所获视频流，实现对加油站特定卸油区不同种类车辆的检测、定位、跟踪；实现车辆驶入状态、驻留状态、驶出状态的检测；实现车辆入侵判断，输出车辆位置及状态信息；
3)人员实时跟踪器RG：接受1)所获视频流，实现对加油站特定卸油区工作人员及非工作人员的检测、定位、跟踪；实现工作人员的身份识别；实现非工作人员的入侵判断，输出人员位置及状态信息；
4)卸油状态检测器XJ：接收1)所获视频流；接受2)、3)信息，基于已预设定的标准化卸油流程，进行卸油操作状态的检测，输出卸油操作状态检测结果；
5)卸油操作规范检测器GJ：接收1)所获视频流；接受4)信息，基于已预设定的卸油区操作规范要求，进行卸油操作步骤合规性判断，输出卸油操作规范检测结果；
6)卸油状态展示及告警器ZG：接受4)、5)信息，提供用户人机交互界面，输出叠加卸油状态检测和卸油操作规范检测结果的视频流，用于实时监视/事后追溯卸油流程；输出违规告警信息，用于记录工作人员及其卸油操作规范性检测结果。


2.根据权利要求1所述的基于深度学习的加油站卸油区安全管控系统，其特征在于，所述卸油状态检测器XJ的具体内容包括为：
1)油罐车到达状态检测；
2)油罐车静置状态检测；
3)放置消防器材状态检测；
4)打开卸油口状态检测；
...

【专利技术属性】
技术研发人员：吴晓，肖赣涛，何俊彦，彭强，曾昭瀚，张蕾，
申请(专利权)人：成都睿晓科技有限公司，
类型：发明
国别省市：四川;51