一種輕量化油田危險(xiǎn)區(qū)域入侵檢測(cè)算法

田楓，白欣宇，劉芳，姜文文

（東北石油大學(xué) 計(jì)算機(jī)與信息技術(shù)學(xué)院,黑龍江 大慶 163318）

隨著深度學(xué)習(xí)等大量智能算法的出現(xiàn)以及計(jì)算機(jī)性能的不斷提升，使用智能算法對(duì)監(jiān)控視頻進(jìn)行快速分析成為可能。在我國(guó)各大油田由建設(shè)數(shù)字化油田轉(zhuǎn)變建設(shè)智慧油田的背景下，油田危險(xiǎn)區(qū)域入侵智能綜合識(shí)別技術(shù)徹底取代了基于人力監(jiān)控油田的高成本低準(zhǔn)確率的方式，為油田安全提供了有力保障，但油田作業(yè)區(qū)設(shè)備算力有限，攝像頭數(shù)量達(dá)上百路，如何在保證模型精度的基礎(chǔ)上，減少模型的參數(shù)量，盡可能地提高模型的運(yùn)算速度是目前亟待解決的問(wèn)題。

目前基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法根據(jù)預(yù)測(cè)的流程可以分為兩類[1]：第1 類為基于回歸的深度卷積的目標(biāo)檢測(cè)算法，代表性的算法有YOLO(you only look once)系列的YOLOv3[2]，其使用深層的特征提取網(wǎng)絡(luò)Darknet-53[2]以及3 個(gè)尺度的特征圖進(jìn)行邊界框的預(yù)測(cè)，同時(shí)增加了anchor的數(shù)量，YOLOv4[3]提出使用CSPDarknet53[3]來(lái)替換主干網(wǎng)絡(luò)并采用多種訓(xùn)練策略，YOLOv5[4]設(shè)計(jì)了兩種CSP 結(jié)構(gòu)來(lái)適應(yīng)不同的任務(wù)，并加入Focus 做切片操作提高速度。YOLO 系列算法在不同比例的目標(biāo)尺度上泛化性能不好，需要多次下采樣來(lái)獲取標(biāo)準(zhǔn)特征。SSD (single shot multibox detector)目標(biāo)檢測(cè)算法是基于前饋卷積網(wǎng)絡(luò)，其特征提取基礎(chǔ)網(wǎng)絡(luò)中每個(gè)特征層用于檢測(cè)的卷積核大小是不同的，卷積后可以得到多個(gè)尺度檢測(cè)的預(yù)測(cè)值，以實(shí)現(xiàn)圖像的多尺度檢測(cè)，它使用非極大抑制(non maximal suppression,NMS)算法對(duì)預(yù)測(cè)結(jié)果進(jìn)行處理后獲得最終檢測(cè)結(jié)果。Fu 等[5]在SSD 算法的基礎(chǔ)上提出了反卷積單階段多框探測(cè)器DSSD 算法，在分類回歸之前引入了殘差模塊，加深了網(wǎng)絡(luò)層數(shù)。該算法有效地聯(lián)系上下文，將各類語(yǔ)義信息進(jìn)行融合，提高了檢測(cè)精度。Jeong 等[6]研究提出了一種RSSD 融合算法，該算法通過(guò)特征圖池化加反卷積的操作方式進(jìn)一步融合不同層的網(wǎng)絡(luò)特征，池化與特征圖加反卷積[7]的步驟同步進(jìn)行，有效地解決了原始SSD 特征圖中存在重復(fù)框的問(wèn)題，同時(shí)提升了小目標(biāo)物體檢測(cè)的成功率。Li 等[8]提出FSSD，該算法將網(wǎng)絡(luò)中部分特征調(diào)整為同一尺寸再進(jìn)行連接，得到一個(gè)像素層，并以此層為基礎(chǔ)層來(lái)生成特征金字塔。第2 類是基于候選區(qū)域的深層卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)檢測(cè)算法，代表算法有R-CNN[9]、R-FCN[10]、Fast R-CNN[11]和Faster R-CNN[12]，將目標(biāo)檢測(cè)分為兩步，先通過(guò)區(qū)域建議算法生成可能包含目標(biāo)的候選區(qū)域，再通過(guò)CNN 對(duì)候選區(qū)域進(jìn)行分類和位置回歸，得到最終的檢測(cè)框。這類算法需要逐個(gè)處理產(chǎn)生的候選框[13]，檢測(cè)速度受到限制。

