劉玉林

（中國石化集團(tuán)勝利石油管理局有限公司電力分公司，山東東營 257091）

0 前言

長期以來，安全管理工作均以事前風(fēng)險(xiǎn)識別告知、現(xiàn)場監(jiān)督檢查、事后總結(jié)處罰的模式進(jìn)行。然而，由于行業(yè)特點(diǎn)和其他多種因素，石化領(lǐng)域安全生產(chǎn)事故屢見不鮮，安全生產(chǎn)成為整個(gè)石化產(chǎn)業(yè)應(yīng)當(dāng)妥善處理的首要問題。視頻監(jiān)視范圍的全面覆蓋為現(xiàn)場違章行為的智能識別和人員行動(dòng)軌跡預(yù)測技術(shù)相結(jié)合提供了基礎(chǔ)，從而對可能發(fā)生的違章行為進(jìn)行預(yù)測，并給現(xiàn)場作業(yè)人員發(fā)出預(yù)警信號，實(shí)現(xiàn)以視頻預(yù)判為基礎(chǔ)的阻止違章的功能，從而提升現(xiàn)場作業(yè)的安全性，消除觸電風(fēng)險(xiǎn)。

針對作業(yè)現(xiàn)場安全生產(chǎn)智能管控技術(shù)，由于需要變電站視頻監(jiān)控系統(tǒng)里實(shí)時(shí)的數(shù)據(jù)源進(jìn)行后續(xù)的圖像識別，因此要求變電站的數(shù)據(jù)接口可提供穩(wěn)定、精確的大流量服務(wù)，擁有較快的響應(yīng)能力。視頻識別技術(shù)主要用于與變電站現(xiàn)場視頻圖像識別檢測的交互，與國內(nèi)主流圖像監(jiān)控廠商的視頻分析服務(wù)器進(jìn)行數(shù)據(jù)傳輸，以及處理分析用戶已經(jīng)上傳的視頻圖像并迅速返回檢測與識別結(jié)果，快速做出違章行為預(yù)測，以此來減小事故的發(fā)生概率。

1 視頻識別技術(shù)的應(yīng)用

從人員作業(yè)區(qū)域開始，首先進(jìn)行人臉識別并核查身份，然后利用開發(fā)人員身份鑒別模塊實(shí)現(xiàn)工種及許可作業(yè)范圍與人員的關(guān)聯(lián)。在整個(gè)作業(yè)過程中，配合移動(dòng)目標(biāo)的檢測技術(shù)可以準(zhǔn)確地將未按規(guī)定正確佩戴安全帽和工裝的人員實(shí)時(shí)上報(bào)給監(jiān)控平臺。為了保障變電站內(nèi)設(shè)備的安全、提升變電站作業(yè)過程的管理效率，智能管控平臺需要具有對識別出的變電站人員的運(yùn)動(dòng)軌跡進(jìn)行全程的跟蹤和預(yù)測功能，因此擬采用卡爾曼濾波策略與行人重識別技術(shù)實(shí)現(xiàn)此功能。增加施工區(qū)域越界告警模塊可以實(shí)時(shí)地識別施工人員在施工過程中是否跨越安全區(qū)域，當(dāng)施工人員翻越警戒線時(shí)可實(shí)現(xiàn)系統(tǒng)自動(dòng)報(bào)警。

采用變電站內(nèi)的固定攝像頭和移動(dòng)攝像頭相結(jié)合的方式，實(shí)現(xiàn)變電站內(nèi)視頻的全面覆蓋?？梢詫?shí)現(xiàn)現(xiàn)場人員從入場到作業(yè)以及作業(yè)終結(jié)的全過程監(jiān)控和提醒，從而有效降低作業(yè)風(fēng)險(xiǎn)和事故發(fā)生概率。

2 現(xiàn)場系統(tǒng)應(yīng)用的主要技術(shù)

該研究是利用變電站內(nèi)不同時(shí)期投入使用的各種型號的視頻設(shè)備所采集的視頻數(shù)據(jù)進(jìn)行識別分析，并通過測試和修正確保目前運(yùn)行的大多數(shù)視頻設(shè)備能夠滿足智能識別的要求。

