基于深度學習圖像識別的石油工人智能安全檢查系統

熊江宜

摘要：目前，國內采油工程精細化管控要求日益提高，現場安全管理是精細化管理核心內容，傳統企業使用的視頻安全監控系統性能單一，只能依賴人工識別員工不安全行為，效率低下。本文對石油工程視頻監控系統進行研究，以深度學習圖像識別技術為核心，對石油工程視頻監控系統予以優化，使系統能主動預防和控制安全生產事故，及時警報和處理因石油工人不安全行為形成的安全隱患。

關鍵詞：圖像識別;石油工程;視頻監控;安全檢查

中圖分類號：TP311 ? ? ?文獻標識碼：A

文章編號：1009-3044（2020）25-0171-02

1 引言

石油工程工作場所充滿了危險性，安全生產事故時有發生。在工作現場對石油工人進行安全裝備檢查和安全行為監測能夠有效減少事故發生，減輕事故造成的損失。視頻監控技術不斷普及，在工程現場管理越來越多的應用，企業管理人員通過直觀圖像可以方便地進行管理和監控，及時糾正違章、防范風險，同時在突發應急情況時，能夠遠程指揮應急處置，提高應急處置能力。隨著人工智能、互聯網+、5G等技術的興起，傳統監控系統需與這些前沿技術結合，使監控系統逐步實現智能化、自動化，形成石油工程現場安全管理“人防”“技防”相結合的監管系統。

2 構建石油工人智能安全檢查系統

2.1監控系統技術現狀

大多數石油礦井施工現場監控采用的為數字錄像視頻技術，對信號傳輸的方式為網線傳輸，具體過程為采用專用設備進行管理視頻管控器和終端，從而達到在工作時間內對油礦井的施工監控需求。但在實際施工過程中，不同礦井之間的信號傳輸能力以及礦井數量等問題，會導致采用傳統視頻傳輸方式會被網絡波動所影響，以及面對終端訪問量的增加，最終導致實效性不足以滿足行業標準。除此之外，對于傳統的視頻管控過程大多采用人工方式，工作量大、晝夜值班等方式會導致值班人員出現視覺上的疲倦，在工作過程中難免出現走神的情況，在特出情況發出時，存在不能及時進行預警的可能性。以及對工人的違規操作和可能出現的安全隱患難以做出“提前預警、提前干預、提前處理”。

2.2構建新型石油礦井施工安全監測體系

（1）油礦井檢測標準化操作流程

對石油礦井施工安全監控體系的線路的客觀分析，應當根據實際油礦井數目以及油礦工作施工作業實際需要進行構建。首先要要嚴格遵守標準化檢測體系，讓安全施工生產能夠確實落到實處，然后加強網絡技術，讓整個安全監管體系在技術方面得到支持。除此之外，在應用視頻技術的過程中，注重視頻編碼和視頻輸送不同技術的融合，不但要做到整體安全監測體系可視化，而且保證遠程視頻監控在視頻傳輸過程中做到實時性。

（2）油礦井安全檢測體系構架

對于油礦井的安全監測體系實際工作過程中是通過監控的手段將實地工作場景通過視頻編碼的形式采用無線網絡的形式進行實時存檔、實時傳輸，對應的安全管理員借助油礦井的現場施工傳輸過來的視頻對一些違規操作、安全隱患、預災難進行整體管理。通過存檔等方式，可以將現場工作視頻通過數據庫做出歷史比對，以及讓油礦井設計人員進行分析處理，做出災難預處理方案、安全救援方案等一系列安全措施。

（3）油礦井檢測體系應用范圍

油礦井在實際施工過程中監測安全的單位有：基層安全監測機構、油礦井基建施工單位;油礦井設計施工單位。也就是說參與整個項目具體施工操作單位都需要視頻數據，對工地安全進行監管和保證。

油礦井安全監測體系使用的范圍是：通過油礦井基層安全管理員使用無線監控器對施工場地中工人施工行為進行實時監測;油礦井項目基層管理處對傳輸視頻數據進行實時分析，對編碼視頻進行預處理，做好預案工作，對所有施工過程中可能出現的危險及時準備應急方案;通過數據庫服務器的上傳使油礦井設計施工單位工程人員開展統計數據工作和監管工作，實時掌控現場施工安全狀況。

3對視頻監測體系優化步驟

上文提到在實際施工過程中由于網絡、工作人員精力有限、客戶端訪問等問題會導致出現安全隱患，為了解決視頻檢測機制出現的問題。在對國內外先進視頻傳輸技術和硬件設備結合的基礎上，深入研究符合油礦井實際施工過程中出現的問題，對一些特定情況進行優化，提升視頻傳輸過程中的實時效應，降低安全隱患出現的可能性。下文分別從：組建符合油礦井需求的局域網、采用新型流媒體技術傳輸數據、采用智能分析識別技術、采用智能分析識別技術、因地制宜，建立“一油井一政策”體系，五個方面提出問題解決思路。

3.1組建符合油礦井需求的局域網

對于實際施工過程中的油礦井，數據的傳輸和圖像的實時性需要有嚴格地把控，需要對實地施工現場進行觀察布線并做現場測試，對比不同局域網的優劣，可以選擇Mesh網進行構建網絡。對于油礦井局域網構建模式可以采用網狀結構的布線模式，對施工過程中的實時視頻、圖像進行傳輸。圖像、視頻傳輸分別采用不同的傳輸通道，提升傳輸效率。

