基于機(jī)器視覺(jué)的石油化工場(chǎng)景中的危險(xiǎn)行為檢測(cè)與預(yù)警系統(tǒng)

摘 要：目前石油化工場(chǎng)景采用的是傳統(tǒng)的人工檢測(cè)方法，該方法易受主觀因素影響，且存在各種漏報(bào)情況，容易造成嚴(yán)重的安全事故，危及人身安全和財(cái)產(chǎn)安全，報(bào)警之后不僅采集證據(jù)困難而且工作量較大。針對(duì)上述問(wèn)題，設(shè)計(jì)了一款石油化工場(chǎng)景中的危險(xiǎn)行為檢測(cè)與預(yù)警系統(tǒng)，利用機(jī)器視覺(jué)實(shí)現(xiàn)人性化、智能化、數(shù)字化的石油化工場(chǎng)景危險(xiǎn)行為檢測(cè)和預(yù)警系統(tǒng)。本系統(tǒng)主要采用YOLOv3模型和OpenPose模型，YOLOv3模型主要對(duì)石油化工場(chǎng)景中的香煙、手機(jī)和打火機(jī)等小物體進(jìn)行識(shí)別，OpenPose模型負(fù)責(zé)獲取人體的骨骼信息；最后進(jìn)行人-物交互識(shí)別，判斷其行為是否屬于危險(xiǎn)行為。系統(tǒng)的主要功能包括獲取危險(xiǎn)行為信息、提醒用戶，使用戶能夠及時(shí)發(fā)現(xiàn)危險(xiǎn)行為，避免事故的發(fā)生。該系統(tǒng)也大大減少了人力資源的浪費(fèi)，為工業(yè)的發(fā)展帶來(lái)了便利。

關(guān)鍵詞：機(jī)器視覺(jué)；石油化工場(chǎng)景；危險(xiǎn)行為；檢測(cè)與預(yù)警；小物體識(shí)別；YOLOv3

中圖分類號(hào)：TP31 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2024）09-00-03

DOI：10.16667/j.issn.2095-1302.2024.09.011

0 引 言

石油化學(xué)工業(yè)（下文簡(jiǎn)稱“石油化工”）對(duì)國(guó)家的發(fā)展有著重要的作用。自石油化工出現(xiàn)以來(lái)，很多國(guó)家多次發(fā)生安全事故，給人們帶來(lái)嚴(yán)重的經(jīng)濟(jì)和安全影響。對(duì)此，我國(guó)正在逐步完善政策，企業(yè)對(duì)石油化工危險(xiǎn)行為也越來(lái)越重視，通常采用相應(yīng)的儀器進(jìn)行檢測(cè)，但仍然是在傳統(tǒng)的人工監(jiān)管方式下，不能及時(shí)發(fā)現(xiàn)可能的安全隱患，同時(shí)也存在很大的主觀性[1-7]。本文提出的新型監(jiān)控系統(tǒng)能有效地對(duì)危險(xiǎn)行為進(jìn)行檢測(cè)，更加精確、高效地檢測(cè)和預(yù)警石油化工場(chǎng)景中的安全問(wèn)題。

1 系統(tǒng)設(shè)計(jì)分析

1.1 需求分析

石油化工場(chǎng)景中的產(chǎn)品大多易燃易爆，在生產(chǎn)和使用過(guò)程中存在很大的安全隱患。根據(jù)調(diào)查，一般化工企業(yè)、石油化工企業(yè)和煉油企業(yè)發(fā)生爆炸等安全事故的概率是最高的。發(fā)生火災(zāi)、爆炸事故數(shù)及比例的排序?yàn)椋夯て髽I(yè)gt;石油化工gt;煉油企業(yè)。因此，對(duì)石油化工場(chǎng)景中的安全問(wèn)題的防范引起了國(guó)家、社會(huì)和人們的重點(diǎn)關(guān)注。單純依靠人工檢測(cè)，工作量大且速度慢，也容易受主觀因素影響，所以對(duì)于石油化工危險(xiǎn)場(chǎng)景的安全防范需要更智能化、更精確化。

1.2 系統(tǒng)功能

采用本文的系統(tǒng)可以對(duì)打電話、抽煙和使用明火等危險(xiǎn)行為進(jìn)行精確檢測(cè)，并對(duì)其進(jìn)行歸類，再根據(jù)歸類結(jié)果判斷危險(xiǎn)程度，進(jìn)而做出不同方式的預(yù)警。

抽煙檢測(cè)：從視頻流中，對(duì)人抽煙的行為動(dòng)作進(jìn)行分幀，形成圖片集，對(duì)每一張圖片進(jìn)行檢測(cè)，最后通過(guò)模型判斷，從而確定此人是否在抽煙。

打電話行為檢測(cè)：系統(tǒng)通過(guò)視頻獲取人的一系列行為動(dòng)作圖像，通過(guò)構(gòu)建K-means神經(jīng)網(wǎng)拓?fù)洌虞d訓(xùn)練學(xué)習(xí)權(quán)重，檢測(cè)場(chǎng)景中人員的行為是否是打電話。

