基于深度學(xué)習(xí)的天然氣電廠智能視頻監(jiān)控平臺(tái)應(yīng)用分析

郄文波

（中海油信息科技有限公司，廣東 深圳 518086）

0 引 言

隨著互聯(lián)網(wǎng)信息技術(shù)的不斷發(fā)展，視頻監(jiān)控逐漸從傳統(tǒng)的模擬化、信息數(shù)字化轉(zhuǎn)變?yōu)樾滦途W(wǎng)絡(luò)智能化模式[1]。相較于傳統(tǒng)視頻監(jiān)控模式，網(wǎng)絡(luò)智能化視頻監(jiān)控模式具備監(jiān)測(cè)精度高、圖像解譯效果好以及快捷方便等特征，能夠應(yīng)用在監(jiān)測(cè)視頻圖像序列目標(biāo)定位、檢測(cè)分析、跟蹤以及高級(jí)定義等方面。深度學(xué)習(xí)下的視頻監(jiān)控平臺(tái)能通過(guò)特征要素識(shí)別分析，將訓(xùn)練抽取的特征要素值應(yīng)用在視頻圖像分類、設(shè)備信息安全檢測(cè)等方面，提升生產(chǎn)的智能性、安全性[2,3]。

1 天然氣電廠智能視頻監(jiān)控平臺(tái)整體設(shè)計(jì)

1.1 視頻監(jiān)控平臺(tái)學(xué)習(xí)方法比較分析

為了精準(zhǔn)掌握深度學(xué)習(xí)模式優(yōu)勢(shì)特征屬性，通過(guò)方法本質(zhì)、學(xué)習(xí)背景、識(shí)別精準(zhǔn)度以及適用場(chǎng)景分析等對(duì)比分析傳統(tǒng)視頻監(jiān)控方法和基于深度學(xué)習(xí)視頻監(jiān)控方法，如表1所示。

表1 深度學(xué)習(xí)與傳統(tǒng)視頻監(jiān)控方法對(duì)比分析表

在4種項(xiàng)目分析中，傳統(tǒng)視頻監(jiān)控方法和深度學(xué)習(xí)監(jiān)控方法均能較好地應(yīng)用于天然氣電廠監(jiān)控管理。相較于深度學(xué)習(xí)方式，傳統(tǒng)方法在本質(zhì)上缺乏海量數(shù)據(jù)特征訓(xùn)練，視頻目標(biāo)識(shí)別和分類精度較低。深度學(xué)習(xí)視頻監(jiān)控方法在應(yīng)用中干擾性小，學(xué)習(xí)時(shí)間短。在適用場(chǎng)景方面，深度學(xué)習(xí)視頻監(jiān)控方法在配置硬件設(shè)備時(shí)無(wú)需大量參數(shù)，操作更為便捷高效。

1.2 平臺(tái)設(shè)計(jì)原則

以神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)為背景，探索天然氣電廠智能視頻監(jiān)控平臺(tái)基礎(chǔ)原理和設(shè)計(jì)原則。通過(guò)深度學(xué)習(xí)方法對(duì)監(jiān)控視頻數(shù)據(jù)海量樣本進(jìn)行訓(xùn)練，并通過(guò)選取特征參數(shù)樣本進(jìn)行視頻異常點(diǎn)分析[4]。若海量訓(xùn)練樣本經(jīng)特征向量分析后發(fā)現(xiàn)異常值，則平臺(tái)系統(tǒng)通過(guò)硬件設(shè)備及時(shí)定位、檢測(cè)，通過(guò)軟件設(shè)備進(jìn)行異常數(shù)據(jù)傳輸、分析，以此實(shí)現(xiàn)天然氣電廠視頻監(jiān)控智能預(yù)警服務(wù)，提升天然氣電廠生產(chǎn)安全等級(jí)。

基于深度學(xué)習(xí)的智能視頻監(jiān)控平臺(tái)遵循以下原則：一是智能視頻監(jiān)控平臺(tái)操作界面簡(jiǎn)單，具備較好的易用性和安全性；二是智能監(jiān)控平臺(tái)在不同時(shí)間層面中滿足用戶的管理調(diào)度需求，保證各系統(tǒng)子功能數(shù)據(jù)同平臺(tái)控制中心數(shù)據(jù)傳輸、交互、分析的同步性，實(shí)現(xiàn)海量數(shù)據(jù)存儲(chǔ)、訓(xùn)練分析等；三是平臺(tái)安防系統(tǒng)及時(shí)修訂保密級(jí)別、用戶權(quán)限，對(duì)重要信息多層加密，防止數(shù)據(jù)丟失，保證平臺(tái)采集視頻信息的準(zhǔn)確性。