經(jīng)篩選，YOLOv5 是目前目標(biāo)檢測(cè)中平衡速度與精度最好的算法，本文針對(duì)YOLOv5 參數(shù)量多，計(jì)算量大的問(wèn)題進(jìn)行改進(jìn)，提出結(jié)合深度可分離卷積的跨階段卷積模塊與改進(jìn)的SE[14](squeeze-and-excitation)通道注意力模塊的算法模型，并使用DIOU-NMS[15](distance intersection over union-non maximum suppression)中心歸一化非極大值抑制算法進(jìn)行特征推理；提出OilPerson 數(shù)據(jù)集（油田現(xiàn)場(chǎng)工人數(shù)據(jù)集），最后使用TensorRT 加速與射線法共同完成區(qū)域入侵的判定。本文算法在油田作業(yè)現(xiàn)場(chǎng)應(yīng)用良好，有效保障油田施工人員的生命財(cái)產(chǎn)安全。

1 相關(guān)理論

1.1 YOLOv5 模型

YOLOv5 的網(wǎng)絡(luò)結(jié)構(gòu)如圖1 所示，YOLOv5在Backbone(特征提取網(wǎng)絡(luò)部分)中使用Focus 結(jié)構(gòu)減少計(jì)算量。使用CSPNet[3]的CSP 模塊，增加CNN 的學(xué)習(xí)能力，降低計(jì)算瓶頸并節(jié)約內(nèi)存成本。使用SPPNet[16]的特征金字塔模塊，將卷積神經(jīng)網(wǎng)絡(luò)的輸入轉(zhuǎn)化為任意尺寸。

圖1 YOLOv5 檢測(cè)網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 YOLOv5 detection network structure

在Neck(特征融合部分)，采用FPN 和PAN[17]結(jié)構(gòu)，使用自上而下的路徑和橫向連接以及自底向上的路徑增強(qiáng)，對(duì)語(yǔ)義信息與定位信息進(jìn)行特征融合，用以提高多尺度檢測(cè)的準(zhǔn)確性。

在Prediction(特征預(yù)測(cè)部分)，在特征圖上應(yīng)用錨定框生成帶有類概率、對(duì)象得分和包圍框的3 種不同大小的特征圖向量。使用NMS[2]檢測(cè)算法對(duì)同一目標(biāo)產(chǎn)生多次檢測(cè)的結(jié)果進(jìn)行推理，保證每個(gè)目標(biāo)只檢測(cè)一次,找到檢測(cè)效果最好的框。

1.2 基于深度可分離卷積的線性瓶頸模塊

普通卷積模塊在進(jìn)行卷積操作時(shí)，同時(shí)在空間和通道兩個(gè)維度進(jìn)行，而深度可分離卷積[18]在空間和通道兩個(gè)維度分開進(jìn)行卷積操作，形成了空間維度的逐層卷積和通道維度的逐點(diǎn)卷積兩個(gè)部分。具體來(lái)說(shuō)，它將標(biāo)準(zhǔn)卷積分成了2 步，即3×3的逐層卷積和1×1 逐點(diǎn)卷積，如圖2 所示。

圖2 深度可分離卷積Fig.2 Depth separable convolution

這種分解方式明顯地減少了計(jì)算量。Mobile-Netv2[19]則在此基礎(chǔ)上，為了改進(jìn)3×3 的逐層卷積在低維空間提取特征效果較差的缺點(diǎn)，在逐層卷積前多加入了一個(gè)逐點(diǎn)卷積，如圖3 所示，進(jìn)而完成對(duì)卷積神經(jīng)網(wǎng)絡(luò)中的特征圖升維。

圖3 Inverted residuals 模塊Fig.3 Inverted residuals bottleneck

在逐點(diǎn)卷積的末尾去掉了激活函數(shù)，此結(jié)構(gòu)即線性瓶頸模塊。MobileNetv2 由多個(gè)瓶頸模塊堆疊成，其速度與準(zhǔn)確率均得到了提升。

2 本文算法

2.1 特征提取網(wǎng)絡(luò)

