【技术实现步骤摘要】
本专利技术涉及钻井溢流监测，具体涉及一种基于图像识别的钻井溢流人员操作风险监测系统及方法。
技术介绍
1、石油钻井工程是油气田开发生产过程的重要组成部分，一旦发生溢流、井喷事故，易造成人员伤亡和财产损失。近年来随着高压高含硫、非常规等油气资源的开发，井控安全面临着越来越大的挑战。统计发现，溢流事件仍时有发生，尤其集中在复杂区块和重点探井，需持续高度重视。
2、溢流的及时发现是实施有效井控的关键，严格执行溢流监测坐岗制度并建立溢流早期监测技术对于及早发现井下溢流、制定合理的压井措施、合理控制井筒压力等具有重要的作用，实现早发现、早关井、早处理。现有溢流监测技术中，主要通过井下随钻监测、提高井口传感器监测精度或者井口多源综合信息判定法，基于现场设备改造不断提升监测精度。
3、cn109681136a公开了一种基于多源信息融合的早期溢流监测方法，根据现场的实际情况，选择可获取的能够反映溢流发生的溢流地面、井口及井下监测参数，对每一类溢流监测参数，分别采用训练好的基于支持向量机的溢流智能识别模型进行溢流识别。该方法结合钻井液微流量参数、综合录井参数、井底随钻测量参数综合判别溢流，同时处理应用各类监测参数识别溢流时出现溢流判别结果矛盾、冲突的问题，从而提高溢流监测的可靠性。
4、现有提升溢流监测精度的设备方法，改造成本高、算法复杂，不易推广，不能完全取代人工值守。目前大部分井场主要依赖传统的人工测量泥浆池液面，现场并配置液面刻度尺来观测是否触发液位报警线。但对于人员是否执行溢流监测坐岗制度，无法起到管控
5、cn112196517a公开了一种基于图像识别的钻井标定方法、装置、设备及介质，通过图像识别技术，确定出顶驱至转盘面的像素点数量与顶驱高度之间的像素关系表，以完成钻井的标定，极大减少钻井环境对钻井标定的影响。
6、cn102646191a公开了一种应用于石油钻井伴生气燃烧所产生火焰图像的识别方法，涉及图像处理
，根据火焰图像的色度特征、运动特征，并结合离散分形布朗随机场，对石油钻井伴生气燃烧火焰进行识别，可应用于陆上、海上石油钻井平台的伴生气燃烧火焰监测，也可以结合油井监测系统，对石油钻井平台的整体安全进行监测。
7、目前视频图像识别技术尚未应用于溢流监测领域，对人员违章行为的管控缺少有效手段，因此，本专利技术拟通过视频图像识别技术监控现场人员是否按时进行到岗监测并判断泥浆池液面是否有异常升高，提升钻井现场安全管控水平。
技术实现思路
1、针对上述现有技术存在的问题，本专利技术提出了一种基于图像识别的钻井溢流人员操作风险监测系统及方法，设计合理，克服了现有技术的不足，具有良好的效果。
2、为了实现上述目的1，本专利技术采用如下技术方案：
3、一种基于图像识别的钻井溢流人员操作风险监测系统，包括视频采集模块、视频传输模块、逻辑判断模块以及图像异常报警模块；视频采集模块用于采集关于泥浆池、人员以及液位尺的监控视频；视频传输模块用于将采集到的监控视频流传送到视频存储服务器；逻辑判断模块用于根据算法对视频存储服务器的监控视频进行逻辑判断，逻辑判断包括人员是否定期进行泥浆池液面监测的识别以及泥浆池液面的识别，其中人员是否定期进行泥浆池液面监测的识别包括人员到岗识别以及人员采样动作的识别两部分，泥浆池液面的识别包括液位尺的识别、液位指针的识别、液位刻度的识别；图像异常报警模块包括系统管理模块、报警推送模块、整改闭环模块以及统计分析模块；
4、系统管理模块主要针对现场视频监控点位和实现的场景识别进行灵活配置，控制算法是否在运行状态以及运行何种算法；报警推送模块主要用于将报警时间、地点、类型及图片进行推送，推送方式包括电脑、短信以及微信；整改闭环模块主要是针对发现的报警事件，及时在线整改和验证；统计分析模块主要用于通过视频结构化描述，对已有的报警事件进行不同维度分析及趋势预测，自动生成通报，协助发现现场管理薄弱环节。