1.3 系統(tǒng)總體框架

系統(tǒng)的視覺(jué)算法主要采用的是YOLOv3模型和OpenPose。YOLOv3模型能對(duì)石油化工場(chǎng)景中特定標(biāo)識(shí)的危險(xiǎn)物進(jìn)行檢測(cè)。OpenPose則能對(duì)人體行為進(jìn)行識(shí)別。通過(guò)對(duì)視頻片段進(jìn)行特征提取和行為識(shí)別，從而獲得人員的初始行為類別。系統(tǒng)對(duì)場(chǎng)景進(jìn)行實(shí)時(shí)監(jiān)控，檢測(cè)到異常行為之后，迅速計(jì)算其閾值，如果結(jié)果大于設(shè)定值，則進(jìn)行廣播播報(bào)，同時(shí)發(fā)信息給監(jiān)測(cè)人員，以便其及時(shí)解決，可以有效減少事故發(fā)生次數(shù)。圖1為系統(tǒng)總體設(shè)計(jì)圖。

2 系統(tǒng)實(shí)現(xiàn)中的關(guān)鍵技術(shù)

2.1 基于YOLOv3檢測(cè)待定小目標(biāo)

YOLOv3算法包括訓(xùn)練和測(cè)試。訓(xùn)練時(shí)對(duì)模型輸入數(shù)據(jù)，包括使用火機(jī)和不使用火機(jī)、吸煙和不吸煙、火柴燃燒和火柴不燃燒、玩手機(jī)和不玩手機(jī)等多對(duì)危險(xiǎn)小目標(biāo)；使模型在訓(xùn)練中獲取數(shù)據(jù)特征，形成相對(duì)應(yīng)的特征模型；然后再通過(guò)測(cè)試來(lái)判斷該模型的精度，看該模型是否能夠準(zhǔn)確判斷所給小目標(biāo)。

通過(guò)候選框判斷是否有目標(biāo)落入測(cè)試集上，從而進(jìn)行數(shù)據(jù)處理。在選擇候選框時(shí)，YOLOv3算法中是通過(guò)K-means聚類方法[8]對(duì)候選框初始位置進(jìn)行判斷的。但簡(jiǎn)單聚類會(huì)產(chǎn)生相似類別混入問(wèn)題，分類不精確，造成錯(cuò)誤分類的現(xiàn)象[9-11]。針對(duì)這一問(wèn)題，對(duì)聚類方法進(jìn)行了改進(jìn)，并將K-means算法聚類得到的邊界框尺寸應(yīng)用到各尺度網(wǎng)絡(luò)層。

2.2 基于OpenPose獲取人體骨骼信息

先通過(guò)視頻獲取人的行為動(dòng)作，再由人體姿態(tài)估計(jì)算法OpenPose提取人體骨骼信息[12-14]，進(jìn)而利用骨骼點(diǎn)的人體行為識(shí)別算法，對(duì)視頻片段進(jìn)行特征提取和行為識(shí)別[8]，從而獲得人員的初始行為類別。

系統(tǒng)通過(guò)視頻提取人體行為舉止的信息，其中最關(guān)鍵的是人體姿態(tài)以及手上動(dòng)作。因此，該系統(tǒng)選擇了25個(gè)人體關(guān)鍵點(diǎn)信息作為化工場(chǎng)景中人體危險(xiǎn)行為識(shí)別算法的輸入，選擇21個(gè)手部關(guān)鍵點(diǎn)作為化工場(chǎng)景中人體危險(xiǎn)行為手勢(shì)識(shí)別算法的輸入。

3 系統(tǒng)檢測(cè)和預(yù)警結(jié)果與誤差分析

3.1 系統(tǒng)檢測(cè)結(jié)果

為了驗(yàn)證系統(tǒng)的精確度，對(duì)石油化工場(chǎng)景中人員打電話和抽煙等危險(xiǎn)行為進(jìn)行測(cè)試。從數(shù)據(jù)集中隨機(jī)選取了幾段人打電話和抽煙的視頻，并分為A、B、C、D四組，視頻中的圖片示例如圖2所示。

表1中給出了采用本系統(tǒng)和人工對(duì)A、B、C、D四段視頻中香煙（50個(gè)）和手機(jī)（50個(gè)）、打電話動(dòng)作（50個(gè)）和抽煙動(dòng)作（50個(gè)）的識(shí)別結(jié)果。表明本系統(tǒng)在測(cè)試的視頻段中具有良好的識(shí)別效果。

3.2 誤差分析

系統(tǒng)檢測(cè)的誤差包括硬件誤差、軟件誤差和外在因素影響[9]。其中硬件誤差有攝像頭工作距離不精確等誤差；軟件誤差主要是閾值設(shè)置不當(dāng)以及圖像中存在的噪聲。對(duì)于外在因素，一方面是由于石油化工行業(yè)的工作環(huán)境比較復(fù)雜，例如光照變化會(huì)影響識(shí)別效果；另一方面是遮擋問(wèn)題，對(duì)于非配合的情況下，遮擋物會(huì)導(dǎo)致識(shí)別結(jié)果錯(cuò)誤，使得識(shí)別算法失效。