本文提出的網(wǎng)絡(luò)結(jié)構(gòu)如圖4 所示，相對(duì)于原YOLOv5 模型，在Backbone 特征提取部分由多個(gè)深度可分離卷積與線性瓶頸模塊堆疊而成，使用Inver 在圖中進(jìn)行表示。將線性瓶頸模塊與跨階段局部殘差網(wǎng)絡(luò)結(jié)合形成跨階段線性殘差模塊，大幅減少了模型的運(yùn)算量，在每個(gè)特征金字塔采樣前使用改進(jìn)的SE 模塊提高模型定位精度，使用SE-h-sigmoid 來(lái)表示，最后在Prediction 特征推理部分使用DIOU-NMS[15]替換NMS，使得其避免重疊度較高的同類目標(biāo)出現(xiàn)漏檢的問(wèn)題。此模型在YOLOv5 的基礎(chǔ)上降低了模型參數(shù)量。

圖4 網(wǎng)絡(luò)結(jié)構(gòu)Fig.4 Network structure

2.1.1 本文卷積模塊

DConv逐層卷積與PConv逐點(diǎn)卷積的計(jì)算成本如式(1)所示：

式中：CM代表輸入通道的數(shù)量；CN代表輸出通道的數(shù)量；DK代表卷積核大??；DF為特征映射圖。深度可分離卷積與標(biāo)準(zhǔn)卷積的計(jì)算成本的比例如式(2)所示：

使用3×3 的深度可分離卷積時(shí)，在少量降低精度的前提下，計(jì)算量相對(duì)于標(biāo)準(zhǔn)卷積減少8 倍以上。

Inverted Resblock 結(jié)構(gòu)在輕量化網(wǎng)絡(luò)方面有較好的性能表現(xiàn)，但Sandler 等[19]解釋線性瓶頸模塊存在梯度混淆的情況，同時(shí)1×1 的卷積減少了空間信息，本文根據(jù)線性瓶頸模塊中存在的問(wèn)題將CSPNet 的跨階段局部模塊與MobileNetv2的線性瓶頸模塊進(jìn)行融合，形成跨階段線性瓶頸卷積模塊。輸入的特征映射分為兩個(gè)分支，分別進(jìn)行特征提取，其中一支后接Inver 卷積模塊，進(jìn)行進(jìn)一步特征提取，然后將兩分支通過(guò)級(jí)聯(lián)操作進(jìn)行合并。

如圖5 所示，本文使用的CSP-Inver 卷積塊由兩條分支組成，上面的分支首先經(jīng)過(guò)3×3 卷積，然后經(jīng)過(guò)Inver 卷積，與下面的3×3 卷積的分支進(jìn)行concat 操作。因兩個(gè)分支的梯度信息不同，不會(huì)出現(xiàn)重復(fù)的梯度信息情況，利于學(xué)習(xí)到更優(yōu)的梯度信息。此外，級(jí)聯(lián)操作是對(duì)卷積結(jié)果的拼接，不含矩陣計(jì)算，因此不會(huì)增加過(guò)多的計(jì)算量。

圖5 CSP-Inver:跨階段線性瓶頸模塊Fig.5 CSP-Inver:Cross phase linear bottleneck module

從計(jì)算量的角度分析，若線性瓶頸卷積模塊中共x個(gè)卷積模塊，則卷積層的輸入輸出的內(nèi)存流量可記為xcout+，再引入CSP 后可記為(xcout+(x2+x))/2，通過(guò)式(3)可計(jì)算出使用CSP 后減少的計(jì)算量比例。融合后線性瓶頸卷積模塊的輸入輸出的內(nèi)存流量減少近一半。

因此將重新構(gòu)成的跨階段線性瓶頸模塊與通道注意力模塊融入YOLOv5 網(wǎng)絡(luò)結(jié)構(gòu)中，因使用CSP-Inver 卷積塊的Inver 部分先進(jìn)行1×1 逐點(diǎn)卷積，然后進(jìn)行3×3 的逐層卷積與1×1 的逐點(diǎn)卷積取代普通卷積，因此大大減少了網(wǎng)絡(luò)模型的復(fù)雜度。

跨階段線性瓶頸模塊大幅降低了計(jì)算量，減少了模型參數(shù)量，但也存在著局限性，當(dāng)檢測(cè)小目標(biāo)物體或目標(biāo)物體被遮擋時(shí)檢測(cè)精度并不高，出現(xiàn)此問(wèn)題的原因分析如下：

