基于視頻技術的煤礦在線應急預警系統研究

格日勒，王 剛，柳智鑫

(1.內蒙古興安盟公安局，內蒙古 烏蘭浩特 137400； 2.內蒙古能源發電投資集團有限公司，內蒙古 豐鎮 012100； 3.內蒙古電子信息職業技術學院，內蒙古 呼和浩特 010011)

近年來，我國煤礦產業受科技推動影響，礦難事故發生頻率有所降低，但縱觀近幾年的礦難事故，無一不是大型事故，在造成經濟損失的同時，也嚴重威脅作業人員生命安全。同時大型礦難事故的發生伴隨著瓦斯泄漏，造成水土等環境污染，影響范圍較廣[1-2]。為此，對煤礦區域進行在線應急預警尤為必要。現在礦區應用的應急預警系統主要為陳臻等[3]設計的煤礦巷道智能預警系統和李偉山等[4]設計的LSTM煤礦瓦斯預警系統。其中，陳臻等設計的系統受礦井光照環境和傳輸過程中失真影響，導致應急預警不及時；而李偉山等設計的系統依據時間序列實現礦井信息依賴，由于信息融合時信息格式不統一，導致應急預警效果不佳。視頻技術又稱動態圖像傳輸技術，目前被應用在多個領域內，如視頻會議、可視化管理等，在提升人們視覺效果的同時，也提升其應用領域技術水平。本文將視頻技術應用在煤礦應急預警方面，研究基于視頻技術的煤礦在線應急預警系統，以提升煤礦區域安全等級。

1 煤礦在線智能應急預警系統設計

1.1 危險預測指標

在煤礦礦井生產環境中，對煤礦安全生產影響最大的指標是瓦斯濃度，其主要以甲烷為主，包含少量烴類和二氧化碳，遇火即發生燃燒或爆炸。在爆炸時產生高溫、高壓，形成巨大的沖擊力，造成人員傷亡、設備損壞，嚴重的甚至導致礦井坍塌。

井下溫濕度變化影響員工的工作效率和身心健康，嚴重的可能導致員工注意力分散，引發工傷事故，且作業的機電設備也會因散熱效率低影響工作效率，降低了設備的安全性。因此，應當采用傳感器實時準確地監測煤礦瓦斯濃度及溫濕度變化。

1.2 預警系統結構

利用V4L2視頻圖像采集技術，將傳感器應用于煤礦在線應急預警系統，其作用是負責采集煤礦瓦斯、溫濕度等實時數據，使用USB攝像頭通過視頻口連接煤礦地面網并向該網絡傳輸礦井實時視頻圖像[5]，系統結構如圖1所示。

該系統由礦井內控制層、地面網絡層和在線應急預警層組成，通過在礦井內安裝傳感器、USB攝像頭利用視頻口與數據口與地面網絡層的視頻監控接入設備、地面控制設備等相連實現礦井實時信息與視頻圖像傳輸，使用V4L2視頻圖像采集技術完成礦井視頻圖像采集，地面網絡層負責將采集礦井視頻圖像接入設備，利用視頻監控設備和視頻處理服務器等將礦井內視頻圖像傳輸至在線應急預警層。該層預處理礦井視頻圖像后，使用模糊積分算法構建應急預警模型，完成應急預警并向客戶端發出預警通知信息，通過視頻監控、數據監控等手段展開報警提示和應急反響。

圖1 在線應急預警系統結構示意Fig.1 Schematic diagram of online emergency warning system structure

1.3 預警系統硬件組成

1.3.1 攝像頭驅動設計

使用USB攝像頭獲取礦井內視頻圖像信息，攝像頭內核的驅動為V4L2，通過該驅動程序可將USB攝像頭映射為設備文件，將設備文件路徑設置為默認形式，與硬件接口相連接后，依據用戶所需的單幀采集參數，壓縮傳送視頻圖像幀至視頻圖像采集結束[6]。V4L2驅動結構如圖2所示。V4L2視頻圖像采集需始終保持設備文件為打開狀態，依據實際需求設置相關參數和圖像各個幀收集形式，內存空間內形成映射，經反復迭代直至圖像收集完成[7]。

