基于靜態(tài)灰度圖像人臉識別算法的功圖診斷方法研究

段澤英 趙美剛 張新政 游莉

[摘 要] 油井示功圖是判斷泵工作狀況好壞的一個重要依據(jù)。目前，新疆油田數(shù)據(jù)庫中已存有大量功圖數(shù)據(jù)，并且經(jīng)過專家審查分析后將解釋成果數(shù)據(jù)入庫管理，為我們后續(xù)的數(shù)據(jù)挖掘提供了寶貴的數(shù)據(jù)資源。本文基于靜態(tài)灰度圖像人臉識別算法，對油井示功圖診斷、分析進(jìn)行應(yīng)用研究，研究成果表明，利用灰度圖像人臉識別算法可以有效輔助油田生產(chǎn)業(yè)務(wù)人員、管理人員快速、準(zhǔn)確診斷油井示功圖，及時采取措施，對提高單井生產(chǎn)時率有重要意義，同時也為智能新疆油田建設(shè)單井問題診斷應(yīng)用研究提供了必要的技術(shù)支持。

[關(guān)鍵詞] 智能油田；靜態(tài)灰度圖像；人臉識別算法；示功圖；解釋；參數(shù)判斷

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2014 . 03. 019

[中圖分類號] F270.7；TP312 [文獻(xiàn)標(biāo)識碼] A [文章編號] 1673 - 0194（2014）03- 0038- 04

1 引 言

目前，新疆油田數(shù)據(jù)庫中已存有大量的功圖數(shù)據(jù)和功圖解釋成果數(shù)據(jù)，這些數(shù)據(jù)是由功圖儀現(xiàn)場測試、專家分析確認(rèn)后入庫的功圖數(shù)據(jù)和解釋成果數(shù)據(jù)，具有重要的參考價值。為了減輕油田生產(chǎn)業(yè)務(wù)人員、管理人員重復(fù)解釋功圖的工作量，提高功圖診斷的時效性，本文介紹灰度圖像人臉識別算法的應(yīng)用研究。

2 實(shí)測油井示功圖常規(guī)分析方法

所謂理論示功圖是比較規(guī)則的平行四邊形，而實(shí)測功圖由于多種因素的影響（如：砂、蠟、氣、黏度），圖形變化很復(fù)雜，各不相同。因此，要正確地分析抽油井的生產(chǎn)情況，必須全面掌握油井動態(tài)、靜態(tài)資料以及設(shè)備的狀況，結(jié)合示功圖的變化找出油井的主要問題，采取適當(dāng)?shù)拇胧?，提高油井產(chǎn)量和泵效。

傳統(tǒng)分析示功圖的方法是將示功圖分割成4塊，進(jìn)行分析對比，找出泵工作不正常的原因，提出解決問題的措施。即：左上角主要分析游動凡爾的問題，缺損為凡爾關(guān)閉不及時，多一塊為出砂并卡泵現(xiàn)象；右上角主要分析光桿在上死點(diǎn)時活塞與工作筒的配合情況；右下角主要分析泵充滿程度及氣體影響情況；左下角主要分析光桿在下死點(diǎn)出現(xiàn)的問題，如：固定凡爾的漏失情況等。

3 人臉識別算法的研究

人臉識別是模式識別領(lǐng)域內(nèi)的一個前沿課題，有著十分廣泛的應(yīng)用前景。人臉識別技術(shù)是基于人的臉部特征，對輸入的人臉靜態(tài)圖像或者視頻動態(tài)圖像進(jìn)行分析、處理后，給出人臉形狀、大小和各個主要面部器官的位置信息，并依據(jù)這些信息，進(jìn)一步提取每個人臉中所蘊(yùn)涵的身份特征，與已知的人臉進(jìn)行比對，從而識別每個人臉的身份。

3.1 人臉識別的主要技術(shù)方法

（1）幾何特征識別方法。幾何特征可以是眼、鼻、嘴等的形狀和它們之間的幾何關(guān)系。這些算法識別速度快，需要的內(nèi)存小，但識別率較低。

（2）基于特征臉（PCA）的人臉識別方法。特征臉方法是基于KL變換的人臉識別方法，KL變換是圖像壓縮的一種最優(yōu)正交變換。高維的圖像空間經(jīng)過KL變換后得到一組新的正交基，保留其中重要的正交基，由這些基可以張成低維線性空間。如果假設(shè)人臉在這些低維線性空間的投影具有可分性，就可以將這些投影用作識別的特征矢量，這就是特征臉方法的基本思想。這些方法需要較多的訓(xùn)練樣本，而且完全是基于圖像灰度的統(tǒng)計(jì)特性的。

（3）基于神經(jīng)網(wǎng)絡(luò)的人臉識別方法。神經(jīng)網(wǎng)絡(luò)的輸入可以是降低分辨率的人臉圖像、局部區(qū)域的自相關(guān)函數(shù)、局部紋理的二階矩等。這類方法同樣需要較多的樣本進(jìn)行訓(xùn)練。