對(duì)于一幀輸入圖像而言，其多尺度特征圖在YOLOv5 網(wǎng)絡(luò)模型中的數(shù)學(xué)定義如式(4)、(5)：

式(4)中：函數(shù)sn代表第n層特征圖與第n?1層特征圖之間的非線性映射函數(shù)，其中函數(shù)主要操作有3 個(gè)，分別為池化、卷積和非線性激活函數(shù)操作；Fn表示第n層的特征圖；s1(t)中的t表示輸入圖像，1 表示第1 層特征；sn(t)表示輸入圖像和第n層的特征圖之間的非線性函數(shù)。再用非線性函數(shù)對(duì)特征圖進(jìn)行卷積操作，并獲得最終的檢測(cè)結(jié)果對(duì)應(yīng)的非線性函數(shù)，在式(5)中用f(·)表示；采用非線性映射的方法對(duì)第n層特征圖進(jìn)行處理，進(jìn)而可以獲得位于某一范圍內(nèi)的檢測(cè)結(jié)果，這個(gè)結(jié)果用rn(·)表示。

由式(4)、(5)得，因不同的特征層對(duì)應(yīng)多種不同尺度大小的目標(biāo)結(jié)果，為保證所獲得的檢測(cè)結(jié)果更加準(zhǔn)確，通常需要應(yīng)用各種非線性函數(shù)，需要保證網(wǎng)絡(luò)結(jié)構(gòu)中的每一層特征圖包含更多的有效信息。因此以跨階段非線性紡錘形模塊構(gòu)建特征提取網(wǎng)絡(luò)，更加需要全局信息進(jìn)行特征篩選，對(duì)重要特征強(qiáng)調(diào)并對(duì)非重要特征進(jìn)行抑制，所以本文在多尺度特征金字塔的每個(gè)尺度中，需要添加改進(jìn)的通道注意力機(jī)制，增強(qiáng)整個(gè)網(wǎng)絡(luò)的表示能力，進(jìn)而對(duì)小目標(biāo)物體或被其他物體遮擋的目標(biāo)物體進(jìn)行較為準(zhǔn)確的檢測(cè)。

2.1.2 改進(jìn)的SE 通道注意力機(jī)制

特征金字塔網(wǎng)絡(luò)結(jié)構(gòu)雖然可以通過(guò)提取不同尺寸的特征信息來(lái)增加感受野，但是金字塔網(wǎng)絡(luò)在將具有很強(qiáng)代表性和區(qū)分性的高層語(yǔ)義信息通過(guò)上采樣操作傳遞到其他層時(shí)，高層語(yǔ)義信息將會(huì)被逐漸淡化[20]，但高層語(yǔ)義信息因其區(qū)分性與強(qiáng)代表性能夠更好地識(shí)別物體類別。為解決這個(gè)問(wèn)題，通過(guò)在特征金字塔中加入通道注意力層，如圖6 所示，該模塊建立在自底向上路徑的末端，通過(guò)通道注意力層，對(duì)重要的語(yǔ)義信息給予更多的關(guān)注，這些包含有效語(yǔ)義信息的多尺度特征經(jīng)過(guò)通道注意力層的處理后，在自頂向下的過(guò)程中連接在一起，補(bǔ)充自上而下的高級(jí)語(yǔ)義信息。

圖6 通道注意力特征金字塔Fig.6 Pyramid of channel attention characteristics

在每個(gè)特征金字塔的不同尺度模塊采樣前加入SENet 網(wǎng)絡(luò)模塊作為注意力機(jī)制，通過(guò)增強(qiáng)建模通道之間的相互依賴關(guān)系，自適應(yīng)地調(diào)整通道的特征響應(yīng)，但通道注意力機(jī)制結(jié)合特征金字塔帶來(lái)了部分計(jì)算參數(shù)與模型參數(shù)，降低了模型的運(yùn)算速度，增加了模型的運(yùn)行內(nèi)存。因此對(duì)SE通道注意力機(jī)制進(jìn)行改進(jìn)，少量增加計(jì)算量的同時(shí)對(duì)重要特征進(jìn)行強(qiáng)調(diào)。

改進(jìn)前的SE 通道注意力機(jī)制主要步驟：對(duì)輸入的特征圖進(jìn)行全局平均池化，得到長(zhǎng)度等于通道數(shù)M的實(shí)數(shù)列Zgap。在壓縮率r=16 的情況下對(duì)特征圖X=[x1x2···xn]進(jìn)行全局平均池化，得到Fgap，計(jì)算過(guò)程如式(6)、(7)所示：

式中：F1為進(jìn)行降維的全連接層，F(xiàn)1∈；F2為升維的全連接層，F(xiàn)2∈；C為特征圖的索引。

原始的SE 卷積注意力模塊的最后一層使用sigmoid函數(shù)激活，在反向傳播更新梯度時(shí)，求導(dǎo)做除法運(yùn)算更加消耗資源。因?yàn)?sigmoid激活函數(shù)其指數(shù)運(yùn)算具有以上缺點(diǎn)，如式(7)所示：

