視頻智能分析在酒鋼安全生產中的應用

汪貴明，裴國兵，劉曉景

（1.酒泉鋼鐵（集團）有限責任公司信息自動化分公司，甘肅 嘉峪關 735100；2.甘肅鋼鐵職業技術學院，甘肅 嘉峪關 735100）

1 前言

酒鋼信息自動化公司于2016 年投資建設了視頻監控平臺，目前平臺上監控視頻點數已達500 多個，本部廠區單位監控視頻點數共計2000 多個，如果所有視頻通過人工進行監控，工作量巨大，同時因監控人員精力有限、易疲倦，導致工作效率低下且存在監控遺漏的風險。

在現有監控平臺基礎上，公司于2020 年建設了視頻智能分析系統，結合后端服務器，新建的智能分析系統，實現了對視頻監控平臺中任意監控視頻的智能分析和實時告警。

2 視頻智能分析系統設計原則

本系統設計采用先進、安全、可靠的技術，確保系統建成后成為具有國內先進水平、實用可靠、經濟合理的智能分析輔助系統[1-2]。

2.1 先進性

在保證開放性和實用性原則的基礎上，采用先進的人臉抓拍、人臉比對、深度學習算法、熱成像、立體視覺等技術，使其發揮最佳的集成效果，保證在相當長一段時間內系統整體處于先進水準。

2.2 安全性

系統設計充分考慮多級安全防范措施，包括加密傳輸、身份認證等多種方法組合防護，考慮樣本上傳方式及數量、初步模型下發方式及類型、組網架構等元素，根據不同的需要進行不同的安全等級設計，最大限度地保護系統的自身安全。

2.3 可靠性

系統設計時不僅考慮所采用系統設備的先進性，而且更重要的是考慮系統設備的適用性與方案的可靠性，使其長期地發揮其功效。

2.4 經濟性

方案設計充分考慮已建系統情況，在滿足擬建系統要求的前提下復用現有前端設備及管理系統，保護投資。

2.5 擴展性

為提高算法識別效率及準確率，系統支持算法迭代，通過部署后的系統獲取現場樣本，以人工修整方式在AI 開放平臺進行算法迭代升級。

3 視頻智能分析系統組成

系統整體架構圖如圖1 所示，包括AI 開放平臺、實現素材的標定、算法的智能訓練三個部分；智能硬件包括AI 開放平臺和GPU 智能分析設備，可加載相關智能算法，實現隱患智能分析。

圖1 視頻智能分析系統整體架構圖

智能視頻分析系統組成：由前端設備攝像機、網絡傳輸線路、網絡交換設備、后臺分析設備、監控中心管理系統組成。

3.1 架構說明

智能分析輔助系統通過對接入的編碼資源進行實時分析，實現輔助決策的系統功能實時告警及各系統聯動等業務功能；部署計算設備及算法設備管理軟件，實現對實時視頻、歷史數據的智能分析，輔助判斷功能。

3.2 系統優勢

3.2.1 開放平臺

支持AI 算法模型文件直接導入到邊緣設備，如IPC、NVR 等產品，能夠通過軟件定義設備，更具有場景適應性和靈活性。

在算法迭代時，邊緣設備的算法模型升級只需模型文件導入即可，無需設備固件整體升級，能夠保障業務的平滑過渡。

在設備端進行邊緣計算，可有效提升業務的相應速度，節約網絡帶寬，提升數據的安全性。

3.2.2 低成本

本系統改變了過往傳統的AI 開發模式，專門面向零基礎非專業人士，僅需要一臺能夠連接互聯網的普通PC 電腦和Web 頁面操作就可以完成AI算法開發，大幅降低AI 開發門檻和投入成本。

3.2.3 安全可靠

提升用戶的運營管理效率。通過AI 優化用戶業務流程，但不會觸碰用戶的核心數據、隱私數據、商業模式等機密信息，僅需要相關的圖片素材進行算法訓練。算法訓練完畢后，算法模型還可選擇重新部署于用戶的數據中心，不會造成用戶業務數據泄露。

3.2.4 迭代優化

除了提供AI 開放平臺這一算法訓練創新工具外，還可協助搭建業務應用落地的軟件平臺，使實驗室算法走向行業落地，打破應用與算法的壁壘，算法與素材的屏障，解決AI 開發“最后一公里”的問題，推動應用快速上線，保障算法持續迭代更新。