2.1 人員身份鑒別技術(shù)

研究基于SeetaFace來進(jìn)行人員身份的鑒別，通過在vggface2數(shù)據(jù)集上預(yù)訓(xùn)InceptionResnetV1模型來提取檢測到每個(gè)人臉圖片的特征向量。并利用作業(yè)現(xiàn)場的視頻設(shè)備對所有人員進(jìn)行自動(dòng)捕捉，來判定現(xiàn)場人員是否具備作業(yè)資質(zhì)，識別流程如圖1所示。

圖1 人員身份鑒別流程

2.2 移動(dòng)目標(biāo)檢測技術(shù)

YOLO(You Only Look Once)是基于深度卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)識別和定位算法，整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)只由卷積層組成，輸入的圖像僅僅經(jīng)過一次網(wǎng)絡(luò)就能完成目標(biāo)的分類與定位，所以檢測速度比較快，能夠滿足變電站的實(shí)時(shí)性要求。它創(chuàng)造性地將目標(biāo)候選區(qū)域選擇與識別這兩個(gè)階段任務(wù)合成一個(gè)，僅僅使用一次特征提取，就能準(zhǔn)確地檢測出目標(biāo)并定位其位置。YOLO的網(wǎng)絡(luò)設(shè)計(jì)遵循了GoogleNet的思想，但與之有所區(qū)別，它所采用的是24個(gè)級聯(lián)的卷積層和2個(gè)全連接層。其中卷積層包括3×3和1×1兩種Kernel，最后的全連接層的輸出為YOLO的輸出，長度為：7×7×30。

YOLOv4是YOLO中一個(gè)高效快速的目標(biāo)檢測框架，主要目的在于設(shè)計(jì)一個(gè)能夠應(yīng)用于實(shí)際工作環(huán)境中的快速目標(biāo)檢測系統(tǒng)，且能夠被并行優(yōu)化，并沒有很刻意去追求理論上的低計(jì)算量(BFLOP)。從數(shù)據(jù)處理、主干網(wǎng)絡(luò)、網(wǎng)絡(luò)訓(xùn)練、激活函數(shù)、損失函數(shù)等各個(gè)方面引入一些優(yōu)化方法，使得模型在檢測速度和精度上達(dá)到了目前為止的最優(yōu)匹配。YOLOv4目標(biāo)檢測算法在網(wǎng)絡(luò)結(jié)構(gòu)上比YOLOv3更復(fù)雜，使用了很多訓(xùn)練技巧來提升神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確率。YOLOv4通過引入Mosaic數(shù)據(jù)增強(qiáng)方法與GA算法來選擇最優(yōu)超參數(shù)，并對現(xiàn)有方法進(jìn)行改進(jìn)使其具有更低的訓(xùn)練門檻，能夠在GPU資源有限的條件下得到更好的結(jié)果。

目前采集到的變電站監(jiān)控視頻圖像一般都是24位的彩色圖像，由于RGB彩色圖像變換很大，并不能較好地表示圖像的特征信息，而且分別計(jì)算R、G、B分量值會(huì)增加圖像處理的計(jì)算量，不能滿足視頻圖像的實(shí)時(shí)性要求。所以采用圖像的灰度變換作為圖像預(yù)處理中的重要方法之一。

以一幀圖像為例，首先通過圖像預(yù)處理對輸入的實(shí)時(shí)視頻幀信號進(jìn)行灰度化、圖像去噪以及圖像增強(qiáng)，然后再通過融合多種數(shù)據(jù)增強(qiáng)的目標(biāo)檢測算法YOLOv4對變電站內(nèi)的安全措施進(jìn)行檢測，從而得到視頻序列中目標(biāo)的檢測框，而后篩選出置信度評分大于0.8的檢測框。