所以使用由 Relu[20]激活函數(shù)表示的分段線性函數(shù)hsigmoid[21]降低部分計(jì)算成本，改進(jìn)SE 通道注意力機(jī)制，R代表 Relu6[20]激活函數(shù)，如式(8)所示：

生成每個(gè)通道對(duì)應(yīng)的權(quán)重信息S=[s1s2···sc]，h代表hsigmoid 函數(shù)，如式(9)所示：

根據(jù)權(quán)值對(duì)輸入的特征圖加權(quán)更新，得到更新后的通道特征Y=[y1y2···yc]，如式(10)所示：

更換hsigmoid 激活函數(shù)的SE 通道注意力，如圖7 所示。

圖7 更換激活函數(shù)后的通道注意力Fig.7 Channel attention after changing the active function

因YOLOv5 是由自頂向下的特征提取網(wǎng)絡(luò)和自底向上的多尺度目標(biāo)檢測(cè)網(wǎng)絡(luò)兩部分組成，前者負(fù)責(zé)提取的是輸入圖像的低層細(xì)節(jié)特征，后者從前者的低層特征中提取高級(jí)的語(yǔ)義特征，然后將不同尺度的高級(jí)特征與相對(duì)應(yīng)尺度的低層特征通過(guò)特征金字塔進(jìn)行結(jié)合，實(shí)現(xiàn)了多尺度的目標(biāo)檢測(cè)。

因此在特征提取網(wǎng)絡(luò)中的特征金字塔的采樣模塊前使用改進(jìn)的SE 注意力模塊，能夠更好地利用全局信息進(jìn)行特征篩選，對(duì)重要特征強(qiáng)調(diào)并對(duì)非重要特征進(jìn)行抑制，增強(qiáng)了整個(gè)網(wǎng)絡(luò)的表示能力。

2.1.3 DIOU-NMS

本文使用DIOU-NMS 替換YOLOv5 的NMS，提升檢出率。YOLOv5 使用的NMS 其IOU 指標(biāo)常用于抑制冗余框，遮擋時(shí)重疊區(qū)域經(jīng)常導(dǎo)致NMS 產(chǎn)生錯(cuò)誤抑制。IOU 如式(11)所示：

式中：Bgt=(xgt,ygt,wgt,hgt)代表真實(shí)的邊界框；B=(x,y,w,h)為預(yù)測(cè)框。

DIOU 在IOU 的基礎(chǔ)上增加了一個(gè)懲罰項(xiàng)，該懲罰項(xiàng)用于最小化兩個(gè)box 的中心點(diǎn)距離，如式(12)所示：

式中：ρ是歐幾里得距離；c是覆蓋兩個(gè)框的對(duì)角線長(zhǎng)度；b、bgt分別是B、Bgt的中心點(diǎn)。

對(duì)于預(yù)測(cè)分?jǐn)?shù)較高的box，DIOU-NMS 除考慮重疊區(qū)域外，還將兩個(gè)檢測(cè)輸出的box 的中心點(diǎn)距離作為考慮因素，DIOU-NMS 如式(13)所示：

式中：si代表分類得分；ε為NMS 閾值；M為得分最高的box。因?yàn)榭紤]中心距離，DIOU-NMS 不抑制兩個(gè)中心點(diǎn)較遠(yuǎn)、得分較高的box，并將其識(shí)別為兩個(gè)目標(biāo)對(duì)象。通過(guò)這個(gè)方式可提升檢出率。

2.2 區(qū)域入侵

考慮不同視角下的攝像頭位置含有景深信息，而非僅有俯視的二維表面，在傾角較小或者近似平行的攝像頭位置中，僅根據(jù)檢測(cè)目標(biāo)與區(qū)域判斷是否發(fā)生重合來(lái)判定是否發(fā)生區(qū)域入侵并不準(zhǔn)確。

人物是否走入危險(xiǎn)區(qū)域內(nèi)，通過(guò)人物落腳點(diǎn)的位置進(jìn)行判斷。因此考慮人物的落腳點(diǎn)是否在危險(xiǎn)區(qū)域內(nèi)，如圖8 所示，先通過(guò)目標(biāo)檢測(cè)獲取目標(biāo)位置，然后將人物踏入危險(xiǎn)區(qū)域的區(qū)域入侵問(wèn)題抽象成為落腳點(diǎn)與危險(xiǎn)區(qū)域多邊形是否相交的問(wèn)題，即判斷落腳點(diǎn)是否在不規(guī)則多邊形內(nèi)。

