基于人工智能的输煤廊道监控管理系统及其方法技术方案

本申请公开了一种基于人工智能的输煤廊道监控管理系统及其方法，其采用基于机器视觉的人工智能监控技术，以提取出廊道内施工人员的施工监控视频中各个关键帧的隐含特征分布基于长距离的上下文依赖和中距离上下文依赖的关联特征，并基于这两者的融合特征来进行廊道内施工人员是否存在异常行为的判断检测。这样，能够实时准确地对于廊道内施工人员的异常行为进行智能识别检测。行为进行智能识别检测。行为进行智能识别检测。

【技术实现步骤摘要】
基于人工智能的输煤廊道监控管理系统及其方法


[0001]本申请涉及监控
，且更为具体地，涉及一种基于人工智能的输煤廊道监控管理系统及其方法。

技术介绍

[0002]煤矿开采行业作为劳动力密集的行业，管理好施工人员有着非常重要的意义。对施工人员进行合理有效的管理，既能保证施工的质量，又能促进工程顺利进行，缩短施工周期并减少成本投入，从而提升企业竞争力。现场施工过程中人是核心要素之一，对人员的管理是保障项目成功的关键因素。
[0003]但是，由于输煤廊道特殊的环境，一些危险因素及异常行为现象仅依靠现场人员与工业电视和人员(机器人)定时巡检是无法及时发现和处理的，为输煤系统的安全生产埋下了隐患，进而也大大增加现场工作人员的危险程度。并且，目前在对于廊道内施工人员的异常行为检测中，大多数都是依靠工作人员进行人工观测监控，不仅效率低下，而且作业人员在施工过程中的行为较多，这使得对于作业人员在施工中存在的异常行为检测的精准度较低。
[0004]因此，期望一种优化的输煤廊道监控管理系统，其能够实时对于廊道内施工人员进行智能识别，以实时准本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的输煤廊道监控管理系统，其特征在于，包括：监控模块，用于获取由摄像头采集的廊道内施工人员的施工监控视频；采样模块，用于从所述施工监控视频提取多个人员施工监控关键帧；图像特征提取模块，用于将所述多个人员施工监控关键帧分别通过作为过滤器的卷积神经网络模型以得到多个人员施工特征向量；第一施工动作理解模块，用于将所述多个人员施工特征向量输入双向长短期记忆神经网络模型以得到人员施工动作局部语义理解特征向量；第二施工动作理解模块，用于将所述多个人员施工特征向量输入基于转换器的上下文编码器以得到人员施工全局动作语义理解特征向量；特征融合模块，用于融合所述人员施工动作局部语义理解特征向量和所述人员施工全局动作语义理解特征向量以得到分类特征向量；以及监控管理结果生成模块，用于将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示廊道内施工人员是否存在异常行为。2.根据权利要求1所述的基于人工智能的输煤廊道监控管理系统，其特征在于，所述采样模块，进一步用于以预定采样频率从所述施工监控视频提取所述多个人员施工监控关键帧。3.根据权利要求2所述的基于人工智能的输煤廊道监控管理系统，其特征在于，所述图像特征提取模块，进一步用于：使用所述卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述卷积神经网络模型的最后一层的输出为所述人员施工特征向量，所述卷积神经网络模型的第一层的输入为所述人员施工监控关键帧。4.根据权利要求3所述的基于人工智能的输煤廊道监控管理系统，其特征在于，所述第一施工动作理解模块，包括：第一尺度上下文理解单元，用于将所述多个人员施工特征向量输入双向长短期记忆神经网络模型以得到多个第一尺度上下文人员施工特征向量；和第一级联单元，用于将所述多个第一尺度上下文人员施工特征向量进行级联以得到所述人员施工动作局部语义理解特征向量。5.根据权利要求4所述的基于人工智能的输煤廊道监控管理系统，其特征在于，所述第二施工动作理解模块，进一步用于：将所述多个人员施工特征向量通过可学习嵌入矩阵分别转化为查询向量和关键向量；计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；将所述标准化自注意关联矩阵输入Softmax激活函数进行激活以得到自注意力特征矩阵；将所述自注意力特征矩阵与以所述多个人员施工特征向量中各个人员施工特征向量作为值向量分别进行相乘以得到所述多个人员施工动作语义理解...

【专利技术属性】
技术研发人员：陈晓伟，郭凯，吴坤松，李伟豪，刘鹏飞，田宏哲，刘先春，
申请(专利权)人：北京华能新锐控制技术有限公司，
类型：发明
国别省市：