采用深度神經(jīng)網(wǎng)絡(luò)的算法，來實(shí)現(xiàn)對變電站內(nèi)安全措施的識別。采集大量數(shù)據(jù)進(jìn)行訓(xùn)練，將訓(xùn)練好的安全措施識別模型運(yùn)用到實(shí)際環(huán)境中，實(shí)現(xiàn)變電站內(nèi)的安全措施識別。將識別出的未按規(guī)定佩戴安全帽和穿工作服的人員信息發(fā)送給平臺，并在前端實(shí)時(shí)顯示分析界面，同時(shí)平臺會(huì)對違規(guī)情況進(jìn)行及時(shí)提醒，以此來保護(hù)人員和設(shè)備的安全，形成更高效、安全的電力保障。識別效果見圖2。

圖2 場景一安全措施識別

2.3 移動(dòng)目標(biāo)跟蹤技術(shù)

定位跟蹤時(shí)，可以通過某種定位技術(shù)得到一個(gè)位置估計(jì)(觀測位置)，也可以根據(jù)經(jīng)驗(yàn)由上一時(shí)刻的位置和速度來預(yù)測當(dāng)前位置。通過卡爾曼濾波進(jìn)行軌跡預(yù)測，并采用關(guān)聯(lián)算法與優(yōu)先分配策略，從小到大匹配消失時(shí)間相同的軌跡，不僅保障了最近出現(xiàn)目標(biāo)的優(yōu)先權(quán)，同時(shí)也很好地解決了目標(biāo)由于遮擋造成的無法再識別問題。主要流程如圖3所示。

圖3 卡爾曼濾波流程

2.4 電子圍欄生成及越界檢測技術(shù)

調(diào)度自動(dòng)化系統(tǒng)中停電設(shè)備情況與視頻設(shè)備關(guān)聯(lián)，在攝像機(jī)上劃定特定的安全區(qū)域，當(dāng)有人攀爬或穿越預(yù)定的區(qū)域時(shí)，能實(shí)時(shí)進(jìn)行報(bào)警，并且能夠聯(lián)動(dòng)視頻監(jiān)控精確定位報(bào)警區(qū)域，其次通過對接調(diào)配一體化系統(tǒng)數(shù)據(jù)，自動(dòng)生成安全區(qū)域。越界檢測采用幾何引射線法來判斷位置點(diǎn)是否在警戒區(qū)域內(nèi)部。幾何引射線法是從目標(biāo)點(diǎn)出發(fā)引一條射線，檢測這條射線和多邊形所有邊的交點(diǎn)數(shù)目。如果有奇數(shù)個(gè)交點(diǎn)，則說明在內(nèi)部，如果有偶數(shù)個(gè)交點(diǎn)，則說明在外部。

射線法的關(guān)鍵在于單向發(fā)射，以水平線為例簡單說明，O點(diǎn)向右發(fā)出射線與多邊形交于B、C、D三點(diǎn)，O點(diǎn)向左發(fā)出射線與多邊形交與A點(diǎn)，兩邊交點(diǎn)數(shù)都是奇數(shù)，而P點(diǎn)位于多邊形以外，所以它無論向哪個(gè)方向發(fā)出射線，都會(huì)有兩個(gè)交點(diǎn)。幾何射線法同樣適用于帶內(nèi)島的形狀，如圖4所示。

圖4 一條射線與內(nèi)島形狀多邊形交點(diǎn)

平臺是以列表的形式發(fā)送工作區(qū)域信息，所以繪制工作區(qū)域的時(shí)候，既可以繪制單工作區(qū)域，也可以繪制多工作區(qū)域。單工作區(qū)域是將平臺發(fā)送過來工作區(qū)域的端點(diǎn)連接起來，繪制成一個(gè)有進(jìn)口的半封閉區(qū)域；多工作區(qū)域是將平臺發(fā)送過來工作區(qū)域信息進(jìn)行遍歷，然后將得到的多個(gè)工作區(qū)域的端點(diǎn)分別連接起來，繪制而成的多個(gè)有進(jìn)口的半封閉區(qū)域。當(dāng)檢測到有施工人員跨越施工區(qū)域時(shí)，會(huì)在分析視頻中實(shí)時(shí)的進(jìn)行文字越線提醒，同時(shí)將人員的越線信息、越線圖片實(shí)時(shí)發(fā)送至平臺，并結(jié)合現(xiàn)場作業(yè)票據(jù)和設(shè)備停電范圍自動(dòng)生成安全作業(yè)區(qū)域，以防止人身觸電事故的發(fā)生。

