張立亞
(1.煤炭科學(xué)技術(shù)研究院有限公司,北京100013;2.煤礦應(yīng)急避險技術(shù)裝備工程研究中心,北京100013;
3.北京市煤礦安全工程技術(shù)研究中心,北京100013)
近年來,隨著自動化、信息化技術(shù)的發(fā)展,煤礦安全工作得到了明顯的提升,井下各類安全監(jiān)控系統(tǒng)對煤礦的安全生產(chǎn)起到了重要作用[1-5]。但是,由于視頻監(jiān)控無法進行危險源或違規(guī)等行為的智能辨別,形成安全管控盲區(qū),為井下生產(chǎn)埋下一定的安全隱患。
現(xiàn)有煤礦安全監(jiān)控系統(tǒng)主要針對工作環(huán)境及設(shè)備監(jiān)控,未對人員等動目標實時有效監(jiān)管和分析,存在動目標管控不全面等問題,尤其是對井下危險行為無法辨識、安全隱患排查不到位等導(dǎo)致的事故時有發(fā)生?,F(xiàn)有的工業(yè)電視監(jiān)控系統(tǒng),設(shè)計簡單、功能單一,只是對進行監(jiān)控視頻進行實時顯示和存儲等,沒有對視頻流或者圖像信息進行分析、預(yù)判,在視頻監(jiān)控中存在局限性。無法滿足進行重點區(qū)域的動目標管控的需求。
為了解決井下人員、設(shè)備等在安全管理中存在的問題,彌補現(xiàn)有工業(yè)電視監(jiān)控功能的局限性,以煤礦井下人員和煤量作為動目標的研究對象,應(yīng)用智能化視頻分析技術(shù),對煤礦綜采面、掘進面、變電所、采空區(qū)等重要區(qū)域進行可視化實時監(jiān)控與分析,及時做出預(yù)警,實現(xiàn)井下動目標的智能安全管控。
利用井下人員圖像內(nèi)部的灰度差異,將圖像中的人員劃分為不同的區(qū)域,再對劃分的各個區(qū)域采用采用SIFT(Scale-invariant feature transform,尺度不變特征變換)算法進行特征提取,并基于提取到的特征進行與模板圖像之間的特征匹配[6-7]。人員特征提取與匹配具體流程為:
1)在相同成像條件下,分別采集人員圖像,并組成樣本圖像集。對圖像中人員進行結(jié)構(gòu)分割,組成工作人員的身軀樣本圖像集A(身軀)、工作人員的上肢樣本圖像集B(手臂)、工作人員的下肢樣本圖像集C、工作人員的頭部樣本圖像集D。
2)分別對樣本圖像集A、B、C、D 中的圖像灰度化,對灰度化后的樣本圖像集A、B、C、D 中每個樣本圖像的相鄰尺度圖像做差計算得到高斯差分尺度空間。
3)通過擬合方法和Hessian 矩陣,剔除低對比度點和邊緣相應(yīng)點,得到精確特征點,定義為待檢測特征點。
4)將待檢測特征點與樣本圖像特征點進行相似性判定,匹配相似度最高的特征點則為識別結(jié)果值。
通過以上步驟,可以實現(xiàn)人體檢測與跟蹤。
結(jié)合煤礦井下低照度、環(huán)境復(fù)雜等情況,采用視頻檢測與UWB(Ultra Wideband)動目標精確定位技術(shù)相結(jié)合的方法進行人員位置識別。利用標定的危險區(qū)域位置與人的位置相互關(guān)系[8-9],進行人員的判斷,進而視情況發(fā)出預(yù)警。人員位置判斷圖如圖1。
圖1 人員位置判斷圖Fig.1 Personnel position judgment chart
圖1 中,人員到危險區(qū)域邊界的距離為D,人員到2 個攝像儀的距離分別為L1和L2,危險區(qū)域預(yù)判邊界與危險區(qū)域邊界的間距為H,P 為人員定位判距P1與視頻判距P2的融合結(jié)果值。
式中:x、y 為權(quán)值,根據(jù)井下測試數(shù)據(jù),當井下視頻情況良好的情況下,y>x,一般取值y=0.7,x=0.3,當井下照度低粉塵大的情況下,y 將人員到危險區(qū)域邊界的距離D 與危險區(qū)域預(yù)判邊界與危險區(qū)域邊界的間距H,進行數(shù)值比對,若D 圖2 危險區(qū)域動目標跨界判斷圖Fig.2 Cross border judgment chart of moving targets in hazardous area 對人員位置異常檢測主要分析步驟包括:①通過SIFT 方法進行人員行為特征的提取;②進行人員特征點的匹配,實現(xiàn)對人員行為分析;③檢測到人員靠近邊界時,攝像儀進行人員位置判斷,并調(diào)取UWB 定位系統(tǒng)的數(shù)據(jù),按照式(1)進行比對判斷,得到人員的位置P;④判定人員非法進入危險時,系統(tǒng)發(fā)出報警信息。 