煤炭卸料口人员风险智能监测方法技术

本发明专利技术公开了一种煤炭卸料口人员风险智能监测方法，本发明专利技术的主要设计构思在于，在煤炭卸料口设置辅助照明的警示灯具及若干台监控摄像机，应用物体轮廓识别、人体检测及人员行为判定等机制，对卸料口附近区域出现人员且靠近卸料口的危险行为进行分析处理，并结合警示灯的闪烁以实现拍摄场景变化，从而降低对监控视频中卸料口处人员检测及行为识别的复杂度，从而实现及时发出预警、停机信号，避免出现安全事故。本发明专利技术规避常规的激光、红外传感方式易受粉尘等环境影响的弊端，采用人工智能图像分析策略，能够大幅提升监控精度及响应速度，有效杜绝了误检误报的情况。有效杜绝了误检误报的情况。有效杜绝了误检误报的情况。

【技术实现步骤摘要】
煤炭卸料口人员风险智能监测方法


[0001]本专利技术涉及能源化工生产领域，尤其涉及一种煤炭卸料口人员风险智能监测方法。

技术介绍

[0002]煤炭是焦化、煤化工生产的主要原料，煤炭经汽车运输到厂区生产车间后，在卸料口卸车，同时启动碎煤机对大块煤炭进行破碎。因碎煤机卸料口为敞开式场所，无法屏蔽人员在周边作业，如果人员作业时不慎跌落，将直接导致人身伤害。
[0003]此外，碎煤机一般不具备自动联锁保护措施，通常以手动开关控制设备启停，当人员不慎掉入后无法自动停止运行，极易造成人员伤亡事故，增加必要的安全设备实现设备控制连锁是经常采用的安全防护手段，但在卸车或破碎作业时现场会出现较多粉尘，受此不利环境影响，常规的激光、红外等传感器很容易误报，进而会导致设备经常误动作，严重影响生产效率和设备使用寿命。因此，寻找一种在粉尘干扰下能够保证风险识别效果，又易升级维护的技术方案是解决问题的方向。