1.3 平臺(tái)整體架構(gòu)體系

依據(jù)天然氣電廠智能視頻監(jiān)控平臺(tái)設(shè)計(jì)原理和實(shí)際應(yīng)用需求，采用Raspberry Pi作為智能監(jiān)控平臺(tái)架構(gòu)核心單元，平臺(tái)整體架構(gòu)如圖1所示[5]。

圖1 天然氣電廠智能視頻監(jiān)控平臺(tái)架構(gòu)

基于深度學(xué)習(xí)的天然氣電廠智能視頻監(jiān)控平臺(tái)包括報(bào)警監(jiān)控單元、視頻信息處理中心、服務(wù)器、Web服務(wù)器管理中心以及數(shù)據(jù)庫(kù)管理中心。其中，報(bào)警監(jiān)控單元主要依據(jù)信息處理中心的特征結(jié)果判定天然氣電廠監(jiān)控區(qū)域設(shè)備狀態(tài)、設(shè)備元件信息動(dòng)態(tài)特征等，以實(shí)現(xiàn)故障預(yù)警提示。數(shù)據(jù)庫(kù)管理中心主要將所采集的視頻監(jiān)控信息進(jìn)行存儲(chǔ)、篩選、分析等。經(jīng)數(shù)據(jù)管理中心優(yōu)化后，將整理的視頻信息數(shù)據(jù)集匯總傳輸至Web服務(wù)區(qū)器管理中心，實(shí)現(xiàn)高效化、智能化以及一體化的管理。

1.4 平臺(tái)主體內(nèi)容分析

通過(guò)分析監(jiān)控平臺(tái)系統(tǒng)主體內(nèi)容，依據(jù)不同性質(zhì)和作用將其劃分為安全管理模塊、監(jiān)控管理模塊、報(bào)警信息管理模塊以及系統(tǒng)管理模塊。安全管理模塊通過(guò)分析電廠設(shè)備、人員信息數(shù)據(jù)特征向量變化，從而實(shí)現(xiàn)天然氣電廠內(nèi)部安全預(yù)警管理[6]。監(jiān)控管理模塊則實(shí)時(shí)監(jiān)測(cè)廠區(qū)安全和數(shù)據(jù)信息安全，當(dāng)某一視頻監(jiān)控區(qū)域出現(xiàn)設(shè)備損壞現(xiàn)象時(shí)，監(jiān)控硬件及時(shí)采集信息并傳輸至平臺(tái)管理中心進(jìn)行特征要素識(shí)別。通過(guò)動(dòng)態(tài)歷史信息特征識(shí)別，匹配相似特征視頻，以實(shí)現(xiàn)提示預(yù)警。系統(tǒng)管理模塊主要負(fù)責(zé)各平臺(tái)硬件設(shè)備、軟件設(shè)備服務(wù)、協(xié)調(diào)及統(tǒng)一調(diào)度，實(shí)現(xiàn)平臺(tái)智能化安全管理、監(jiān)控管理、報(bào)警管理等，并依據(jù)深度學(xué)習(xí)技術(shù)特征優(yōu)勢(shì)采集、統(tǒng)計(jì)并分析各功能區(qū)動(dòng)態(tài)變化特征，從而保障平臺(tái)各系統(tǒng)安全穩(wěn)定運(yùn)行。

2 天然氣電廠智能視頻監(jiān)控平臺(tái)實(shí)現(xiàn)與分析

現(xiàn)階段，天然氣電廠因管理不到位、值守不及時(shí)、人員巡查不精準(zhǔn)而造成的安全事故頻繁出現(xiàn)。由于深度學(xué)習(xí)方法在視頻監(jiān)控中具有信息識(shí)別精度高、背景干擾因素少、無(wú)復(fù)雜參數(shù)配置以及能通過(guò)特征向量分析處理海量視頻信息數(shù)據(jù)異常值等諸多優(yōu)勢(shì)，因此基于深度學(xué)習(xí)方法構(gòu)建天然氣電廠智能視頻監(jiān)控平臺(tái)，節(jié)約天然氣電廠監(jiān)控管理的經(jīng)濟(jì)成本，提高資源利用率。

智能平臺(tái)ER數(shù)據(jù)庫(kù)在設(shè)計(jì)實(shí)現(xiàn)中以海量數(shù)據(jù)為基礎(chǔ)，具備多功能特征的關(guān)系模型，共建共享。基于深度學(xué)習(xí)的天然氣電廠智能視頻監(jiān)控?cái)?shù)據(jù)庫(kù)具體ER設(shè)計(jì)如圖2所示。