圖2 V4L2驅動結構示意Fig.2 Diagram of V4L2 drive structure

1.3.2 視頻處理服務器設計

在煤礦在線應急預警系統中，對煤礦監測視頻進行采集、傳輸、處理，分析煤礦監測視頻圖像各個幀的信息數據。對視頻圖像進行格式轉換，調整視頻圖像灰度，目的是減少信息計算步驟，降低CPU占用率，提升應急預警效率。在彩色的視頻圖像中每個像素均由R、G、B三個分量組成，各個分量像素點區間最高可達2 553，進行灰度處理后的視頻圖像，其像素點區間最高為255，且原始視頻圖像具備的特點可得到精準保存，大大降低了后期計算量。為提升灰度處理后的礦井內視頻圖像對比度，使用非線性方法將視頻圖像直方圖灰度聚集位置的灰度值恢復為均勻狀態。由于視頻圖像采集環境不佳和濾波的存在，使采集到的視頻圖像存在干擾信息，因此采用中值濾波對采集到的視頻圖像進行去除濾波操作。完成對視頻圖像的處理，為煤礦應急預警分析提供技術支持。

系統利用Visual Studio和C++語音設計視頻處理服務器程序，系統運行過程中會存儲圖片格式、視頻格式以及矢量圖形等數據，將Access 2003作為服務器的存儲數據庫，該數據庫能實現同其他格式數據的相互轉換。服務器功能描述如圖3所示。

圖3 視頻處理服務器功能Fig.3 Video processing server performance

視頻處理服務器采集礦井現場視頻數據和進行報警分別利用攝像頭和智能分析儀完成，最終形成礦井現場的視頻流以及報警信號[8-10]。如果存在報警信號，則向相應的文件目錄中存儲報警視頻，同時存儲對應的路徑。此時服務器驅動聲光報警器進行報警，并形成報警語音，將報警信息通過短信接口反饋到用戶終端上。視頻處理服務器和手機客戶端分別通過H.264對壓縮的視頻數據進行編碼和解碼。

1.4 預警系統軟件組成

1.4.1 系統功能模塊設計

系統功能模塊包括數據輸入模塊、視頻控制模塊、信息檢索模塊、空間數據可視化模塊以及水害預測和防治模塊。

(1)數據輸入和編輯模塊。輸入不同種類的數據信息，主要是圖形、視頻數據，并將這些數據存儲到Access2003數據中，為后續的數據調用提供服務。同時該數據庫不斷調整對煤礦水害形成干擾的不同因素數據，為后續的煤礦預警、煤礦治理等提供可靠的數據分析依據。

(2)視頻控制模塊。接收視頻服務器反饋的煤礦現場視頻數據，并通過H.264編碼實現數據的編碼處理后，利用顯示模塊將視頻呈現給用戶。

(3)信息檢索模塊。可對系統中的視頻信息、空間數據等進行實時檢索和定位，確保用戶可實時檢索系統中的數據。

(4)空間數據可視化模塊。對數據庫中的文字和圖像等數據進行顯示，同時可將煤礦災害發生的范圍直觀呈現出來。

(5)煤礦災害預測和防治模塊。可依據輸入的視頻數據和空間數據，通過GIS平臺實現煤礦災害的全方面預測，并且將預測結果通過空間數據可視化模塊反饋給用戶，同時為用戶提供合理的防治策略。

1.4.2 報警短信攔截程序設計

報警視頻控制模塊能夠檢索、顯示以及過濾報警視頻。報警短信攔截程序對報警視頻關聯模塊的管理功能的高效運行具有重要關聯性。系統報警短信攔截程序如圖4所示。

圖4 報警短信攔截流程Fig.4 Alarm SMS interception process

如果入侵目標被視頻服務器發現，則用戶客戶端會接收到服務器通過短信平臺接口反饋的報警信息，此時客戶端報警短信攔截程序匹配短信信息。當該信息同預先設置的信息一致，則用戶會收到系統提供的報警音樂提示音，用戶可在客戶端點擊該條記錄，并查看相應的現場報警視頻；若信息不一致，則不執行任何操作。