3.2 人臉識別系統(tǒng)的處理過程

一般來說，人臉識別系統(tǒng)包括圖像攝取、人臉定位、圖像預(yù)處理及人臉識別（身份確認(rèn)或者身份查找）。系統(tǒng)輸入一般是一張或者一系列含有未確定身份的人臉圖像，以及人臉數(shù)據(jù)庫中的若干已知身份的人臉圖像或者相應(yīng)的編碼，而其輸出則是一系列相似度得分，表明待識別的人臉的身份。

人臉識別技術(shù)中被廣泛采用的是區(qū)域特征分析算法，它融合計(jì)算機(jī)圖像處理技術(shù)與生物統(tǒng)計(jì)學(xué)原理于一體，利用計(jì)算機(jī)圖像處理技術(shù)從視頻中提取人像特征點(diǎn)，利用生物統(tǒng)計(jì)學(xué)的原理進(jìn)行分析并建立數(shù)學(xué)模型，即人臉特征模板。利用已建成的人臉特征模板對被測者的面像進(jìn)行特征分析，根據(jù)分析的結(jié)果來給出一個相似值，通過這個值即可確定是否為同一人。

4 基于靜態(tài)灰度圖像人臉識別算法的油井功圖診斷方法的研究

基于灰度圖像人臉識別算法的思想，我們把采集到的油井示功圖進(jìn)行數(shù)字化和圖像灰度分布?xì)w一化處理，然后進(jìn)行特征維數(shù)壓縮，最后提取相應(yīng)的特征值進(jìn)行識別。

因此，我們將示功圖置于一個標(biāo)準(zhǔn)2×1矩形內(nèi)，以載荷和位移的最大值和最小值為邊界，然后將其分成網(wǎng)格，網(wǎng)格數(shù)為M（64）×N（32），灰度矩陣完全是依據(jù)示功圖的形狀為基礎(chǔ)而構(gòu)成的，為方便計(jì)算機(jī)編程處理，首先根據(jù)示功圖網(wǎng)格的規(guī)模數(shù)將網(wǎng)眼初始化為“64”或者按實(shí)際情況進(jìn)行擴(kuò)大，然后我們以“1”為邊界 ，按照等高線的原則進(jìn)行賦值，每遠(yuǎn)離邊界一格其灰度值將增加一級，邊界外部每遠(yuǎn)離邊界一格其灰度值將減少一級，最后檢查矩陣中的功圖是否完全封閉，如果存在斷點(diǎn)，在相鄰兩點(diǎn)中插“1”補(bǔ)齊，使其完全封閉，直至整個網(wǎng)格全部填充完畢后賦值結(jié)束，如圖1所示。

4.1 灰關(guān)聯(lián)度分析診斷示功圖方法的思想

油井示功圖經(jīng)過灰度處理后，分別將正常狀態(tài)和異常狀態(tài)的樣本序列作為參考序列，通過對序列之間變化趨勢的相似或相異程度來衡量樣本的接近程度，對系統(tǒng)運(yùn)行狀態(tài)的動態(tài)過程做出量化分析，進(jìn)而對系統(tǒng)的運(yùn)行狀態(tài)做出診斷?；谊P(guān)聯(lián)分析的技術(shù)內(nèi)涵是首先獲取序列間的差異信息，并建立差異信息空間，然后建立與計(jì)算差異信息的關(guān)聯(lián)度，最后建立因素間的序列關(guān)系并進(jìn)行分析的過程。

由于事物發(fā)展過程存在相似性和相近性兩個方面，因此兼顧兩者提出了一種灰關(guān)聯(lián)度的方法，即ABO型關(guān)聯(lián)度。

對示功圖進(jìn)行量的描述是圖像灰度統(tǒng)計(jì)的過程，灰度矩陣反映了圖像灰度分布情況，依據(jù)示功圖進(jìn)行處理所得到的灰度矩陣，取灰度矩陣的6個統(tǒng)計(jì)特征作為灰度直方圖的表征，分別是灰度均值、灰度方差、灰度偏度、灰度峰度、灰度能量、灰度嫡。如圖2所示。

待測示功圖曲線與特征庫中的示功圖曲線之間的關(guān)聯(lián)程度，主要是用關(guān)聯(lián)度的大小次序描述，而不僅僅是關(guān)聯(lián)度的大小。在各關(guān)聯(lián)度計(jì)算出來以后，將待測功圖特征向量與N個標(biāo)準(zhǔn)參考特征向量的關(guān)聯(lián)度從大到小排序，就可以得到不同功圖的特征模式對待測功圖特征分析影響的重要程度。根據(jù)關(guān)聯(lián)度的性質(zhì)，當(dāng)待檢測功圖的特征向量與某一標(biāo)準(zhǔn)參考功圖的特征向量關(guān)聯(lián)度最大時，則可以認(rèn)為該待檢測功圖屬于相應(yīng)的參考功圖特征模式，從而達(dá)到對示功圖故障診斷的正確分類和識別。