圖8 射線法Fig.8 Ray method

計(jì)算油田工人落腳點(diǎn)Px，如式(14)所示：

式中：b為獲取到的檢測(cè)框坐標(biāo)函數(shù),x1、y1為中心點(diǎn)的坐標(biāo)，h為輸出的定位框的高。

對(duì)于平面內(nèi)任意閉合曲線，曲線都把平面分割成了內(nèi)、外兩部分。在平面內(nèi)對(duì)于任意一條直線，在穿越多邊形邊界時(shí)，僅有兩種情況：進(jìn)入或穿出多邊形。因此本文設(shè)計(jì)射線法進(jìn)行區(qū)域入侵的判斷。

如圖9 所示，因在不同視角下的攝像頭位置含有景深信息，例如：90°、60°、30°攝像頭位置懸掛下，同一危險(xiǎn)區(qū)域映射到攝像頭圖像的位置不同，若僅憑借目標(biāo)檢測(cè)框與危險(xiǎn)區(qū)域的面積計(jì)算交并比這一方式判斷目標(biāo)發(fā)生危險(xiǎn)區(qū)域入侵不可取，本文以射線法判別目標(biāo)是否處于危險(xiǎn)區(qū)域中，即判別目標(biāo)的落腳點(diǎn)是否位于不規(guī)則的危險(xiǎn)區(qū)域?qū)呅沃?，進(jìn)行區(qū)域入侵判斷，這樣可以有效解決不同視角下的攝像頭是否發(fā)生危險(xiǎn)區(qū)域入侵問(wèn)題。

圖9 不同角度的危險(xiǎn)區(qū)域Fig.9 Dangerous areas from different angles

根據(jù)式(15)判斷是否發(fā)生多邊形區(qū)域入侵：

式中：q為點(diǎn)Px向任意方向做射線；s表示求和；x為自定義危險(xiǎn)區(qū)域；R表示發(fā)生區(qū)域入侵；%2 表示與2 相除后取余數(shù)。當(dāng)目標(biāo)在畫面中出現(xiàn)時(shí)，如圖10 所示，從目標(biāo)的落腳點(diǎn)對(duì)任意方向做射線，當(dāng)射線的交點(diǎn)個(gè)數(shù)為奇數(shù)時(shí)發(fā)生區(qū)域入侵。

圖10 判斷點(diǎn)是否在多邊形內(nèi)Fig.10 Determine whether the point is in the polygon

3 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)硬件環(huán)境：硬件平臺(tái)為聯(lián)想工作站，i7-6 700 3.4 GHz CPU、NVIDIA CTX 3 080 GPU，操作系統(tǒng)為Ubuntu 18.04。軟件環(huán)境：程序編寫語(yǔ)言為Python3.7。

3.1 VOC 數(shù)據(jù)集實(shí)驗(yàn)結(jié)果對(duì)比與分析

使用Mosaic[22]（馬賽克）數(shù)據(jù)增強(qiáng)策略隨機(jī)改變訓(xùn)練樣本，隨機(jī)讀取4 張訓(xùn)練圖像，進(jìn)行反轉(zhuǎn)和旋轉(zhuǎn)操作，組合成為一張訓(xùn)練圖片，提高模型的泛化能力。batch-size（每批訓(xùn)練的圖片量）設(shè)置為32，momentum（動(dòng)量值）設(shè)置為0.9，學(xué)習(xí)率(learningrate)初始值為0.000 1，通過(guò)余弦退火策略[23]調(diào)整學(xué)習(xí)率，權(quán)重衰減參數(shù)為0.005，epoch 設(shè)置為300。

本文選用PASCAL VOC2007[24]和PASCAL VOC 2012 數(shù)據(jù)集聯(lián)合訓(xùn)練模型，圖片數(shù)量為16 551張，在測(cè)試過(guò)程中選擇的是PASCAL VOC 2007 測(cè)試集，圖片數(shù)量為4 952 張。本文選用的評(píng)價(jià)指標(biāo)為：檢測(cè)精度(mean average precision,mAP)、運(yùn)行速度(frames per second,f/s)、模型大小(model size)。