5、进一步地，在逻辑判断模块中，针对人员到岗识别，设计了基于faster rcnn的深层神经网络，以整体的方式进行采样人员和工作区域的目标检测；在faster rcnn模型中，主要包括cnn、rpn、roi pooling和classifier四个部分；对于输入faster rcnn网络的任意一张监控图像，首先通过cnn进行特征提取，得到特征映射图；rpn层用多个anchors box遍历特征映射图，得到多个区域；每个区域与gt比较，判断是前景的概率，并计算区域的中心点坐标、宽和高，剔除掉重叠的框，根据前景概率的高低排列，取较高概率的区域为候选区域；候选区域和cnn生成的特征映射图输入到roi pooling层，输出固定7×7大小的特征图；classifier层利用softmax loss和l1 loss对特征图完成分类和定位，输出采样人员和工作平台区域的目标检测结果。
6、进一步地，在逻辑判断模块中，针对人员采样动作的识别基于openpose框架的深层神经网络，深度学习方法包括以下步骤：
7、(a)通过vgg-19进行对监控视频进行特征信息提取，然后采用两分支的多阶段cnn，第一分支用来预测confidence map st，第二分支用来预测pafs lt；在每个阶段之后，预测到的confidence map st、pafs lt以及图像特征信息被连接用于下一阶段。
8、(b)从图像特征信息中提取肢体关键点的具体位置，采用非极大抑制算法获得heat map中的峰值置信度，作为该肢体关键点的score；
9、(c)通过步骤a、b，获得了采样人员关节的信息，信息包括位置和分数，然后采用关节信息和pafs来获得肢体连接；建立深度骨架模型，该模型包含19个肢体，确定每一肢体所对应的两个part和pafs，将两个part之间的pafs信息进行积分，所得结果作为该肢体的置信度；
10、(d)获得了所有肢体后，形成人体的整体骨架，通过不同动作对应的骨架不同的统计特征，从而进行采样人员的特定动作的识别。
11、进一步地，在逻辑判断模块中，针对液位尺和液位指针识别，采用faster rcnn深度学习算法，识别出液位尺和液位指针，并对两个目标同步检测，检测后进行空间位置逻辑判断，进一步降低误测。
12、进一步地，在逻辑判断模块中，针对液位刻度识别，通过对液位刻度标注，确定刻度尺的刻度范围。
13、进一步地，通过线段检测确定精准液位刻度，线段检测采用直线hough变换，通过对二值化的图像方向投影，选择峰值投影值对应的直线参数为线段方向和位置参数，从而确定好各个液位刻度的位置，直线hough变换在检测出的液位尺区域本文档来自技高网...
【技术保护点】
1.一种基于图像识别的钻井溢流人员操作风险监测系统，其特征在于，包括视频采集模块、视频传输模块、逻辑判断模块以及图像异常报警模块；所述视频采集模块用于采集关于泥浆池、人员以及液位尺的监控视频；所述视频传输模块用于将采集到的监控视频流传送到视频存储服务器；所述逻辑判断模块用于根据算法对视频存储服务器的监控视频进行逻辑判断，逻辑判断包括人员是否定期进行泥浆池液面监测的识别以及泥浆池液面的识别，其中人员是否定期进行泥浆池液面监测的识别包括人员到岗识别以及人员采样动作的识别两部分，泥浆池液面的识别包括液位尺的识别、液位指针的识别、液位刻度的识别；所述图像异常报警模块包括系统管理模块、报警推送模块、整改闭环模块以及统计分析模块；
2.根据权利要求1所述的一种基于图像识别的钻井溢流人员操作风险监测系统，其特征在于，在所述逻辑判断模块中，针对人员到岗识别，设计了基于Faster RCNN的深层神经网络，以整体的方式进行采样人员和工作区域的目标检测；在Faster RCNN模型中，主要包括CNN、RPN、ROI pooling和Classifier四个部分；对于输入Faster RC
3.根据权利要求1所述的一种基于图像识别的钻井溢流人员操作风险监测系统，其特征在于，在所述逻辑判断模块中，针对人员采样动作的识别基于OpenPose框架的深层神经网络，深度学习方法包括以下步骤：
