基于计算机视觉的LNG接收站风险场景识别平台和方法技术

本发明专利技术涉及基于计算机视觉的LNG接收站风险场景识别平台和方法。LNG接收站风险场景单元用于识别基于典型接收站功能分区的风险场景和基于危险类别的风险场景；图像数据单元用于获取和预处理图像数据；计算机视觉识别模型单元用于管理、训练及验证模型；结果输出单元用于根据所述计算机视觉识别后的模型，对识别的风险场景、图像数据、时间、监控设备名称及编号、数据通路号进行即时保存，并输出特定类型的报警信号，用以采取针对性风险应对措施。对辨识到的风险信息及时进行输出预警，从而解决人工监控手段可靠性低、智能化水平低、人为主观因素影响大等问题。观因素影响大等问题。观因素影响大等问题。

【技术实现步骤摘要】
基于计算机视觉的LNG接收站风险场景识别平台和方法


[0001]本专利技术涉及液化天然气(LNG)接收站计算机视觉识别技术，尤其是涉及基于计算机视觉的LNG接收站风险场景识别平台和方法。

技术介绍

[0002]视频图像监控是对于潜在风险场景的一种有效监测与预警手段。当前LNG接收站中生产区域基本实现视频监控全覆盖，但对于视频监控图像中的风险场景识别仍依靠人工手段进行，尤其对于安全事故直接原因中占比较高的人员不安全行为的防控主要仍依靠常规管理手段(如安全培训、管理制度体系、应急预案与演练等)以及对作业现场开展人工监督(现场或视频监控、安全检查)的方式来开展，这种方式需要大量人力投入，自动化程度低，对于人员监管水平、知识经验、责任心等方面有较高要求，无法做到实时隐患预警，对风险的控制具有不确定因素。当前逐步应用于其他领域的自动化图像识别技术能够实现对人员特定种类不安全行为的自动识别从而代替人工方式，但问题在于并未针对LNG接收站实际运行特点，无法覆盖LNG接收站各类风险场景，与实际工程情况仍有较大差距。为依托现有基础及智能化手段实现LNG接收站潜在风险场景的有效识别与及时预警，保障项目的安全平稳运行，亟需解决上述技术难题。
[0003]申请人就该技术进行文献检索的结果显示，仅有学者就LNG接收站建立了全数字工业视频系统(申屠晓东，全数字工业视频系统在LNG接收站中的应用)，但未实现人工智能计算机视觉自动识别，目前尚无关于LNG接收站基于计算机视觉技术建立的风险场景识别平台及方法。