4 視頻智能分析系統建設內容

4.1 硬件利舊部分

本項目智能分析檢測算法所分析檢測的視頻源分兩部分（新建和利舊），一部分為現有已建前端攝像機，通過調整安裝位置及視角達到檢測要求實現，另一部分根據實際需求架設。

4.2 硬件新增部分

4.2.1 前端設備

本項目智能分析檢測算法所分析檢測的視頻源分為新建前端攝像機和已有前端攝像機。

無組織排放監測。增加7 臺雙光譜大焦距云臺攝像機對廠區進行高空覆蓋，實現基于可見光的排放監測及煙霧識別，基于熱成像的全廠區火點識別。

移動類攝像機。增加20 套移動類攝像機，一方面可實現臨時性監控需求，一方面可就固定點位攝像機無法覆蓋的區域進行監視布控，為后端智能分析算法提供理想條件的視頻源。

更換不符合條件的已有其他固定點位攝像機，包括模擬攝像機、720 P 及以下分辨率攝像機，部分損壞及成像質量不佳的點位。

顯示設備。安全管理處室增加顯示系統，包括解碼器1 臺，監視器4 臺，接入新建系統網絡，由本地客戶端實現本區域顯示內容的控制。

4.2.2 后端設備及算法

智能分析設備及算法。包括3 類智能分析設備：一是常規算法分析設備，二是人臉比對分析設備，三是專用算法分析設備。

本項目涉及以下7 類算法：人數超限算法、區域入侵算法、未授權人告警、離崗檢測算法、勞動防護器具檢測、火點檢測、無組織排放算法模型。

軟件部署服務器。利用私有云平臺，部署業務平臺軟件，實現系統人機交互界面服務，設備管理、算法調度等功能。3 臺服務器利用集團公司私有云資源。

業務平臺軟件。增加業務管理平臺軟件，實現系統人機交互界面服務，設備管理、算法調度等功能。

5 智能分析系統實現的功能及智能應用設計

5.1 危險區域人數超限告警

對煉鋼轉爐爐前平臺、動力廠天然氣站等需要限制人員數量的區域，進行區域內人數智能分析，人數超限則告警提示，中控室人員根據告警信息進行相關處置。

AI 智能人員密度筒型攝像機，由白光變焦筒機與高性能GPU 模塊組成，內嵌深度學習算法。通過檢測人頭肩特征，實時統計設定區域內的人員數量，輸出當前區域實時人數及擁堵等級，后端應用軟件可設置人數上限；也可前端設備使用已建的現有設備，后端部署分析服務器加載智能算法來實現。

5.2 危險區域人員入侵告警

對煉鋼液態金屬調運區域、運轉設備運行區域內、設置電子圍欄區域內等嚴禁人員進入的區域內進行人員入侵告警，現場可增加警示燈或語音提示，第一時間告知人員退出區域[3-4]。

開啟周界防范（越界偵測、區域入侵），系統將對視頻做實時檢測，一旦偵測到目標入侵用戶設置的警戒線/區域，且深度學習算法判定入侵的目標為人/車目標時，系統自動產生報警。

5.3 未授權人員進入告警

對限制人員進入的高危險區域內進行智能分析，通過面部識別判斷是否為授權備案的作業人員，否則告警提示。

后端分析設備獲取實時碼流，對視頻中的人臉進行抓拍建模，與庫內名單庫照片進行比對，相似值低于閾值的產生告警至應用平臺。

5.4 重點監控崗位人員脫崗告警

對中控室、消防控制室等國家明確規定24 h 值守的重點崗位進行視頻分析，當崗位人員脫崗后開始計時，超過限定閾值時開始告警。當系統檢測到關鍵區域的工作人數少于設定人數時告警。

5.5 勞動防護器具穿戴使用告警

對重點危險場所、重大危險源等，需要確認人員是否穿戴安全勞保用具，如未佩戴安全帽、未按要求穿著工作服等，告警提示。

基于視頻的安全帽佩戴檢測算法，運用先進的深度學習技術，基于高性能硬件平臺，對視頻畫面中工作人員是否佩戴安全帽、制服行為進行檢測，在未佩戴安全帽及未穿著制服的工作人員進入特定區域后發出告警。

5.6 火災監測告警

對重點危險場所，重大危險源以及重點消防區域，發現明火或者濃煙時，產生告警。

獲取現場明火或者濃煙時的圖片視頻，在AI開放平臺進行算法訓練開發，將開發完成的算法模型部署至智能分析設備。系統檢測到上述情況時，客戶端實現告警功能。

5.7 無組織排放監測告警

在公司廠區范圍內選擇若干高點架設全景紅外熱成像雙目攝像機，實現廠區無死角監測，出現煙氣排放超標以及無組織排放時，產生告警。

通過可見光的方式進行排放煙霧的檢測，需要從排放量上區分正常排放和異常排放，通過AI 開放平臺的分類模式，標定區分兩種狀態，進行算法模型的訓練部署。

通過熱成像的方式，捕捉排放時煙霧的溫度，同時對煙霧的大小進行區分識別。攝像機選擇雙光譜熱成像云臺[5-6]。

6 平臺的建設

6.1 安全生產管理平臺

Infovision iWork-Safety 安全生產管理平臺，采用以視頻為核心的物聯網技術，結合行為分析、人臉識別等AI 技術，實現軟硬件資源的統一調度管理。

AI 模型管理。AI 模型管理主要提供AI 模型下載、模型管理、模型下發、AI 分析任務下發等功能，通過高級參數配置，也可提供AI 模型的自動下載、設備模型自動升級、素材自動上傳的功能。

6.2 短信預警平臺

建立短信平臺客戶端，連接內部多種應用系統，自動接收通過軟件接口推送過來的告警內容，通過規則比對，將短信息發送給相應管理者手機。

6.3 消防管理平臺

安全生產管理平臺對接消防報警系統，消防報警匯總至安全生產管理平臺，調動攝像頭進行視頻采集，判斷真實性后向短信平臺進行推送。

7 結語

本系統在酒鋼個別廠礦進行了試點性應用，從運行一年來的情況看，基本達到了對酒鋼生產過程中的隱患進行實時監控，對于“科技興安”“落實企業安全生產主體責任”具有重要價值和意義，同時，對于其他冶金企業推進安全生產管理信息化建設，提升安全生產管理信息化輔助管理水平，具有一定的借鑒意義。