一种煤矿井下多场景监测系统技术方案

本发明专利技术适用于视频监控技术领域，提供了一种煤矿井下多场景监测系统，所述系统包括：监控视频流复制模块，用于接收摄像头发送的监控视频流，将监控视频流复制成若干份；场景模型移植模块，用于将场景模型移植至RV1126平台；监控视频流输入模块，用于将监控视频流分布输入至各个场景模型中，每个场景模型与一个监控项目相对应，每个场景模型接收到一个监控视频流，通过场景模型对监控视频流自动进行推理分析，得到结果视频流；以及综合检测结果视频生成模块，用于对所有的结果视频流进行整合得到一个综合检测结果视频，输出检测结果信息。本发明专利技术能够同时对多场景进行监测，比起传统单一场景监测方式，提高了监测效率。提高了监测效率。提高了监测效率。

【技术实现步骤摘要】
一种煤矿井下多场景监测系统


[0001]本专利技术涉及视频监控
，具体是涉及一种煤矿井下多场景监测系统。

技术介绍

[0002]煤炭的安全高效生产对于保障我国能源安全具有举足轻重的作用，近年来，随着开采深度进一步加大，煤矿安全隐患也逐渐凸出，安全事故尤其是重大、特大事故仍时有发生，安全形势依然严峻。随着机器视觉技术的发展，煤矿智能视频监控逐渐取代人工监控的方式，实现对异常状态的实时自动监测，对于煤矿的常见安全隐患，例如人员未戴安全帽、禁烟区抽烟等，煤矿智能视频监测系统几乎能替代人工监控识别。然而传统的煤矿智能视频监测系统只能对单一场景进行识别，识别效率较低，无法高效地提高煤矿井下安全监测功能。因此，需要提供一种煤矿井下多场景监测系统，旨在解决上述问题。