技术实现思路

[0004]针对上述问题，本专利技术的目的是针对当前LNG接收站对于视频监控图像中的风险场景识别仍依靠人工手段进行，需要大量人力投入，自动化程度低，对于人员监管水平、知识经验、责任心等方面有较高要求，无法做到实时隐患预警，对风险的控制具有不确定因素；当前逐步应用于其他领域的自动化图像识别技术并未针对LNG接收站实际运行特点，无法覆盖LNG接收站各类风险场景，与实际工程情况仍有较大差距等问题，提供一种基于计算机视觉的LNG接收站风险场景识别平台和方法。
[0005]为实现上述目的，本专利技术采取以下技术方案：
[0006]基于计算机视觉的LNG接收站风险场景识别平台，包括：
[0007]LNG接收站风险场景单元，LNG接收站风险场景单元用于识别基于典型接收站功能分区的风险场景和基于危险类别的风险场景；
[0008]图像数据单元，图像数据单元用于获取和预处理图像数据；
[0009]计算机视觉识别模型单元，计算机视觉识别模型单元用于管理、训练及验证模型；和
[0010]结果输出单元，结果输出单元用于根据计算机视觉识别后的模型，对识别的风险
场景、图像数据、时间、监控设备名称及编号、数据通路号进行即时保存，并输出特定类型的报警信号，用以采取针对性风险应对措施。
[0011]基于典型接收站功能分区的风险场景包括：根据接收站典型分区及其功能、环境和设施装置特点确定风险场景，接收站典型分区包括码头区、LNG储罐区、工艺装置区、槽车装车区、公用工程及辅助生产区、办公备勤区及周界区域。
[0012]基于危险类别的风险场景包括：人的不安全行为风险场景、物的不安全状态风险场景、环境风险场景。
[0013]人的不安全行为风险场景包括：由于人员主观或客观因素所产生的导致潜在风险后果的行为场景，包括误触误操作、违章指挥违章操作、违反规定行为以及未配备防护、未开展监护、应急状况下未响应行动。
[0014]物的不安全状态风险场景包括：物的客观存在或所处状态不符预期而导致潜在风险后果的场景，包含因物的自身缺陷、风险防护屏障缺失、空间位置或运动状态不符预期而产生的风险场景。
[0015]环境风险场景包括：由于自然气候环境或作业环境不符预期而导致潜在风险后果的场景。
[0016]图像数据单元包括：图像数据获取子单元及图像数据预处理子单元，的图像数据获取子单元以视频流拉取方式从视频监控中心硬盘录像机或通过RTSP协议、GB 28181协议从前端图像采集设备获取视频流，并通过解码抽帧实现图像获取，或通过照片直接抓取实现图像获取目的的功能单元；图像数据预处理子单元结合识别场景对图像数据进行特征选择和提取，添加特征标注，同时对不符合要求的图像数据进行丢弃、将添加特征标注后的图像数据进行随机分组，70％的图像数据作为训练组，30％的图像数据作为测试组、对训练组图像数据进行样本划分，根据标注及场景区分为正样本或负样本，添加样本标签。
[0017]计算机视觉识别模型单元包括模型管理子单元，模型管理子单元对具体风险场景的计算机视觉识别模型进行加载后针对目标图像数据执行识别命令，输出结果后进行模型卸载的整个流程，以指令层为入口，执行模型加载指令，并在业务层进行模型文件参数校验；如校验失败，返回模型加载失败指示；如校验成功，将业务层的模型文件加载到系统执行层中，返回模型加载成功指示，同时对目标图像数据执行识别，输出结果信号；以指令层为入口，执行模型卸载指令，并在业务层进行模型状态校验；如校验状态为模型未加载，直接返回模型卸载成功指示；如校验状态为模型已加载，将执行层模型进行卸载并删除过程执行文件后，返回模型卸载成功指示。
[0018]计算机视觉识别模型单元包括模型训练及验证子单元，模型训练及验证子单元对分组并添加注释后的测试组图像数据集进行卷积神经网络训练，将迭代完成后的参数模型应用于测试组图像数据集，以验证模型识别精度的子单元，以输入层、卷积操作层、池化采样层、全连接层与输出层为基础构成卷积神经网络模型结构，将测试组图像数据集及其特征标注信息导入神经网络输入层；通过卷积操作实现对图像数据的局部特征感受，并将得到的特征图进行池化采样处理，计算其平均值以实现特征图的维度降低，将特征图输入全连接层，形成一维特征图；对全连接层的一维特征图进行分类，利用Soft
‑
max分类器计算不同类别的最大似然概率，得到图像数据的几何特征参数；定义网络损失函数，计算各层与期望值间的残差值，通过对权重更新进行算法迭代运算，迭代完成后将测试组图像数据集应
用于模型，以验证精度；如精度不满足要求，通过导入更多训练数据样本进行再学习，并对模型参数进行调整和重新迭代，直至精度满足要求后，形成应用模型。
[0019]基于计算机视觉的LNG接收站风险场景识别方法，包括：风险场景特征辨识及定义以及场景图像化识别，其中
[0020]风险场景特征辨识及定义包括：由主体对象、次要对象、环境与背景信息、特征关系描述4类元素对风险场景的图像特征进行定义，包含如下步骤：
[0021]建立元素层，确定主体对象、次要对象、环境与背景信息在图像层面的内容；
[0022]建立状态层，确定主体对象、次要对象的状态，并根据环境与背景信息定义场景所处环境；
[0023]建立特征关系层，确定主体对象、次要对象间的关系特征，以及对象与场景环境间的关系特征，基于上述特征对风险场景进行定义；和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于计算机视觉的LNG接收站风险场景识别平台，其特征在于，包括：LNG接收站风险场景单元，所述LNG接收站风险场景单元用于识别基于典型接收站功能分区的风险场景和基于危险类别的风险场景；图像数据单元，所述图像数据单元用于获取图像数据并进行预处理；计算机视觉识别模型单元，所述计算机视觉识别模型单元用于管理、训练及验证模型；和结果输出单元，所述结果输出单元用于根据所述计算机视觉识别后的模型，对识别的风险场景、图像数据、时间、监控设备名称及编号、数据通路号进行即时保存，并输出特定类型的报警信号，用以采取针对性风险应对措施。2.根据权利要求1所述的基于计算机视觉的LNG接收站风险场景识别平台，其特征在于，所述基于典型接收站功能分区的风险场景包括：根据接收站典型分区及其功能、环境和设施装置特点确定风险场景，所述接收站典型分区包括码头区、LNG储罐区、工艺装置区、槽车装车区、公用工程及辅助生产区、办公备勤区及周界区域。3.根据权利要求1所述的基于计算机视觉的LNG接收站风险场景识别平台，其特征在于，所述基于危险类别的风险场景包括：人的不安全行为风险场景、物的不安全状态风险场景、环境风险场景。4.根据权利要求3所述的基于计算机视觉的LNG接收站风险场景识别平台，其特征在于，所述人的不安全行为风险场景包括：由于人员主观或客观因素所产生的导致潜在风险后果的行为场景，包括误触误操作、违章指挥违章操作、违反规定行为以及未配备防护、未开展监护、应急状况下未响应行动。5.根据权利要求3所述的基于计算机视觉的LNG接收站风险场景识别平台，其特征在于，所述物的不安全状态风险场景包括：物的客观存在或所处状态不符预期而导致潜在风险后果的场景，包含因物的自身缺陷、风险防护屏障缺失、空间位置或运动状态不符预期而产生的风险场景。6.根据权利要求3所述的基于计算机视觉的LNG接收站风险场景识别平台，其特征在于，所述环境风险场景包括：由于自然气候环境或作业环境不符预期而导致潜在风险后果的场景。7.根据权利要求1所述的基于计算机视觉的LNG接收站风险场景识别平台，其特征在于，所述图像数据单元包括：图像数据获取子单元，所述图像数据获取子单元以视频流拉取方式从视频监控中心硬盘录像机或通过RTSP协议、GB 28181协议从前端图像采集设备获取视频流，并通过解码抽帧实现图像获取，或通过照片直接抓取实现图像获取；图像数据预处理子单元，所述图像数据预处理子单元结合识别场景对图像数据进行特征选择和提取，添加特征标注，同时对不符合要求的图像数据进行丢弃、将添加特征标注后的图像数据进行随机分组，70％的图像数据作为训练组，30％的图像数据作为测试组、对训练组图像数据进行样本划分，根据标注及场景区分为正样本或负样本，添加样本标签。8.根据...

【专利技术属性】
技术研发人员：窦星，肖立，赵思思，宋涛，张彧，田靓，李欣欣，许佳伟，邢楠，冯伟，
申请(专利权)人：中海石油气电集团有限责任公司，
类型：发明
国别省市：