2 仿真分析

2.1 實驗準備

為驗證系統的使用效果，以某大型礦區數據為依據，在Matlab仿真平臺進行實驗。系統運行環境為Windows 10系統，處理器AMD X250，RAM 4.00 GB，CPU Pentium3，內存512 MB，硬盤500 GB。USB攝像頭3個，溫濕度傳感器1個，瓦斯傳感器1個。

2.2 系統界面

根據上述設置搭建煤礦在線應急預警系統。在進行測試前，需要對系統進行配置，配置傳感器參數，調整煤礦在線監測視頻圖像等。在對傳感器配置完成后，利用攝像頭采集礦井內圖像及視頻，經過處理后回傳至系統。

2.3 預警系統驗證

為驗證圖像處理性能，將格式轉換性能、在線應急反應能力和在線應急預警性能作為指標進行測試。

2.3.1 格式轉換性能測試

視頻圖像格式轉換是實現精準應急預警的基礎，選取該礦區8 000個格式為YUY2的視頻圖像數據，將其轉換為RGB形式，以轉換遺留率作為衡量系統格式轉換能力指標，測試設計系統格式轉換性能。測試結果如圖5所示。

圖5 格式轉換性能Fig.5 Format conversion performance

分析圖5可知，隨著視頻圖像數據量的增加，視頻圖像格式轉換的遺留率逐漸增加，在視頻數據量為1 000～3 000個時，其格式轉換遺留率均在2%以下，遺留率上升微乎其微，且隨著視頻數據量的增加，視頻圖像格式轉換遺留率曲線呈現較平緩上升趨勢；當數字視頻圖像據量為8 000個時，其視頻圖像轉換遺留率僅為5%。由此可知，視頻圖像格式轉換能力較強。

2.3.2 在線應急反應能力測試

系統在線應急反應能力是體現預警效果指標之一，以數據傳輸時間為指標，統計系統傳輸8 000個視頻圖像數據耗時，測試其在線應急反應能力，結果如圖6所示。

圖6 在線應急反應能力Fig.6 On-line emergency response capability

分析圖6可知，系統傳輸視頻圖像耗時與數據量呈正比。當視頻圖像數據量為2 000～8 000個時，平均傳輸耗時為0.57 s；當視頻圖像數據量最大時，傳輸耗時最大，為0.8 s。由此可知，視頻圖像數據傳輸速度快，在線應急反應能力強。

2.3.3 在線應急預警性能

以8 000個礦井內視頻圖像為實驗樣本，平均分為5組，統計系統預警的應急情況并使用1～5標注法對結果進行標注。其中，數字1～5分別表示應急程度較好、一般、稍微嚴重、嚴重、極度嚴重，結果見表1。

表1 在線應急預警性能Tab.1 Online emergency warning performance

分析表1可知，本文系統預警的礦井應急程度與實際礦井應急程度完全相同，不易造成應急資源浪費。由此可知，本文系統可以精準預警礦井應急程度。

3 實例分析

將本文系統應用于當地某煤礦中，利用1個USB攝像頭采集礦井內的圖像，并采用圖像視頻處理技術對圖像進行采集后處理，測試設計系統的煤礦圖像采集處理能力。結果如圖7所示。分析圖7可知，本文系統可有效實現煤礦井下圖像的采集，且圖像內邊緣特征可完好地展示。由此可知，本文系統可以實現煤礦在線圖像采集處理能力。

圖7 采集處理煤礦圖像Fig.10 Collect and process coal mine images

4 結語

本文結合視頻技術研究基于視頻技術的煤礦在線應急預警系統，該系統有效利用視頻技術對傳感器和USB攝像頭采集到的礦井內數據進行處理，并通過構建預警模型完成礦井應急預警。經過實驗驗證，本文系統在視頻圖像數據量為8 000個時，視頻圖像轉換遺留率僅為5%，視頻圖像格式轉換性能較好；預警的礦井應急程度與實際礦井應急程度一致，在線應急預警性能強。

參考文獻(References)：

[1] 武強，徐華，趙穎旺，等.基于云平臺的礦井水害智慧應急救援系統與應用[J].煤炭學報，2018，43(10)：2661-2667.