4.根据权利要求1任一项所述的一种基于图像识别的钻井溢流人员操作风险监测系统，其特征在于，在所述逻辑判断模块中，针对液位尺和液位指针识别，采用Faster RCNN深度学习算法，识别出液位尺和液位指针，并对两个目标同步检测，检测后进行空间位置逻辑判断，进一步降低误测。
5.根据权利要求1任一项所述的一种基于图像识别的钻井溢流人员操作风险监测系统，其特征在于，在所述逻辑判断模块中，针对液位刻度识别，通过对液位刻度标注，确定刻度尺的刻度范围。
6.根据权利要求5任一项所述的一种基于图像识别的钻井溢流人员操作风险监测系统，其特征在于，通过线段检测确定精准液位刻度，线段检测采用直线Hough变换，通过对二值化的图像方向投影，选择峰值投影值对应的直线参数为线段方向和位置参数，从而确定好各个液位刻度的位置，直线Hough变换在检测出的液位尺区域范围内进行，减少环境的干扰。
7.根据权利要求3所述的一种基于图像识别的钻井溢流人员操作风险监测系统，其特征在于，在所述报警推送模块中，对于人员是否定期进行泥浆池液面监测的识别，若人员没有连续10s出现在监控视频中或者深度学习检测出的人员和工作平台区域的交叉比小于0.5或者连续100帧不符合采样动作，则发出报警信号。
8.根据权利要求7所述的一种基于图像识别的钻井溢流人员操作风险监测系统，其特征在于，计算人员和工作区域的矩形框的交集，判定交叉比是否超过0.5，判定公式为：
9.根据权利要求1所述的一种基于图像识别的钻井溢流人员操作风险监测系统，其特征在于，在所述报警推送模块中，对于泥浆池液面的识别，通过液位尺标注出警戒线，当液位指针达到液位警戒线时，则发出报警信号。
10.一种基于图像识别的钻井溢流人员操作风险监测方法，其特征在于，采用如权利要求1-9任一项所述的一种基于图像识别的钻井溢流人员操作风险监测系统，包括以下步骤：
...【技术特征摘要】
1.一种基于图像识别的钻井溢流人员操作风险监测系统，其特征在于，包括视频采集模块、视频传输模块、逻辑判断模块以及图像异常报警模块；所述视频采集模块用于采集关于泥浆池、人员以及液位尺的监控视频；所述视频传输模块用于将采集到的监控视频流传送到视频存储服务器；所述逻辑判断模块用于根据算法对视频存储服务器的监控视频进行逻辑判断，逻辑判断包括人员是否定期进行泥浆池液面监测的识别以及泥浆池液面的识别，其中人员是否定期进行泥浆池液面监测的识别包括人员到岗识别以及人员采样动作的识别两部分，泥浆池液面的识别包括液位尺的识别、液位指针的识别、液位刻度的识别；所述图像异常报警模块包括系统管理模块、报警推送模块、整改闭环模块以及统计分析模块；
2.根据权利要求1所述的一种基于图像识别的钻井溢流人员操作风险监测系统，其特征在于，在所述逻辑判断模块中，针对人员到岗识别，设计了基于faster rcnn的深层神经网络，以整体的方式进行采样人员和工作区域的目标检测；在faster rcnn模型中，主要包括cnn、rpn、roi pooling和classifier四个部分；对于输入faster rcnn网络的任意一张监控图像，首先通过cnn进行特征提取，得到特征映射图；rpn层用多个anchors box遍历特征映射图，得到多个区域；每个区域与gt比较，判断是前景的概率，并计算区域的中心点坐标、宽和高，剔除掉重叠的框，根据前景概率的高低排列，取较高概率的区域为候选区域；候选区域和cnn生成的特征映射图输入到roi pooling层，输出固定7×7大小的特征图；classifier层利用softmax loss和l1 loss对特征图完成分类和定位，输出采样人员和工作平台区域的目标检测结果。
3.根据权利要求1所述的一种基于图像识别的钻井溢流人员操作风险监测系统，其特征在于，在所述逻辑判断模块中，针对人员采样动作的识别基于openpose框架的深层神经网络，深度学习...
【专利技术属性】
技术研发人员：李千登，厉建祥，程思嘉，樊朝斌，方晓庆，吴德松，刘铭刚，崔靖文，
申请(专利权)人：中国石油化工股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。