技术实现思路

[0004]鉴于上述，本专利技术旨在提供一种煤炭卸料口人员风险智能监测方法，以解决前述提及的技术问题。
[0005]本专利技术采用的技术方案如下：
[0006]本专利技术提供了一种煤炭卸料口人员风险智能监测方法，其中包括：
[0007]控制卸料口处设置的警示灯按预设周期闪烁；
[0008]控制监控摄像机周期性采集卸料口处预设区域的视频信息；
[0009]从所述视频信息中提取物体轮廓特征；
[0010]若根据所述物体轮廓特征判断为运煤车辆，则继续执行下一周期视频采集；
[0011]若根据所述物体轮廓特征判断出现的物体不属于运煤车辆，则在当前视频信息以及后续采集的视频信息中提取图像灰度特征；
[0012]基于所述图像灰度特征启动人体识别，并在确定卸料口预设区域出现人体后，触发报警和/或与急停连锁并控制碎煤机停机。
[0013]在其中至少一种可能的实现方式中，所述基于所述图像灰度特征启动人体识别包括：
[0014]将当前视频中预设区域内的灰度特征保存至预设队列；
[0015]将后续视频采集时间段内获取的视频信息中的灰度特征存入所述预设队列；
[0016]计算所述预设队列中相邻的灰度特征的相似度，形成相似度数组；
[0017]当所述相似度数组中出现至少两个波峰时，触发人体识别策略启动。
[0018]在其中至少一种可能的实现方式中，所述人体识别采用预先构建的人体检测模型，且所述人体检测模型的训练方式包括：
[0019]设定训练目标为在卸料口预设区域内是否出现人员；
[0020]结合设置的视频拍摄场景角度以及预置的真假场景，采集用于训练及测试模型的数据样本；以及，
[0021]对拍摄的各场景进行分类标注，并按不同场景划分检测模型。
[0022]在其中至少一种可能的实现方式中，所述智能监测方法还包括通过人体行为识别模型判定出现人体的视频图像中的人员行为。
[0023]在其中至少一种可能的实现方式中，人体行为识别模型的构建方式包括：
[0024]选择用于人员行为识别的特征提取网络；
[0025]离线构建行为数据集，并利用深度学习训练人员行为识别模型；
[0026]将待识别图像输入所述人体行为识别模型，输出并得到目标人员的行为标签以及置信度信息；
[0027]基于所述行为标签、所述置信度信息以及预设的人员行为先验知识进行逻辑推理，判断并最终确定是否存在人员进入卸料口处预设区域的行为发生。
[0028]在其中至少一种可能的实现方式中，所述逻辑推理的过程包括：
[0029]当各拍摄设备中所述行为标签的识别结果为人员出现时，进行置信度判断；
[0030]基于多个拍摄设备连续采集的视频数据，分别生成对应的置信度序列；
[0031]当全部所述置信度序列均存在超过既定阈值的置信度数值时，判定人员进入卸料口处预设区域的行为存在；
[0032]当至少一个所述置信度序列中未出现超过既定阈值的置信度数值时，进行针对该拍摄设备所采集的视频中不同拍摄场景分析结果的一致性判断；
[0033]若不同场景识别结果不一致，则重新进行人体行为识别；若不同场景识别结果一致，则判定不存在人员进入卸料口处预设区域的行为。
[0034]在其中至少一种可能的实现方式中，根据物体轮廓特征判断是否为运煤车辆的方式包括：
[0035]通过比较物体轮廓特征向量与预设的运煤车辆特征向量的距离是否达到既定距离阈值，若是，则确定视频中出现的物体为运煤车辆。
[0036]在其中至少一种可能的实现方式中，警示灯闪烁周期对应的频率，小于监控摄像机图像采集频率的二分之一。
[0037]本专利技术的主要设计构思在于，在煤炭卸料口设置辅助照明的警示灯具及若干台监控摄像机，应用物体轮廓识别、人体检测及人员行为判定等机制，对卸料口附近区域出现人员且靠近卸料口的危险行为进行分析处理，并结合警示灯的闪烁以实现拍摄场景变化，从而降低对监控视频中卸料口处人员检测及行为识别的复杂度，从而实现及时发出预警、停机信号，避免出现安全事故。本专利技术规避常规的激光、红外传感方式易受粉尘等环境影响的弊端，采用人工智能图像分析策略，一方面将激光、红外等点、线维度的采集和检测扩大到面维度的采集和检测，对粉尘干扰的容忍度更大，另一方面，能够利用视频图像增强、识别等技术进一步提升图像识别效果，同时也能够保证监控精度及响应速度，有效杜绝了误检误报的情况。
附图说明
[0038]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步描述，其中：
[0039]图1为本专利技术实施例提供的煤炭卸料口人员风险智能监测方法的流程示意图。
具体实施方式
[0040]下面详细描述本专利技术的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。
[0041]本专利技术提出了一种煤炭卸料口人员风险智能监测方法的实施例，具体来说，如图1所示，其中包括：
[0042]步骤S1、控制卸料口处设置的警示灯按预设周期闪烁；
[0043]具体地，触发警示灯开启，并按照固定周期T闪烁，所述闪烁周期T对应的频率f＝1/T是监控摄像机采集图像频率的一半以下。
[0044]步骤S2、控制监控摄像机周期性采集卸料口处预设区域(周边危险区域)的视频信息；
[0045]步骤S3、从所述视频信息中提取物体轮廓特征；
[0046]可以理解地，在进行物体轮廓特征提取之前，还可以对采集到的视频信息进行预处理和图像增强，包括但不限于去除视频噪声。
[0047]步骤S4、若根据所述物体轮廓特征判断为运煤车辆，则继续执行下一周期视频采集；这里的下一周期可以是指前文提及的警示灯的闪烁周期T。
[0048]在实际操作中，可以通过本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种煤炭卸料口人员风险智能监测方法，其特征在于，包括：控制卸料口处设置的警示灯按预设周期闪烁；控制监控摄像机周期性采集卸料口处预设区域的视频信息；从所述视频信息中提取物体轮廓特征；若根据所述物体轮廓特征判断为运煤车辆，则继续执行下一周期视频采集；若根据所述物体轮廓特征判断出现的物体不属于运煤车辆，则在当前视频信息以及后续采集的视频信息中提取图像灰度特征；基于所述图像灰度特征启动人体识别，并在确定卸料口预设区域出现人体后，触发报警和/或与急停连锁并控制碎煤机停机。2.根据权利要求1所述的煤炭卸料口人员风险智能监测方法，其特征在于，所述基于所述图像灰度特征启动人体识别包括：将当前视频中预设区域内的灰度特征保存至预设队列；将后续视频采集时间段内获取的视频信息中的灰度特征存入所述预设队列；计算所述预设队列中相邻的灰度特征的相似度，形成相似度数组；当所述相似度数组中出现至少两个波峰时，触发人体识别策略启动。3.根据权利要求1所述的煤炭卸料口人员风险智能监测方法，其特征在于，所述人体识别采用预先构建的人体检测模型，且所述人体检测模型的训练方式包括：设定训练目标为在卸料口预设区域内是否出现人员；结合设置的视频拍摄场景角度以及预置的真假场景，采集用于训练及测试模型的数据样本；以及，对拍摄的各场景进行分类标注，并按不同场景划分检测模型。4.根据权利要求1所述的煤炭卸料口人员风险智能监测方法，其特征在于，所述智能监测方法还包括通过人体行为识别模型判定出现人体的视频图像中的人员行为。5.根据权利要求4所述的煤炭卸料口人员风险...

【专利技术属性】
技术研发人员：赵立秋，耿继强，张华勇，罗祥攀，董新亮，徐学波，马英鹏，顾廷浩，高尚义，张光智，王洪彬，刘锦程，
申请(专利权)人：山东邦维信息科技有限公司，
类型：发明
国别省市：