Wu Qiang，Xu Hua，Zhao Yingwang，et al.Intelligent emergency rescue system of mine water disaster based on cloud platform and its application[J].Journal of China Coal Society，2018，43(10)：2661-2667.

[2] 王悅，于水，王蘇健，等.微震監測技術在煤礦底板突水預警中的應用[J].煤炭科學技術，2018，46(8)：68-73.

Wang Yue，Yu Shui，Wang Sujian，et al.Application of microseismic

monitoring technology in water inrush warning of coal mine floor[J].Coal Science and Technology，2018，46(8)：68-73.

[3] 陳臻，付文俊.煤礦巷道掘進作業智能監測與安全預警系統設計[J].煤炭技術，2018，37(2)：214-216.

Chen Zhen，Fu Wenjun.Design of intelligent monitoring and safety early warning system for coal mine roadway excavation[J].Coal Technology，2018，37(2)：214-216.

[4] 李偉山，王琳，衛晨.LSTM在煤礦瓦斯預測預警系統中的應用與設計[J].西安科技大學學報，2018，38(6)：1027-1035.

Li Weishan，Wang Lin，Wei Chen.Application and design of LSTM in coal mine gas prediction and early warning system[J].Journal of Xi′an University of Science and Technology，2018，38(6)：1027-1035.

[5] 唐濤，楊明哲，鄭智輝，等.基于視頻分析的南水北調跨渠橋危化車預警系統[J].人民長江，2018，49(23)：122-127.

Tang Tao，Yang Mingzhe，Zheng Zhihui，et al.An early warning system for dangerous vehicles of the South-to-North water diversion bridge based on video analysis[J].Yangtze River，2018，49(23)：122-127.

[6] 原磊明，王海斌，劉旭飛，等.礦井人身安全視頻防護系統設計[J].煤炭技術，2018，37(11)：373-375.

Yuan Leiming，Wang Haibin，Liu Xufei，et al.Design of mine human safety video protection system[J].Coal Technology，2018，37(11)：373-375.

[7] 葉懋，黃品高，呂洋，等.基于FPGA的霧霾視頻圖像實時復原系統研究[J].應用光學，2019，40(5)：812-817.

Ye Mao，Huang Pingao，Lü Yang，et al.Research on haze video image real-time restoration system based on FPGA[J].Journal of Applied Optics，2019，40(5)：812-817.

[8] 劉彤，陳思源，倪維健.基于SIF-Fast text算法的應急預案快速生成[J].中國科技論文，2020，15(11)：1270-1276.

Liu Tong，Chen Siyuan，Ni Weijian.Rapid generation of emergency plan based on SIF-Fast test algorithm[J].China Science and Technology Paper，2020，15(11)：1270-1276.

[9] 趙旭生，馬國龍，喬偉，等.基于事故樹分析的煤與瓦斯突出預警指標體系[J].礦業安全與環保，2019，46(3)：37-43.

Zhao Xusheng，Ma Guolong，Qiao Wei，et al.Coal and gas outburst warning index system based on accident tree analysis[J].Mining Safety & Environmental Protection，2019，46(3)：37-43.

[10] 彭玉敬，劉建，郜彤，等.基于GIS的煤礦企業風險預測預警系統設計[J].工礦自動化，2018，44(6)：96-100.

Peng Yujing，Liu Jian，Gao Tong，et al.Design of risk prediction and early warning system for coal mine enterprises based on GIS[J].Industry and Mine Automation，2018，44(6)：96-100.