3 現(xiàn)場測試數(shù)據(jù)及結(jié)論

3.1 測試環(huán)境及測試方式

在變電站內(nèi)選取多站點(diǎn)、不同攝像機(jī)分別進(jìn)行識別分析。分別對作業(yè)過程中運(yùn)動(dòng)中的人臉進(jìn)行識別，并對作業(yè)行為進(jìn)行測試。

3.1.1 人臉識別測試方式

每個(gè)攝像機(jī)選取5段幀率為25 fps、時(shí)長為3 min左右的視頻(約22 500張圖像)作為識別樣本，視頻中包含3 m以內(nèi)、3～5 m、5 m以內(nèi)的人員活動(dòng)場景；人臉庫內(nèi)不少于300個(gè)樣本，所有的測試人員均在人臉庫中；分別測試距離約在3 m以內(nèi)、3～5 m、5 m以內(nèi)的情況，通過人工識別來掌握各場景下有效圖像張數(shù)，系統(tǒng)記錄算法識別成功且準(zhǔn)確張數(shù)。各樣本單獨(dú)計(jì)算不同場景下的準(zhǔn)確率，用成功張數(shù)/有效圖數(shù)即得到識別準(zhǔn)確率，再匯總計(jì)算整體識別率。

3.1.2 作業(yè)行為的識別測試方式

每個(gè)攝像機(jī)選取5段幀率為25 fps、時(shí)長約為3 min的視頻(約22 500張圖像)；場景內(nèi)需包括單人、多人在15 m內(nèi)的正身和側(cè)身情況；分別對單人正身和側(cè)身身著工裝和脫掉工裝場景、安全帽穿戴、人員作業(yè)區(qū)域劃分等在15 m以內(nèi)的有效圖象進(jìn)行人工計(jì)數(shù)和識別計(jì)數(shù)，識別計(jì)數(shù)除以人工計(jì)數(shù)為識別準(zhǔn)確率；并對多人進(jìn)行測試，分別記錄人工計(jì)數(shù)應(yīng)識別的人次和系統(tǒng)算法識別人次，其中識別計(jì)數(shù)除以人工計(jì)數(shù)為識別準(zhǔn)確率。

3.2 攝像頭現(xiàn)場測試數(shù)據(jù)

如表1～表3所示，通過不同攝像機(jī)型號對不同距離的施工人員是否佩戴安全帽、不同距離的正側(cè)臉以及不同距離的越界識別率進(jìn)行比較可以得出結(jié)論，識別準(zhǔn)確率與采集時(shí)間、設(shè)備像素、距離等因素有關(guān)。攝像頭像素的升高、采集時(shí)間的延長等可以使識別率提高，識別物與攝像頭的距離增加則會(huì)導(dǎo)致識別準(zhǔn)確率下降。

表1 安全帽識別現(xiàn)場測試數(shù)據(jù)

表2 人臉識別現(xiàn)場測試數(shù)據(jù)

表3 越界識別現(xiàn)場測試數(shù)據(jù)

4 結(jié)語

在對石化企業(yè)進(jìn)行安全管理研究的時(shí)候需要增強(qiáng)系統(tǒng)化意識，其中大部分安全事故是由于現(xiàn)場操作不規(guī)范引起的，隨著信息技術(shù)的發(fā)展，視頻作為常規(guī)數(shù)據(jù)進(jìn)行存儲分析逐步成為常態(tài)，通過作業(yè)現(xiàn)場違章行為和作業(yè)區(qū)域的實(shí)時(shí)監(jiān)控，可以大幅度降低安全事故發(fā)生的概率，有利于企業(yè)的安全發(fā)展。在工業(yè)應(yīng)用場景中將工業(yè)控制數(shù)據(jù)與現(xiàn)場監(jiān)控視頻相結(jié)合進(jìn)行安全風(fēng)險(xiǎn)分析，對于實(shí)現(xiàn)違章行為的預(yù)先報(bào)警和危險(xiǎn)提示有重要意義。