表1 實(shí)驗(yàn)結(jié)果顯示，網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜的模型檢測(cè)準(zhǔn)確率高，但檢測(cè)速度較慢。輕量級(jí)檢測(cè)網(wǎng)絡(luò)優(yōu)點(diǎn)是檢測(cè)速度較快，缺點(diǎn)是檢測(cè)的準(zhǔn)確率低。在模型體積類似的YOLOv3-tiny 和YOLOv4-tiny 中，mAP 分別提高了17.8%和9.6%，其主要原因是本文的級(jí)聯(lián)基于深度可分離卷積的線性瓶頸模塊與改進(jìn)的SE 通道注意力模塊在特征金字塔上的使用，彌補(bǔ)了特征提取能力不足的問(wèn)題，增強(qiáng)了模型對(duì)特征的利用率，提高了準(zhǔn)確率。使用DIOU-NMS 替換YOLOv5 的NMS 增強(qiáng)了模型的推理能力，避免了在目標(biāo)距離較近情況下的錯(cuò)誤抑制，提升了準(zhǔn)確率。對(duì)訓(xùn)練集使用Mosaic 處理豐富了物體的背景，提高了模型的泛化能力。

表1 不同網(wǎng)絡(luò)在VOC 數(shù)據(jù)集的評(píng)價(jià)值Table 1 Evaluation value of different models in VOC dataset

在VOC 數(shù)據(jù)集上的消融實(shí)驗(yàn)如表2 所示，用√表示使用當(dāng)前模塊，在僅使用CSP-Inver 卷積代替CSP 卷積減少了模型的參數(shù)量，但模型精度有所下降。在基準(zhǔn)網(wǎng)絡(luò)中加入FPN-SE 模塊(即在特征金字塔進(jìn)行特征融合前的卷積模塊使用通道注意力機(jī)制)，mAP 提高了2.3%，說(shuō)明本文使用的FPN-SE 模塊能增強(qiáng)特征提取能力，但也帶來(lái)了2.7 MB 的模型參數(shù)量；使用FPN-SE-h-sigmoid 模塊替換FPN-SE 模塊，在保證檢測(cè)精度的同時(shí)，減少了0.5 MB 的模型參數(shù)量。加入DIOU-NMS 進(jìn)行特征推理后，在不增加網(wǎng)絡(luò)參數(shù)的前提下，mAP 提高了0.5%。實(shí)驗(yàn)證明：CSP-Inver 卷積大大減少了模型的參數(shù)量，F(xiàn)PN-SE-h-sigmoid 與DIOU-NMS 模塊在提升模型精度的同時(shí)少量增加模型參數(shù)，保證了模型的運(yùn)行速度。

表2 本文消融實(shí)驗(yàn)Table 2 Ablation experiments

3.2 OilPerson 數(shù)據(jù)集實(shí)驗(yàn)結(jié)果對(duì)比分析

油田場(chǎng)景中，背景復(fù)雜，因油田工人著裝為紅色所以易與紅色集裝箱、抽油機(jī)等設(shè)備混淆，且油田作業(yè)中，工人作業(yè)姿態(tài)復(fù)雜，例如在擰天然氣或石油閥門時(shí)側(cè)擰、下蹲等作業(yè)姿態(tài)。因此對(duì)油田中典型的復(fù)雜場(chǎng)景(輸油泵房、輸氣泵房、石油閥門、H2S 鉆井口、天然氣閥門、抽油機(jī)、油水分類器、鉆井平臺(tái)、電力高壓間、露臺(tái)/密閉泥漿池、原油倉(cāng)庫(kù))進(jìn)行視頻采樣（約30 000 張）。針對(duì)工人在遠(yuǎn)景攝像頭中目標(biāo)較小、數(shù)量密集、作業(yè)姿勢(shì)復(fù)雜等問(wèn)題，人工制作油田作業(yè)現(xiàn)場(chǎng)工人數(shù)據(jù)集20 000 張，覆蓋油田大部分復(fù)雜場(chǎng)景。

本文劃分訓(xùn)練集、測(cè)試集、驗(yàn)證集的標(biāo)準(zhǔn)為：覆蓋本油田下全部復(fù)雜場(chǎng)景、多種攝像頭傾角、多種人員作業(yè)姿態(tài)。Oilperson 數(shù)據(jù)集按照60%、20%、20%的比例進(jìn)行劃分。