技术实现思路

[0003]针对现有技术存在的不足，本专利技术的目的在于提供一种煤矿井下多场景监测系统，以解决上述
技术介绍
中存在的问题。
[0004]本专利技术是这样实现的，一种煤矿井下多场景监测系统，所述系统包括：监控视频流复制模块，用于接收摄像头发送的监控视频流，将监控视频流复制成若干份，所述监控视频流复制后的份数与监控项目的数量相同；场景模型移植模块，用于将场景模型移植至RV1126平台；监控视频流输入模块，用于将监控视频流分布输入至各个场景模型中，每个场景模型与一个监控项目相对应，每个场景模型接收到一个监控视频流，通过场景模型对监控视频流自动进行推理分析，得到结果视频流；以及综合检测结果视频生成模块，用于对所有的结果视频流进行整合得到一个综合检测结果视频，输出检测结果信息，当检测结果信息中存在不合格信息时，综合检测结果视频中对应有检测框，检测框用于框选不合格对象。
[0005]作为本专利技术进一步的方案：所述监控视频流复制模块、监控视频流输入模块以及综合检测结果视频生成模块均内置于RV1126平台中，RV1126平台中还包括若干个场景模型，所述RV1126平台是一种图像处理智能视觉平台。
[0006]作为本专利技术进一步的方案：所述场景模型是基于Yolov5对多张对应场景的图片分别进行训练学习，得到的不同场景下的模型文件。
[0007]作为本专利技术进一步的方案：所述场景模型包括安全防护识别模型以及禁止行为识别模型。
[0008]作为本专利技术进一步的方案：所述安全防护识别模型的生成步骤包括：接收安全防护模板图片，所述安全防护模板图片中包括多个特定规划区域，每个特定规划区域标记有安全防护穿戴品；对多个图片进行训练学习，每个图片标记有第一特征信息，所述第一特征信息为
穿戴品名称和穿戴品是否佩戴或者佩戴是否合格；根据安全防护模板图片和训练结果生成安全防护识别模型。
[0009]作为本专利技术进一步的方案：所述禁止行为识别模型的生成步骤包括：接收禁止行为模板图片，所述禁止行为模板图片中包括多个特定禁止区域，每个特定禁止区域标记有禁止行为；对多个图片进行训练学习，每个图片标记有第二特征信息，所述第二特征信息为禁止行为名称；根据禁止行为模板图片和训练结果生成禁止行为识别模型。
[0010]作为本专利技术进一步的方案：通过安全防护识别模型对监控视频流自动进行推理分析，得到结果视频流的步骤，具体包括：根据安全防护模板图片中的特定规划区域对监控视频流的画面进行拆分得到若干个子画面；对每个子画面进行分析，判定子画面中是否存在对应的穿戴品佩戴不合格的情况，若存在，将不合格的画面使用检测框进行框选，输出结果视频流。
[0011]作为本专利技术进一步的方案：通过禁止行为识别模型对监控视频流自动进行推理分析，得到结果视频流的步骤，具体包括：根据禁止行为模板图片中的特定禁止区域对监控视频流的画面进行拆分得到若干个子画面；对每个子画面进行分析，判定子画面中是否存在对应的禁止行为，若存在，将不合格的画面使用检测框进行框选，输出结果视频流。
[0012]作为本专利技术进一步的方案：所述系统还包括不合格员工识别模块，所述不合格员工识别模块用于对产生不合格行为的员工进行自动识别。
[0013]作为本专利技术进一步的方案：所述不合格员工识别模块包括：人脸图像确定单元，用于确定检测框所对应的员工人脸图像；员工姓名输出单元，用于将所述员工人脸图像输入至员工人脸库中进行匹配，自动输出员工姓名。
[0014]本专利技术的另一目的在于提供一种基于RV1126的煤矿井下多场景监测方法，所述方法包括以下步骤：接收摄像头发送的监控视频流，将监控视频流复制成若干份，所述监控视频流复制后的份数与监控项目的数量相同；将场景模型移植至RV1126平台；将监控视频流分布输入至各个场景模型中，每个场景模型与一个监控项目相对应，每个场景模型接收到一个监控视频流，通过场景模型对监控视频流自动进行推理分析，得到结果视频流；对所有的结果视频流进行整合得到一个综合检测结果视频，输出检测结果信息，当检测结果信息中存在不合格信息时，综合检测结果视频中对应有检测框，检测框用于框选不合格对象。
[0015]作为本专利技术进一步的方案：所述方法还包括对产生不合格行为的员工进行自动识别，该步骤具体包括：确定检测框所对应的员工人脸图像；将所述员工人脸图像输入至员工
人脸库中进行匹配，自动输出员工姓名。
[0016]与现有技术相比，本专利技术的有益效果是：本专利技术将监控视频流复制成若干份，将监控视频流分布输入至各个场景模型中，每个场景模型与一个监控项目相对应，通过多个场景模型对监控视频流自动进行多个项目的推理分析，得到结果视频流，并对所有的结果视频流进行整合得到一个综合检测结果视频。进而能够同时对多场景进行监测，比起传统单一场景监测方式，提高了监测效率，减少了人力物力，且需要添加新的监控项目时，只需在RV1126平台中添加新的场景模型即可，便于后期维护使用。
附图说明
[0017]图1为一种煤矿井下多场景监测系统的结构示意图。
[0018]图2为一种煤矿井下多场景监测系统中生成安全防护识别模型的流程图。
[0019]图3为一种煤矿井下多场景监测系统中生成禁止行为识别模型的流程图。
[0020]图4为一种煤矿井下多场景监测系统中预约信息识别模块的结构示意图。
[0021]图5为一种煤矿井下多场景监测系统中通过安全防护识别模型对监控视频流自动进行推理分析的流程图。
[0022]图6为一种煤矿井下多场景监测系统中通过禁止行为识别模型对监控视频流自动进行推理分析的流程图。
[0023]图7为一种基于RV1126的煤矿井下多场景监测方法的流程图。
[0024]图8为一种基于RV1126的煤矿井下多场景监测方法中对产生不合格行为的员工进行自动识别的流程图。
具体实施方式
[0025]为了使本专利技术的目的、技术方案及优点更加清晰，以下结合附图及具体实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0026]以下结合具体实施例对本专利技术的具体实现进行详细描述。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种煤矿井下多场景监测系统，其特征在于，所述系统包括：监控视频流复制模块，用于接收摄像头发送的监控视频流，将监控视频流复制成若干份，所述监控视频流复制后的份数与监控项目的数量相同；场景模型移植模块，用于将场景模型移植至RV1126平台；监控视频流输入模块，用于将监控视频流分布输入至各个场景模型中，每个场景模型与一个监控项目相对应，每个场景模型接收到一个监控视频流，通过场景模型对监控视频流自动进行推理分析，得到结果视频流；以及综合检测结果视频生成模块，用于对所有的结果视频流进行整合得到一个综合检测结果视频，输出检测结果信息，当检测结果信息中存在不合格信息时，综合检测结果视频中对应有检测框，检测框用于框选不合格对象。2.根据权利要求1所述一种煤矿井下多场景监测系统，其特征在于，所述监控视频流复制模块、监控视频流输入模块以及综合检测结果视频生成模块均内置于RV1126平台中，RV1126平台中还包括若干个场景模型，所述RV1126平台是一种图像处理智能视觉平台。3.根据权利要求1所述一种煤矿井下多场景监测系统，其特征在于，所述场景模型是基于Yolov5对多张对应场景的图片分别进行训练学习，得到的不同场景下的模型文件。4.根据权利要求1所述一种煤矿井下多场景监测系统，其特征在于，所述场景模型包括安全防护识别模型以及禁止行为识别模型。5.根据权利要求4所述一种煤矿井下多场景监测系统，其特征在于，所述安全防护识别模型的生成步骤包括：接收安全防护模板图片，所述安全防护模板图片中包括多个特定规划区域，每个特定规划区域标记有安全防护穿戴品；对多个图片进行训练学习，每个图片标记有第一特征信息，所述第一特征信息为穿戴品名称和穿戴品是否佩戴或者佩戴是否合格；根据安全防护模板...

【专利技术属性】
技术研发人员：肖涛，姚俊俊，韩兆宇，
申请(专利权)人：常州海图信息科技股份有限公司，
类型：发明
国别省市：