4 結(jié) 語(yǔ)

基于機(jī)器視覺(jué)的小物體識(shí)別在計(jì)算機(jī)領(lǐng)域值得深入研究，它能解決傳統(tǒng)人工檢測(cè)存在的弊端，使生產(chǎn)生活更加智能化、人性化、數(shù)據(jù)化，給人們的生活帶來(lái)諸多便利。目前，針對(duì)石油化工場(chǎng)景中的危險(xiǎn)行為識(shí)別問(wèn)題，設(shè)計(jì)了一款危險(xiǎn)行為檢測(cè)與預(yù)警系統(tǒng)。該系統(tǒng)能夠幫助用戶及時(shí)發(fā)現(xiàn)危險(xiǎn)行為，避免事故的發(fā)生；同時(shí)大大減少人力資源的浪費(fèi)，為工業(yè)的發(fā)展帶來(lái)便利。

參考文獻(xiàn)

[1]吳祿慎，項(xiàng)桔敏，胡贇.基于機(jī)器視覺(jué)的卡尺工具法螺母實(shí)時(shí)檢測(cè)系統(tǒng)[J].儀表技術(shù)與傳感器，2020，57（2）：50-55.

[2]章煒.機(jī)器視覺(jué)技術(shù)發(fā)展及其工業(yè)應(yīng)用[J].激光與紅外，2006，27（2）：11-17.

[3]顏發(fā)根，劉建群，陳新，等.機(jī)器視覺(jué)及其在制造業(yè)中的應(yīng)用[J].機(jī)械制造，2004，42（11）：28-30.

[4]張五一，趙強(qiáng)松，王東云.機(jī)器視覺(jué)的現(xiàn)狀及發(fā)展趨勢(shì)[J].中原工學(xué)院學(xué)報(bào)，2008，19（1）：9-12.

[5] XIANG R，HE W，ZHANG X，et al. Size measurement based on a two-camera machine vision system for the bayonets of automobile brakepads [J]. Measurement，2018，122：106-116.

[6]郭永吉.石油化工生產(chǎn)過(guò)程中的防火防爆措施探析[J].江西化工，2014，30（3）：203-204.

[7]張夢(mèng)鴿，李健，陳慧雯.基于YOLOv3的實(shí)時(shí)視頻行人檢測(cè)算法[J].單片機(jī)與嵌入式系統(tǒng)應(yīng)用，2022，22（6）：29-32.

[8]羅建偉. 基于機(jī)器視覺(jué)人體行為檢測(cè)的彩信報(bào)警器系統(tǒng)設(shè)計(jì)[D].杭州：中國(guó)計(jì)量學(xué)院，2015.

[9]付城祥，仇潤(rùn)鶴.一種基于YOLOv3算法的車(chē)牌識(shí)別系統(tǒng)[J].科技與創(chuàng)新，2020，7（3）：42-44.

[10]葛雯，史正偉.改進(jìn)YOLOv3算法在行人識(shí)別中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用，2019，55（20）：128-133.

[11]汪前進(jìn)，鄭占杰.基于計(jì)算機(jī)視覺(jué)的危險(xiǎn)駕駛預(yù)警系統(tǒng)研究與設(shè)計(jì)[J].長(zhǎng)沙大學(xué)學(xué)報(bào)，2018，32（5）：37-40.

[12]向玉，高建坡，任臻興.基于機(jī)器視覺(jué)的導(dǎo)爆管自動(dòng)檢測(cè)系統(tǒng)研究[J].電子設(shè)計(jì)工程，2019，27（7）：56-60.

[13]丁培甫，詹玲超，胡天敏，等.基于OpenPose的行人異常姿態(tài)研究[J].數(shù)字技術(shù)與應(yīng)用，2019，37（2）：107-109.

[14]楊明健，黎鏡林，郭銳坤，等.基于OpenPose的人體睡姿識(shí)別實(shí)現(xiàn)與研究[J].物理實(shí)驗(yàn)，2019，39（8）：47-49.

收稿日期：2023-10-06 修回日期：2023-11-06

基金項(xiàng)目：大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目：基于機(jī)器視覺(jué)的石油化工場(chǎng)景危險(xiǎn)行為檢測(cè)與預(yù)警系統(tǒng)（202214223151）；貴州師范學(xué)院一流大學(xué)建設(shè)項(xiàng)目：大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目管理系統(tǒng)（貴師院發(fā)[2018]100號(hào)）；貴州省科技廳基礎(chǔ)研究計(jì)劃項(xiàng)目（黔科合基礎(chǔ)-ZK[2021]一般334）

作者簡(jiǎn)介：吳 戀（1988—），女，貴州安龍人，博士，副教授，主要研究方向?yàn)橛?jì)算機(jī)視覺(jué)、人工智能。