圖2 深度學(xué)習(xí)下電廠智能視頻監(jiān)控?cái)?shù)據(jù)庫(kù)ER圖

本文所構(gòu)建的天然氣電廠智能視頻監(jiān)控平臺(tái)數(shù)據(jù)信息檢測(cè)流程一般為數(shù)據(jù)輸入、分析檢測(cè)、判定CV內(nèi)容、幀間數(shù)據(jù)信息檢索判定、視頻輸出以及視頻動(dòng)態(tài)展示等。其中，輸入視頻信息和讀取部分由R語(yǔ)言或Python軟件實(shí)現(xiàn)，CV內(nèi)容檢測(cè)和幀間數(shù)據(jù)檢測(cè)通過(guò)深度學(xué)習(xí)實(shí)現(xiàn)。通過(guò)平臺(tái)前端系統(tǒng)軟件采集視頻信息，傳輸并存儲(chǔ)于數(shù)據(jù)庫(kù)管理中心。前端軟件與后端軟件協(xié)同操作，依據(jù)深度學(xué)習(xí)方法對(duì)平臺(tái)視頻信息特征要素多重訓(xùn)練分析后判定檢測(cè)信息是否存在異常，進(jìn)而通過(guò)智能軟件服務(wù)平臺(tái)實(shí)現(xiàn)天然氣電廠內(nèi)部設(shè)備、元件的動(dòng)態(tài)監(jiān)控[7]。

表征學(xué)習(xí)是指對(duì)采集的視頻數(shù)據(jù)要素進(jìn)行重識(shí)別分析的過(guò)程。當(dāng)對(duì)某一采集的視頻信息片段特征訓(xùn)練時(shí)，通過(guò)二次訓(xùn)練篩選或推出新的視頻信息特征要素，并經(jīng)過(guò)兩次特征向量分析對(duì)比提高特征向量分析精度，實(shí)現(xiàn)對(duì)天然氣電廠智能視頻監(jiān)控平臺(tái)的視頻信息診斷和監(jiān)測(cè)預(yù)警。

除此之外，度量學(xué)習(xí)作為智能視頻監(jiān)控檢索領(lǐng)域的常見(jiàn)方式，與表征學(xué)習(xí)在學(xué)習(xí)本質(zhì)和特征上存在顯著區(qū)別。例如，度量學(xué)習(xí)在測(cè)試分析過(guò)程中以計(jì)算機(jī)輸入視頻信息為主體，通過(guò)獲取同ID設(shè)備下的視頻信息相似度后進(jìn)行劃分，即縮小同ID設(shè)備下兩者距離或擴(kuò)大不同ID間兩者距離進(jìn)行視頻特征信息篩選。

3 天然氣電廠智能視頻監(jiān)控平臺(tái)實(shí)際應(yīng)用分析

當(dāng)前，基于深度學(xué)習(xí)技術(shù)的智能視頻監(jiān)控平臺(tái)在天然氣電廠運(yùn)營(yíng)管理、產(chǎn)業(yè)安全評(píng)估、經(jīng)濟(jì)產(chǎn)能增值等方面極為重要。基于深度學(xué)習(xí)的智能視頻監(jiān)控平臺(tái)通過(guò)海量視頻信息數(shù)據(jù)特征訓(xùn)練對(duì)比分析，從而實(shí)現(xiàn)全區(qū)域、高精度、及時(shí)性監(jiān)測(cè)和預(yù)警服務(wù)。智能平臺(tái)上線后不僅降低了廠內(nèi)設(shè)備的運(yùn)營(yíng)維護(hù)、保養(yǎng)成本，而且也提高了天然氣電廠管理能力和水平。除此之外，該平臺(tái)具備全天候可靠監(jiān)控、自動(dòng)化控制管理等優(yōu)勢(shì)，不僅很大程度上避免了天然氣電廠人力、物力資源浪費(fèi)，而且有效提升了電廠工作效率、安全管理效率（預(yù)警提示、特征異常值分析等），消除了安全隱患。智能視頻監(jiān)控平臺(tái)能針對(duì)監(jiān)控區(qū)域進(jìn)行不間斷分析預(yù)警，并依據(jù)深度學(xué)習(xí)算法強(qiáng)大的視頻圖像處理能力使用戶可以更加精確地定義視頻特征，減少誤報(bào)和因人為檢修不到位所引起的天然氣電廠安全事故，提升安全效益。

4 結(jié) 論

基于智能視頻平臺(tái)數(shù)據(jù)特征向量分析，檢測(cè)視頻監(jiān)控平臺(tái)海量視頻數(shù)據(jù)異常特征要素，實(shí)現(xiàn)平臺(tái)監(jiān)控預(yù)警能力。通過(guò)表征學(xué)習(xí)實(shí)現(xiàn)采集視頻數(shù)據(jù)要素重識(shí)別過(guò)程，并經(jīng)過(guò)二次向量特征對(duì)比分析后提高特征向量分析精度，減少天然氣電廠內(nèi)可能出現(xiàn)的安全事故。