基于圖像識別的煤礦井下安全管控系統(tǒng)以井下人員的行為、堆煤管理為重點分析對象,根據(jù)智慧礦山安全管理的需求,進行系統(tǒng)設(shè)計[10-13]。 基于圖像識別的煤礦井下安全管控系統(tǒng)主要由井下礦用監(jiān)控攝像儀進行圖像采集,通過通信基站和環(huán)網(wǎng)交換機進行視頻信號的傳輸,煤礦監(jiān)控中心的GPU 云服務(wù)平臺進行視頻流的管理和視頻場景的算法分析處理,硬盤錄像機進行視頻流的存儲,系統(tǒng)分析的違章信息通過聲光報警設(shè)備進行文本、聲音的播報。 系統(tǒng)通過對井下動目標場景的視頻和圖像的分析,包括基于多特征融合的井下動目標識別及異常狀況檢測、煤礦井下復(fù)雜背景圖像增強等技術(shù),把深度學(xué)習(xí)等最新的機器學(xué)習(xí)算法和計算機視覺技術(shù)運用到煤礦生產(chǎn)管理中,實現(xiàn)人員違章預(yù)警識別、井下工作人員人臉識別、帶式輸送機運輸帶堆煤檢測識別、片幫及大塊煤識別等。 安全管控平臺的視頻分析功能為: 1)人員管控功能。包括人員違章預(yù)警識別和井下工作人員人臉識別:主要是對生產(chǎn)期間人員進出危險區(qū)域預(yù)警,如:綜、連采工作面生產(chǎn)期間,非專崗人員進入、非法闖入等異常行為進行監(jiān)控預(yù)警;對井下重點場所如水泵房、變電所、綜采工作面等區(qū)域的人員進行人臉識別,進而實現(xiàn)人員進出的權(quán)限管理。 2)煤量(塊)管控功能。①帶式輸送機運輸帶堆煤檢測識別,利用圖像分析技術(shù),實現(xiàn)帶式輸送機機尾、帶式輸送機運輸帶搭接點等位置堆煤監(jiān)測和超限預(yù)警;②片幫及大塊煤識別,對綜采工作面護幫板、刮板機、轉(zhuǎn)載機等關(guān)鍵場所,進行煤塊的視頻標注訓(xùn)練,當出現(xiàn)直徑超過刮板機寬度或轉(zhuǎn)載機寬度的煤塊進行識別和報警,防止大塊煤堵塞的事件發(fā)生。 在進行井下試驗測試中,井下重點場所布置15臺礦用攝像儀,地面機房布置2 臺視頻分析服務(wù)器、1 臺視頻存儲器,并在煤礦調(diào)度中心搭建1 套煤礦井下安全管控平臺。分別選取井下綜采工作面、移變列車處、帶式輸送機等場所進行場景分析驗證。 1)綜采工作面人員管控。在綜采工作面處對人員的違章行為進行檢測和分析。工作面的刮板機區(qū)域不允許人員闖入,通過電子圍欄設(shè)定危險區(qū)域,當人員位置檢測算法識別到該區(qū)域內(nèi)有人員時,通過人員定位信息判斷人員的權(quán)限,如果非法傳入,則通過聲光報警設(shè)備進行報警提示。工作面人員檢測如圖3。 2)移變列車處人臉識別。在煤礦井下工作面的移變列車處部署1 臺人臉識別攝像儀,進行自動人臉捕捉與識別功能的測試。平臺通過捕捉到的人臉圖像與數(shù)據(jù)庫中的樣本圖像進行比對,當相似度達到90%以上時,進行關(guān)聯(lián)匹配。 圖3 工作面人員檢測Fig.3 Detection of working face personnel 3)煤量(塊)管控。以運行的帶式輸送機機頭為例進行試驗,堆煤檢測報警的閾值上限設(shè)為75%,在軟件平臺視頻畫面中,可以在該圖像的左上角實時查看煤量的占比信息,當超過設(shè)置閾值上限事,進行報警提示。堆煤檢測如圖4,此時煤量值為53%,沒有達到報警值。 圖4 堆煤檢測Fig.6 Stacking coal detection 4)系統(tǒng)技術(shù)指標分析。通過對人員管控場景、煤量(塊)管控場景的多次試驗,對系統(tǒng)平臺的實時分析響應(yīng)時間、識別率等指標進行數(shù)據(jù)統(tǒng)計分析。主要技術(shù)指標見表1。 表1 主要技術(shù)指標Table 1 Main technical indicators 通過表1 可以看出,系統(tǒng)平臺的實時分析響應(yīng)時間小于2 s,識別率大于98%。可以滿足煤礦井下動目標的視頻分析的需求。 基于圖像識別的煤礦井下危險區(qū)域安全管控系統(tǒng),能夠彌補現(xiàn)有煤礦監(jiān)控系統(tǒng)、人員定位系統(tǒng)和視頻監(jiān)控系統(tǒng)的不足。將圖像識別與人員管理數(shù)據(jù)、設(shè)備運行數(shù)據(jù)等進行綜合分析,動態(tài)可靠地識別人、機、環(huán)、管各方面的風險,實現(xiàn)井下動目標的智能管控,能夠有效提高煤礦安全生產(chǎn)水平。2 煤礦井下安全管控系統(tǒng)
3 試驗驗證
4 結(jié) 語