游青山，冉霞

(1.重慶工程職業(yè)技術學院，重慶，402260；2.工業(yè)機器人與礦山智能裝備系統(tǒng)應用重慶市高校工程中心，重慶，402260；3.中煤科工集團重慶研究院有限公司，重慶，400039；4.瓦斯災害監(jiān)控與應急技術國家重點實驗室，重慶，400037）

0 引言

隨著煤炭開采技術的智能化發(fā)展，“無人工作面技術”、“數(shù)字化礦山技術”、“無人開采技術”不斷涌現(xiàn)。但這些技術的一個重要環(huán)節(jié)就是煤礦安全監(jiān)控系統(tǒng)的智能化，它是煤礦開采技術轉型升級的重要方向。煤礦現(xiàn)場工作人員是否正常操作，是否有違章操作是煤礦現(xiàn)場日常監(jiān)控的重點，現(xiàn)有技術中主要采用人工進行監(jiān)測，效率較低，且監(jiān)測的范圍有限，容易出現(xiàn)安全事故。但囿于煤礦井內(nèi)昏暗、復雜的環(huán)境，通用的視頻監(jiān)控設備在礦井難以發(fā)揮作用，因此，就出現(xiàn)了基于紅外傳感的煤礦井下人員監(jiān)控系統(tǒng)。

現(xiàn)有采用紅外熱成像儀的煤礦井下監(jiān)控系統(tǒng)在使用時還存在一些不足：不能對監(jiān)控區(qū)域形成全方位的監(jiān)測，容易產(chǎn)生監(jiān)測死角；容易受監(jiān)控區(qū)域內(nèi)的其他熱源物體的干擾，影響對人員的監(jiān)測判斷；沒有形成有效的告警機制等。

在運動目標檢測技術方面，基于混合高斯模型和核密度估計的方法是兩種最為常用、效果較為突出的背景建模與更新方法。文獻[1-4]等采用混合高斯模型為場景中的每個像素都建立K個高斯分布來技能型背景建模，較好地反映了多模態(tài)復雜背景的狀態(tài)。通過更新高斯分布的各個參數(shù)來完成背景更新，能夠適應一定的背景變化。但是其對于背景各狀態(tài)均符合高斯分布的假設并不能完全成立。另外算法的計算量大，背景更新的速度較慢，實時性要求強、光線突變及轉化等情況下，難以及時反映背景的實際變化。

在礦井人員行為合規(guī)性評判監(jiān)測與典型違章行為自動辨識方面，目前主要依靠巡檢人員檢查、專家經(jīng)驗、視頻回看等手段，監(jiān)管耗時費力，靠人工判識礦井相關人員行為方面存在重大隱患和違章行為，缺乏自動判識技術及設備。

1 系統(tǒng)原理

一種煤礦現(xiàn)場人員行為監(jiān)測及違章智能識別系統(tǒng)，先通過紅外成像采集單元進行人員圖像數(shù)據(jù)采集，再將數(shù)據(jù)圖像通過數(shù)據(jù)中轉裝置單元上傳至圖像處理器單元，圖像處理器單元對數(shù)據(jù)進行融合分析，并最終傳輸至服務器單元。其中，服務器單元包括第一采集模塊、第一分析模塊、第二采集模塊、第二分析模塊等。第一采集模塊，用于采集煤礦現(xiàn)場人員個人信息；第一分析模塊，用于生成該工作人員相對于該現(xiàn)場工作崗位的違章概率信息；第二采集模塊，用于獲得進入煤礦現(xiàn)場的工作人員相對于各自現(xiàn)場工作崗位的違章概率排名信息，并對排名滿足預設要求的人員進行跟蹤監(jiān)測；第二分析模塊，用于將監(jiān)測圖像輸入煤礦現(xiàn)場人員行為違章識別模型中進行識別，識別出煤礦現(xiàn)場人員行為是否違章；本系統(tǒng)能夠根據(jù)工作人員的自身情況計算出其違章的概率，然后根據(jù)現(xiàn)場多個工作人員的概率排名情況，優(yōu)先對容易違章的人員進行監(jiān)測，避免了對現(xiàn)場工作人員進行逐個監(jiān)測工作量較大效率較低的弊端。

2 系統(tǒng)設計

2.1 系統(tǒng)硬件原理概述

煤礦現(xiàn)場人員行為監(jiān)測及違章智能識別系統(tǒng)，本質(zhì)上是基于熱成像原理的煤礦井下人員監(jiān)控系統(tǒng)。硬件上包括依次連接的紅外成像采集單元、數(shù)據(jù)中轉裝置單元、圖像處理采集單元和服務器單元。紅外熱成像儀數(shù)據(jù)上傳至數(shù)據(jù)中轉裝置單元；數(shù)據(jù)中轉裝置單元接收三個紅外熱成像儀監(jiān)測的熱成像數(shù)據(jù)，并將數(shù)據(jù)進行匯總，然后一同傳輸至圖像處理器單元；圖像處理器單元用于將三個紅外熱成像儀的熱成像數(shù)據(jù)進行綜合處理，提取出其中的人員紅外圖像，然后通過遠程傳輸裝置將人員紅外圖像遠程傳輸至服務器單元；服務器單元用于將接收的人員紅外圖像進行監(jiān)控顯示、存儲、分析等。其應用時，可以對監(jiān)控區(qū)域形成全方位的人員監(jiān)測，有效排除監(jiān)控區(qū)域內(nèi)的其他熱源物體的干擾，提高人員監(jiān)測精度。硬件電路工作原理如圖1所示。