Oilperson 實(shí)驗(yàn)結(jié)果如表3 所示，本文算法模型較其他模型，在大幅減少模型參數(shù)的情況下保證了檢測(cè)精度，證明了其對(duì)油田場(chǎng)景的有效性。實(shí)驗(yàn)結(jié)果顯示，在Oilperson 油田工人數(shù)據(jù)集中，因標(biāo)注的數(shù)據(jù)集覆蓋所有場(chǎng)景、多種作業(yè)人員姿態(tài)以及不同傾角和不同尺度的目標(biāo)，所以各個(gè)檢測(cè)算法在本數(shù)據(jù)集上的檢測(cè)結(jié)果均有提升，驗(yàn)證了本文Oilperson 對(duì)油田工人檢測(cè)的有效性。本文檢測(cè)算法mAP 為89.9%，模型大小為7.65 MB，運(yùn)行速度為140 f/s，與表3 中其他輕量化模型算法相比，速度、模型參數(shù)量達(dá)到最優(yōu)。

表3 不同網(wǎng)絡(luò)在Oilperson 數(shù)據(jù)集上的評(píng)價(jià)值Table 3 Evaluation value of different networks on Oilperson dataset

圖11 的檢測(cè)結(jié)果顯示，各個(gè)場(chǎng)景的作業(yè)人員都有較高的檢測(cè)準(zhǔn)確率。針對(duì)遠(yuǎn)景小目標(biāo)，對(duì)比其他輕量化算法具有較好的檢出率，驗(yàn)證了本文數(shù)據(jù)集的有效性以及本文算法的魯棒性。

圖11 油田不同場(chǎng)景的檢測(cè)效果Fig.11 Detection effect of different scenes in Oilfield

3.3 算法部署與應(yīng)用

將生成的模型經(jīng)過(guò)TensorRT 進(jìn)行int8 類型的量化。經(jīng)過(guò)對(duì)500 張圖片進(jìn)行測(cè)試，模型平均處理一張圖片的時(shí)間為1.34 ms。

TensorRT[24]加速后的模型與射線法進(jìn)行結(jié)合，共同進(jìn)行區(qū)域入侵的判定，不同場(chǎng)景的入侵結(jié)果如圖12 所示。

在河北唐山冀東油田進(jìn)行危險(xiǎn)區(qū)域入侵算法的部署與測(cè)試：在不同攝像頭傾角、不同的目標(biāo)大小、不同的危險(xiǎn)場(chǎng)景下，結(jié)果圖12 所示。其中，圖（a）攝像機(jī)為俯角，劃定油罐車上方為危險(xiǎn)區(qū)域，當(dāng)工人進(jìn)入此區(qū)域時(shí)本算法判定為發(fā)生區(qū)域入侵；圖（b）攝像機(jī)為俯角，閥門的正前方區(qū)域設(shè)置為危險(xiǎn)區(qū)域，當(dāng)工人停留時(shí)間達(dá)到5 s 時(shí)，算法判定為發(fā)生區(qū)域入侵(工人可能在正擰閥門，而正擰閥門是一種錯(cuò)誤的操作行為，當(dāng)閥門壓力過(guò)大時(shí)，易導(dǎo)致閥門噴出致人受傷死亡)；圖（c）攝像機(jī)為平角，加熱爐下方危險(xiǎn)區(qū)域禁止進(jìn)入，發(fā)生入侵；圖（d）攝像機(jī)為俯角，在近海區(qū)域發(fā)生翻墻行為，油田工人抄近路易造成危險(xiǎn)，本算法判定發(fā)生區(qū)域入侵并顯示工人的行蹤軌跡。

圖12 區(qū)域入侵效果Fig.12 Regional intrusion effect

4 結(jié)束語(yǔ)

本文使用基于深度可分離卷積的線性瓶頸模塊與CSP 跨階段局部特征模塊級(jí)聯(lián)形成CSP-Inver(跨階段線性瓶頸模塊)，大幅減少了模型參數(shù)，提高了運(yùn)算速度。每個(gè)特征金字塔的特征融合層添加改進(jìn)的通道注意力模塊，提高了模型的特征提取能力。特征推理部分使用DIOU-NMS 減少了誤檢次數(shù)。經(jīng)過(guò)TensorRT 加速后，本文模型與射線法結(jié)合，在多種角度、不同景深信息的攝像頭下進(jìn)行部署應(yīng)用。部署結(jié)果顯示，本文算法在冀東油田作業(yè)現(xiàn)場(chǎng)應(yīng)用良好，有效地保障了油田施工人員的生命財(cái)產(chǎn)安全。