3.2采用新型流媒體技術傳輸數據

上文提到由于可能存在多個客戶終端在有限的網絡帶寬中觀看同一個實時視頻，所以在每個終端都會占用一個帶寬資源，使得網絡堵塞，造成多終端無法進行同時觀看實時視頻。經過對系統進行改進，通過新型流媒體技術對實時視頻進行整合、合并、分發，極大地節約了視頻上傳過程中消耗的流量，極大提升了多終端對實時視頻同時訪問的成功率。

實際操作中，在多終端在同一時刻訪問實時視頻過程中，讓首先訪問的用戶產生一份訪問流量，讓實時視頻下載到對應的流媒體服務器中，別的用戶在進行訪問的過程中可以通過再流媒體服務器中進行獲取視頻資源，不用消耗額外的流量，從而解決多終端同時訪問實時視頻的問題。

3.3采用智能分析識別技術

具體操作過程是將視頻傳輸、采集融合智能分析模塊，使得處理層品平臺能夠變成“智能檢測”監控體系的核心層。在整個過程中采用多分析模式，對違規作業、高空作業、高壓作業等場地進行全方位監控，對施工人員行為進行實時檢測，出現異常立馬報警，有效緩解傳統意義上通過人工觀察檢測報警的滯后性。與人工值班相結合，出現監控信息與預設計算法有不一致行為立馬報警，并且向服務器上傳數據，學習此次行為是否屬于高危行為，并且通知值守人員是否采用人工干預措施。

3.4組建油礦井綜合視頻信息監控體系

對于油礦井的實際施工場景，要充分對實時視頻數據、實時油溫油壓等信息進行備份，讓數據做到集中調控、多層共享，打開管理人員的觀看權限，對施工現場的實時監控錄像進行備份、上傳數據庫。同時建立油礦井施工過程中綜合信息管理體系，要對不同時段施工過程中出現的數據信息、視頻信息、圖像信息做到可視化處理，并且管理人員定期分析視頻中出現的高危行為，做出預處理方案，并對高危行為進行總結歸納，對一線施工人員開展安全培訓教育，降低出現安全事故的概率。

3.5因地制宜，建立“一油井一政策”體系

由于油礦井的情況不盡相同，所以在油礦井的視頻監控體系建設過程中應該選擇“一油井一政策”體系，從而實現不同復雜環境選擇更為合理的政策進行監管，對于不同工種的監控區域所選擇的構建方案，應該因地制宜，嚴防教條主義，嚴格以實際施工過程中出現的問題考慮解決方案，實事求是，最大限度地提升檢測效率，從而降低施工事故出現的可能性。

4安全應用效果

（1）對施工工地工人的行為進行監控，并且能夠提供詳細的管理規劃標準，對施工過程中安全風險評估、施工策劃評估做出預案。使用油礦井檢測體系能夠讓整體施工流程更加科學化、合理化，讓整體施工行為變得安全可控，對科學管控提供了便利。

（2）智能視頻傳輸。油礦井安全監測體系采用實時監控智能化處理，根據基層指揮部或者風險安全管控部門監控的實時安全情況，再結合安全施工管理條例，通過客戶端、手機端對工作人員施工過程進行隨時監控，對高危工作區域劃分安全等級，實施調控對應的安全保護措施，配合動態圖像處理算法，無死角對施工現場進行監控，保證工作人員的作業安全以及施工安全，從而達到提升整體安全管理水準。

5成果預估

本文主要針對油礦井工作環境特殊，危險系數較高而設計的監控體系，通過智能圖像識別系統和機器學習算法技術，再結合傳統油礦井安全管理條例。對施工人員的穿著要求、施工作業要求、安全區域等做出了系統規范，通過手機端、施工現場屏幕警示、擴音設備等手段進行實時警報，降低使用風險。對傳統的人工監控體系進行逐步替代，幫助提升油礦井監測管理水平。

（1）采用深度學習人像處理技術，進行多特征分析建模，并且采用多特征向量融合神經網絡、聚合特征目標提取技術等手段解決施工現場可能出現的安全問題，從而解決傳統人工監控手段效率低、出錯率高的問題。逐步實現半自動化監督體系，保障了油礦井施工人員的安全。

（2）提出了深度學習中目標跟蹤算法、結合多特征處理的數據融合檢測技術，對現場施工過程中同時存在多個施工違規行為進行同時報警，提升了施工過程中安全水平。

（3）采用了基于光學相機深度學習預報警處理算法，對現有監控設備進行升級調試，連接監控系統到服務器終端傳輸數據，將傳統的監控攝像變成主動防護，實現智能化處理，提升監控過程中的工作效率。

參考文獻：

[1] 王舜智.基于GWS平臺的深度學習方法應用研究——以大慶油田某區塊為例[J].信息系統工程，2020（1）：81-82，85.

[2] 羅偉. 基于深度學習的F-A因子構建及其在巖性砂體儲層預測中的應用[C]. 中國地球物理學會油氣地球物理專業委員會、中國石化石油物探技術研究院、江蘇省地球物理學會.2019年油氣地球物理學術年會論文集.中國地球物理學會油氣地球物理專業委員會、中國石化石油物探技術研究院、江蘇省地球物理學會：中國地球物理學會油氣地球物理專業委員會，2019：71-74.

[3] 岳清清. 深度學習在巖石薄片圖像檢索中的應用研究[D].西安：西安石油大學，2019.

[4] 袁一丹. 基于圖像識別的工作人員穿戴規范性檢測技術研究[D].成都：電子科技大學，2019.

[5] 顧巖. 基于深度學習的人臉識別技術及在油田作業區的應用研究[D].成都：電子科技大學，2019.

[6] 計洪圖.勝利油田視頻集成應用平臺構建與實施[J].科技資訊，2018，16（36）：1-7.

【通聯編輯：梁書】