圖1 系統(tǒng)硬件總體結構

2.2 數(shù)據(jù)中轉裝置單元

數(shù)據(jù)中轉裝置單元設有時鐘模塊，用于為三路紅外熱成像儀提供同步時鐘，數(shù)據(jù)中轉裝置單元根據(jù)同步時鐘為接收的三路熱成像數(shù)據(jù)均打上同步時間戳，通過三路紅外熱成像數(shù)據(jù)的時間戳，后續(xù)的圖像處理器單元就能精確地對三路紅外熱成像數(shù)據(jù)進行同步綜合處理。

2.3 圖像處理器單元

圖像處理器單元包括主處理模塊、溫段提取模塊、動態(tài)校對模塊和模型對比模塊，其中：主處理模塊用于將三路熱成像圖像進行合成，建立三維熱成像圖像；溫段提取模塊用于提取設定人體溫段范圍的三維熱成像圖像；動態(tài)校對模塊用于對三維熱成像圖像進行人員動態(tài)校對；模型對比模塊用于對三維熱成像圖像進行人體模型對比，并提取出熱成像圖像中符合人體模型的部分。

主處理模塊先將三路熱成像圖像進行合成，建立三維熱成像圖像；再通過溫段提取模塊提取出三維熱成像圖像中溫度在35℃～38℃的多數(shù)人體溫度范圍內(nèi)的圖像，通過提取該溫段范圍內(nèi)的圖像可以有效去除監(jiān)控區(qū)域內(nèi)其他溫段熱源物體對人員監(jiān)測的影響；然后再通過模型對比模塊將提取的圖像與預先建立的人體熱成像模型進行對比分析，精確提取出其中的人員熱成像圖像，去掉在該溫段范圍內(nèi)的其他熱源物體的影響；最后再通過動態(tài)校對模塊根據(jù)提取出的人員熱成像圖像判定人員的狀態(tài)，看是處于靜止狀態(tài)還是運動狀態(tài)；主處理模塊將最終提取出的人員熱成像圖與狀態(tài)判定結果一同傳輸至服務器。

圖像處理器單元還連接有人員數(shù)量校對模塊，人員數(shù)量校對模塊與遠程傳輸裝置連接，用于根據(jù)人員紅外圖像校對監(jiān)測人數(shù)，并向服務器發(fā)送監(jiān)測人數(shù)信息。

圖像處理器單元還連接有告警模塊，告警模塊與遠程傳輸裝置連接，用于向服務器發(fā)送告警信息。

2.4 告警單元

告警單元，用于在識別出煤礦現(xiàn)場人員行為違章時，對相應的人員進行告警。通過服務器可向人員數(shù)量校對模塊和計時模塊分別發(fā)送設定的人員校對數(shù)量和告警時長，當人員數(shù)量校對模塊校對出的數(shù)量低于設定的人員校對數(shù)量，且持續(xù)的時間達到設定的告警時長時，說明有人員長時間處于監(jiān)控區(qū)域外，有可能發(fā)生意外或擅離職守，人員數(shù)量校對模塊就會通過圖像處理器單元向告警模塊發(fā)出告警提示，告警模塊接收告警提示后向服務器發(fā)送告警信息；當動態(tài)校對模塊監(jiān)測到有人員處于靜止狀態(tài)的持續(xù)時間達到設定的告警時長時，說明有人員可能發(fā)生意外，動態(tài)校對模塊向告警模塊發(fā)出告警提示，告警模塊接收告警提示后向服務器發(fā)送告警信息。

2.5 違章識別設計

違章識別用于建立煤礦現(xiàn)場人員行為違章識別模型。違章識別模型單元具體包括：采集未違章的煤礦現(xiàn)場人員行為圖像；對未違章的煤礦現(xiàn)場人員行為圖像進行機器學習，提取出煤礦現(xiàn)場人員行為違章判別關鍵特征；基于煤礦現(xiàn)場人員行為違章判別關鍵特征，建立煤礦現(xiàn)場人員行為違章識別模型等。利用現(xiàn)有的方法建立煤礦現(xiàn)場人員行為違章識別模型，如人工智能、機器學習、圖像識別等。

3 人員違章識別率結果驗證

紅外成像采集單元布置在礦井下某固定的地點，該點的環(huán)境實測狀態(tài)為：空氣溫度29℃、相對濕度95%、風速0.9m/s等。采用3組不同數(shù)量的試驗人員在紅外成像采集單元識別區(qū)域內(nèi)進行隨機的行為動作，并且試驗人員已被告知，可進行相關的違章動作，但違章僅限于規(guī)定的時間、規(guī)定地點、以及規(guī)定的幾類典型的違章動作。由此，通過系統(tǒng)自動識別，并采用人工通過觀察監(jiān)視器同步復核，來驗證系統(tǒng)的人員違章識別率。本試驗分為3次進行。驗證結果如表1所示。

表1 違章識別率對比表

由表1可知，與人工通過監(jiān)視器識別違章行為相比，系統(tǒng)能部分識別人員的違章行為。在違章率方面，在人員數(shù)量較少時，準確率會達到100%正確，而在人員較多時（樣本為24人依次通過），準確率會有所降低，存在少判、誤判等情況。分析原因，主要為違章動作不夠明顯。因此，為了提高機器違章的識別有效性，可加強對典型違章動作的機器學習，并對識別模型相關優(yōu)化。

4 結語

本系統(tǒng)首先通過硬件的紅外熱成像機器智能識別，對礦井人員的圖像進行采集和預處理等，把圖像傳輸至服務器單元進行處理，對是否違章進行判斷；其次進行軟件處理時，通過概率值處理、疲勞監(jiān)測處理等措施，把違章識別并分門別類，并最終實現(xiàn)人員違章的確認。本系統(tǒng)大大提高了煤礦對員工違章的識別度，實現(xiàn)了機器智能操作，減輕了人員的工作強度，并且在現(xiàn)場得到了很好的驗證和應用。