一种燃气设施区域的智能监控方法及装置制造方法及图纸

本发明专利技术提供一种燃气设施区域的智能监控方法及装置。所述方法包括：基于人工神经网络构建人员检测模型，所述模型输出人员位置及包括工作人员和非工作人员的人员类别；实时获取燃气设施区域的监控视频图像，将所述图像输入至训练好的人员检测模型，得到人员的位置及类别；基于所述人员的位置及类别对所述人员进行异常行为检测，如果存在异常行为，则进行报警。本发明专利技术通过构建人员检测模型，能够自动识别进入监控区域的人员类别；通过对进入监控区域的人员进行异常行为检测，能够对监控区域存在的潜在危险进行自动检测并报警。潜在危险进行自动检测并报警。潜在危险进行自动检测并报警。

【技术实现步骤摘要】
一种燃气设施区域的智能监控方法及装置


[0001]本专利技术属于安全监控
，具体涉及一种燃气设施区域的智能监控方法及装置。

技术介绍

[0002]燃气作为人民生活中的必需品，一方面提高了人民的生活质量，另一方面也存在着潜在的风险。燃气设施的不当使用、人为破坏都有可能引发燃气设施损坏，燃气泄漏，导致人员中毒、火灾甚至燃气爆炸的发生，严重威胁着燃气设施和人员的人身安全。燃气事故不仅给国家造成了巨大损失，而且对人民的生命和财产安全构成了严重威胁。据统计，2020年中国共发生燃气事故539例，造成88人遇难和496人受伤。因此，保障燃气设施的平稳运行对构建安全的生活环境具有重要意义。
[0003]随着电子、通信和视频监控技术的不断发展与更新，视频监控系统在各个领域中得到了广泛地应用。为了实现对燃气设施区域的安全监控，本专利技术提出一种基于视频图像的智能监控方法及装置。