4.2 利用灰度圖像人臉識別算法診斷示功圖的步驟

首先建立示功圖的特征庫。即將新疆油田歷史功圖數(shù)據(jù)和專家確認(rèn)過的解釋成果數(shù)據(jù)提取出來進(jìn)行歸類合并，用統(tǒng)一編碼的方式規(guī)范功圖解釋結(jié)果，并且每種解釋結(jié)果對應(yīng)大量的歷史功圖數(shù)據(jù)，將這些功圖數(shù)據(jù)進(jìn)行數(shù)字化處理后存儲于關(guān)系數(shù)據(jù)庫（oracle）中，且與功圖解釋結(jié)果、診斷編碼一一對應(yīng)。如圖3所示。

然后，將當(dāng)前采集的功圖和特征庫中的功圖分別進(jìn)行灰度圖像歸一化處理。即將采集功圖與特征庫功圖分別放置到灰度矩陣中進(jìn)行圖像歸一化處理，并生成相關(guān)特質(zhì)值。

最后，將采集功圖與特征功圖的灰度圖像進(jìn)行比對。即將當(dāng)前采集功圖的灰度特征與特征功圖的灰度特征進(jìn)行檢索、比對，選取比對結(jié)果（相似度）值最高的特征功圖解釋結(jié)果作為當(dāng)前功圖的解釋結(jié)果，完成功圖診斷。具體診斷步驟如圖4所示。

5 應(yīng)用效果

抽油井故障智能診斷可以依據(jù)功圖特征和靜態(tài)灰度圖像人臉識別算法，采取與建立的功圖特征數(shù)據(jù)相比對的方法，通過計(jì)算相似度或相近度，即可實(shí)現(xiàn)抽油井凡爾漏失、氣鎖、氣影響、卡泵、柱塞脫、供液不足、上掛（防沖距過大）、下碰（防沖距過?。⒑Y管堵、桿斷脫、蠟影響、連抽帶噴等功圖的快速診斷。

功圖特征法在實(shí)際的使用中，由于每口抽油井的泵深和載荷不同，致使一個區(qū)塊的功圖特征與另一區(qū)塊功圖特征相互排斥。因此，我們將功圖特征值由6個擴(kuò)充為12個（如表1所示），可有效地對比功圖的相似度（如圖5所示），從而提高功圖診斷的符合率。

下面以新疆油田某井為例，將當(dāng)前采集的功圖與特征庫中的特征功圖進(jìn)行灰度歸一化處理后，比較其相似度。比較結(jié)果相似度93.98%，取特征功圖解釋結(jié)果作為當(dāng)前功圖的解釋結(jié)果，即氣影響。再結(jié)合產(chǎn)液量、產(chǎn)油量、產(chǎn)氣量、動液面等參數(shù)進(jìn)行二次判斷，最終確認(rèn)上述功圖診斷結(jié)果正確。如圖6所示。

單從一幅功圖的特征來看也可以有兩種解釋結(jié)果，如：斷脫和凡爾漏的功圖極其相似，快速診斷可能會給出兩個診斷結(jié)果，供用戶參考，所以必須要結(jié)合參數(shù)進(jìn)行二次判斷才能得到最終的解釋結(jié)論。參數(shù)判斷的依據(jù)如表2所示。

6 結(jié)束語

目前，人臉識別技術(shù)主要應(yīng)用于企業(yè)、住宅安全管理，電子護(hù)照及身份證，公安、司法和刑偵，信息安全等領(lǐng)域。本文首次將此項(xiàng)技術(shù)與灰度圖像法相結(jié)合，在油井示功圖識別、診斷中進(jìn)行應(yīng)用，與油井常規(guī)示功圖診斷相比能夠?qū)崿F(xiàn)快速診斷，且具有較高的準(zhǔn)確性，為油井智能診斷提供了可靠的依據(jù)，同時也為智能新疆油田建設(shè)提供了一項(xiàng)技術(shù)支持。

主要參考文獻(xiàn)

[1]劉瑾，徐可欣，陳小紅，等.采用圖像融合技術(shù)的多模式人臉識別[J].工程圖學(xué)學(xué)報，2007，28（6）：72-78.

[2]李子青.人臉識別發(fā)展新趨勢——“三化兩合”[J].中國安防，2008（7）：76-80.

[3]劉慶祥，蔣天發(fā).彩色與灰度圖像間轉(zhuǎn)換算法的研究[J].武漢理工大學(xué)學(xué)報：交通科學(xué)與工程版，2003，27（3）：344-346.

[4]陳曉明.實(shí)用圖像分析與處理技術(shù)[M].北京：電子工業(yè)出版社，2002：155-190.

[5]姚家奕，姜萬錄.計(jì)算機(jī)圖像技術(shù)及其應(yīng)用[M].北京：國防工業(yè)出版社，2000：10-65.

[6]劉益江，張學(xué)臣，李偉，等.抽油井示功圖綜合解釋[J].油氣田地面工程，2007，26（8）：3-5.

[7]劉煒，劉宏昭.三種泵功圖特征提取方法及比較[J].煤炭技術(shù)，2010，29（9）：202-204.