輕量化CNN及其在煤礦智能視頻監(jiān)控中的應用

許志，李敬兆，張傳江，姚磊，王繼偉

(1.安徽理工大學 電氣與信息工程學院， 安徽 淮南 232001;2.淮北礦業(yè)股份有限公司 機電裝備部， 安徽 淮北 235000)

0 引言

隨著人工智能(Artificial Intelligence，AI)、物聯(lián)網(wǎng)等技術的飛速發(fā)展，煤礦生產也逐步走向智能化，智慧礦山已成為煤礦企業(yè)新的發(fā)展目標[1-3]。在智慧礦山建設中，視頻監(jiān)控的智能化不僅能夠節(jié)約人力資源，還能提高監(jiān)控效率。基于深度神經網(wǎng)絡搭建AI模型對視頻和圖像進行處理是實現(xiàn)智能視頻監(jiān)控的重要手段，傳統(tǒng)深度神經網(wǎng)絡由于大而深的網(wǎng)絡結構[4]，對計算資源和存儲資源的要求非常高，因此AI模型通常部署在運算能力和存儲能力都十分強大的云計算中心。但當前基于云計算的煤礦井下智能視頻監(jiān)控存在以下問題[5-7]：① 將煤礦井下海量的監(jiān)控視頻傳輸?shù)椒掌餍枰加么罅烤W(wǎng)絡資源，容易造成網(wǎng)絡擁塞，并且會產生視頻傳輸延時。② 服務器對海量視頻數(shù)據(jù)進行集中處理，將會對服務器的計算能力產生極大壓力，造成計算延遲。③ 煤礦井下網(wǎng)絡環(huán)境復雜，部分地區(qū)無法上傳監(jiān)控視頻，限制了云計算智能監(jiān)控的租用，無法保障井下生產的安全性。④ 高性能云服務器價格昂貴，增加企業(yè)生產成本。⑤ 將大量數(shù)據(jù)存儲在云服務器中，數(shù)據(jù)的安全性差。

卷積神經網(wǎng)絡(Convolutional Neural Networks，CNN)在圖像特征提取方面的優(yōu)勢使其廣泛應用于各種圖像分類、圖像識別等場合。傳統(tǒng)CNN的龐大網(wǎng)絡結構、海量的參數(shù)規(guī)模及對計算量的高需求，使其無法部署在資源有限的嵌入式平臺上，嚴重限制了CNN的應用范圍。……