技术实现思路

[0004]为了解决现有技术中存在的上述问题，本专利技术提供一种燃气设施区域的智能监控方法及装置。
[0005]为了实现上述目的，本专利技术采用以下技术方案。
[0006]第一方面，本专利技术提供一种燃气设施区域的智能监控方法，包括以下步骤：
[0007]基于人工神经网络构建人员检测模型，所述模型输出人员位置及包括工作人员和非工作人员的人员类别；
[0008]实时获取燃气设施区域的监控视频图像，将所述图像输入至训练好的人员检测模型，得到人员的位置及类别；
[0009]基于所述人员的位置及类别对所述人员进行异常行为检测，如果存在异常行为，则进行报警。
[0010]进一步地，所述人员检测模型采用改进的YOLOv4
‑
Tiny网络结构，在原有的两个特征层的基础上，增加一个较大尺寸的特征层，用于对小目标进行预测；利用K
‑
means++聚类算法计算出当前数据集中人员图像的宽高尺寸，从而确定检测框的数量和尺寸大小；引入了注意力机制模块，通过训练确定不同尺度的特征融合权重。
[0011]进一步地，所述异常行为检测包括携带异物检测，方法如下：
[0012]构建异物检测模型，并对所述模型进行训练；
[0013]将实时获取的视频图像输入至训练好的所述模型，得到异物检测框；
[0014]计算人员检测框和异物检测框交集的面积与异物检测框的面积的比值K：
[0015][0016]式中，S
A∩B
为人员检测框和异物检测框交集的面积，S
B
为异物检测框的面积；
[0017]若K大于设定的阈值，则认为所述人员携带异物。
[0018]进一步地，所述异常行为检测包括人员徘徊检测，方法如下：
[0019]将实时获取的视频图像输入人员检测模型，识别出人员类别并获得人员检测框；
[0020]对所述人员进行跟踪，估算所述检测框的运动速度V；
[0021]计算所述人员通过燃气设施区域所用的时间T；
[0022]若T大于设定的阈值，则认为所述人员存在徘徊行为，所述阈值与V负相关，即V越大所述阈值越小。
[0023]进一步地，所述方法还包括生成视频监控界面，所述监控界面包括分区显示界面、查询详细信息界面、设备分布显示界面、设备状态显示界面、实时监控画面界面和场景显示界面。
[0024]第二方面，本专利技术提供一种燃气设施区域的智能监控装置，包括：
[0025]模型构建模块，用于基于人工神经网络构建人员检测模型，所述模型输出人员位置及包括工作人员和非工作人员的人员类别；
[0026]人员检测模块，用于实时获取燃气设施区域的监控视频图像，将所述图像输入至训练好的人员检测模型，得到人员的位置及类别；
[0027]异常检测模块，用于基于所述人员的位置及类别对所述人员进行异常行为检测，如果存在异常行为，则进行报警。
[0028]进一步地，所述人员检测模型采用改进的YOLOv4
‑
Tiny网络结构，在原有的两个特征层的基础上，增加一个较大尺寸的特征层，用于对小目标进行预测；利用K
‑
means++聚类算法计算出当前数据集中人员图像的宽高尺寸，从而确定检测框的数量和尺寸大小；引入了注意力机制模块，通过训练确定不同尺度的特征融合权重。
[0029]进一步地，所述异常行为检测包括携带异物检测，方法如下：
[0030]构建异物检测模型，并对所述模型进行训练；
[0031]将实时获取的视频图像输入至训练好的所述模型，得到异物检测框；
[0032]计算人员检测框和异物检测框交集的面积与异物检测框的面积的比值K：
[0033][0034]式中，S
A∩B
为人员检测框和异物检测框交集的面积，S
B
为异物检测框的面积；
[0035]若K大于设定的阈值，则认为所述人员携带异物。
[0036]进一步地，所述异常行为检测包括人员徘徊检测，方法如下：
[0037]将实时获取的视频图像输入人员检测模型，识别出人员类别并获得人员检测框；
[0038]对所述人员进行跟踪，估算所述检测框的运动速度V；
[0039]计算所述人员通过燃气设施区域所用的时间T；
[0040]若T大于设定的阈值，则认为所述人员存在徘徊行为，所述阈值与V负相关，即V越大所述阈值越小。
[0041]进一步地，所述装置还包括显示模块，用于生成视频监控界面，所述监控界面包括分区显示界面、查询详细信息界面、设备分布显示界面、设备状态显示界面、实时监控画面界面和场景显示界面。
[0042]与现有技术相比，本专利技术具有以下有益效果。
[0043]本专利技术通过基于人工神经网络构建人员检测模型，所述模型输出人员位置及包括工作人员和非工作人员的人员类别，实时获取燃气设施区域的监控视频图像，将所述图像输入至训练好的人员检测模型，得到人员的位置及类别，基于所述人员的位置及类别对所述人员进行异常行为检测，如果存在异常行为，则进行报警，实现了燃气设施区域的自动监控与报警。本专利技术通过构建人员检测模型，能够自动识别进入监控区域的人员类别；通过对进入监控区域的人员进行异常行为检测，能够对监控区域存在的潜在危险进行自动检测并报警。
附图说明
[0044]图1为本专利技术实施例一种燃气设施区域的智能监控方法的流程图。
[0045]图2为人员携带异物检测示意图。
[0046]图3为本专利技术实施例一种燃气设施区域的智能监控装置的方框图。
具体实施方式
[0047]为使本专利技术的目的、技术方案及优点更加清楚、明白，以下结合附图及具体实施方式对本专利技术作进一步说明。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。
[0048]图1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种燃气设施区域的智能监控方法，其特征在于，包括以下步骤：基于人工神经网络构建人员检测模型，所述模型输出人员位置及包括工作人员和非工作人员的人员类别；实时获取燃气设施区域的监控视频图像，将所述图像输入至训练好的人员检测模型，得到人员的位置及类别；基于所述人员的位置及类别对所述人员进行异常行为检测，如果存在异常行为，则进行报警。2.根据权利要求1所述的燃气设施区域的智能监控方法，其特征在于，所述人员检测模型采用改进的YOLOv4
‑
Tiny网络结构，在原有的两个特征层的基础上，增加一个较大尺寸的特征层，用于对小目标进行预测；利用K
‑
means++聚类算法计算出当前数据集中人员图像的宽高尺寸，从而确定检测框的数量和尺寸大小；引入了注意力机制模块，通过训练确定不同尺度的特征融合权重。3.根据权利要求1所述的燃气设施区域的智能监控方法，其特征在于，所述异常行为检测包括携带异物检测，方法如下：构建异物检测模型，并对所述模型进行训练；将实时获取的视频图像输入至训练好的所述模型，得到异物检测框；计算人员检测框和异物检测框交集的面积与异物检测框的面积的比值K：式中，S
A∩B
为人员检测框和异物检测框交集的面积，S
B
为异物检测框的面积；若K大于设定的阈值，则认为所述人员携带异物。4.根据权利要求1所述的燃气设施区域的智能监控方法，其特征在于，所述异常行为检测包括人员徘徊检测，方法如下：将实时获取的视频图像输入人员检测模型，识别出人员类别并获得人员检测框；对所述人员进行跟踪，估算所述检测框的运动速度V；计算所述人员通过燃气设施区域所用的时间T；若T大于设定的阈值，则认为所述人员存在徘徊行为，所述阈值与V负相关，即V越大所述阈值越小。5.根据权利要求1所述的燃气设施区域的智能监控方法，其特征在于，所述方法还包括生成视频监控界面，所述监控界面包括分区显示界面、查询详细信息界面、设备分布显示界面、设备状态显示界面、实时监控画面界面和场景显示界面。6.一种燃气设施区域的智能监控装置，其特征在...

【专利技术属性】
技术研发人员：李勇，王亮，邢琳琳，祁丽荣，黄冬虹，李夏喜，董新利，徐怡兮，李玮昊，张琴，
申请(专利权)人：北京市燃气集团有限责任公司，
类型：发明
国别省市：