[發(fā)明專利]基于視頻流數(shù)據(jù)的煤礦行業(yè)行車不行人檢測方法

在審

• 申請?zhí)枺?/td>: 201910544765.4
• 申請日: 2019-06-21
• 公開（公告）號: CN110427812A
• 公開（公告）日: 2019-11-08
• 發(fā)明（設計）人: 楊賢文
• 申請（專利權(quán)）人: 武漢倍特威視系統(tǒng)有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/08
• 代理公司: 武漢維創(chuàng)品智專利代理事務所(特殊普通合伙) 42239
• 代理人: 余麗霞

本發(fā)明公開了基于視頻流數(shù)據(jù)的煤礦行業(yè)行車不行人檢測方法，包括以下步驟：步驟一、煤礦井下工作現(xiàn)場作業(yè)人員的活動區(qū)域視頻流數(shù)據(jù)獲??；步驟二、井下打運信號獲取；步驟三、活動目標提??；步驟四、人體目標匹配，判斷井下工作現(xiàn)場是否出現(xiàn)行車不行人的違規(guī)事件。本發(fā)明通過計算機算法，即基于視頻流數(shù)據(jù)的煤礦行業(yè)行車不行人檢測方法來代替人工進行違規(guī)事件的檢測，解決井下打運情況下人員闖入打運區(qū)域出現(xiàn)的安全隱患問題，從而增強井下運算系統(tǒng)的安全性、降低運輸區(qū)事故概率、提高監(jiān)控中心工作人員工作效率、降低職工的勞動強度。

技術(shù)領域

本發(fā)明涉及煤礦安全防護技術(shù)領域，具體的說是涉及一種基于視頻流數(shù)據(jù)的煤礦行業(yè)行車不行人檢測方法。

背景技術(shù)

傳統(tǒng)的井下煤礦作業(yè)是通過視頻來人工查看工人的工作情況，煤礦行業(yè)制定的行車不行人管理制度，為加強斜巷運輸管理，打運時運輸區(qū)只允許有車輛經(jīng)過，如有人員闖入運輸區(qū)，容易與礦車發(fā)送碰撞擦傷等安全事故。

現(xiàn)有的技術(shù)是通過安監(jiān)員在監(jiān)控中心進行人工監(jiān)控，查看攝像頭畫面是否出現(xiàn)有行車不行人的情況。

現(xiàn)有技術(shù)存在的問題：被動識別，依賴于安監(jiān)員的注意力集中度。

發(fā)明內(nèi)容

為解決上述背景技術(shù)中提出的問題，本發(fā)明的目的在于提供一種基于視頻流數(shù)據(jù)的煤礦行業(yè)行車不行人檢測方法。

為實現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案為：

本發(fā)明提供了基于視頻流數(shù)據(jù)的煤礦行業(yè)行車不行人檢測方法，包括以下步驟：

步驟一、視頻流數(shù)據(jù)獲取

在煤礦井下工作現(xiàn)場作業(yè)人員的活動區(qū)域設置攝像頭和信號燈，獲取攝像頭視頻流，并對視頻流數(shù)據(jù)進行RGB轉(zhuǎn)換，使其轉(zhuǎn)換為相應的彩色圖像；

步驟二、井下打運信號獲取

井下打運期間作業(yè)人員開啟或關(guān)閉相應的信號燈，根據(jù)步驟一獲取攝像頭捕獲到信號燈狀態(tài)的圖像，并通過顏色直方圖算法來判斷待測目標圖像中信號燈是否處于打開狀態(tài)；若判斷待測目標圖像中信號燈為開啟狀態(tài)，則提取攝像頭監(jiān)控的視頻畫面進入下一步操作；反之，則判斷待測目標圖像中信號燈為關(guān)閉狀態(tài)，忽略；

步驟三、活動目標提取

通過對步驟二中提取的攝像頭監(jiān)控的n幀視頻畫面進行背景建模，然后對n+1幀畫面中的活動目標進行幀差，將n+1幀像素值I(x,y)減去背景模型中相同位置像素點的平均值u(x,y)，得到差值d(x,y)，然后將該差值d(x,y)與閾值TH進行比較，當差值d(x,y)大于閾值TH時，則標記為前景點；否則，標記為背景點；

通過前景點連續(xù)的幀來判斷該活動目標是否連續(xù)運動，是否連續(xù)出現(xiàn)，若達不到連續(xù)5幀出現(xiàn)，則過濾；反之，該活動目標連續(xù)N幀出現(xiàn)，且5幀內(nèi)活動目標的X、Y坐標大于8像素點，則判斷為持續(xù)運動，得到活動目標的前景圖片,，其中N≥5；

步驟四、人體目標匹配

截取步驟三中判斷為活動目標的前景圖片與人體特征模型進行匹配，若大于相識度L，則判斷井下工作現(xiàn)場出現(xiàn)行車不行人的違規(guī)事件；反之，則判斷待測目標圖像中沒有人體目標，并返回步驟三繼續(xù)進行活動目標的提取操作，其中，L＝[0,1]，L值越大，表示目標為人的可能性越高。

上述技術(shù)方案中，步驟四中的所述人體特征模型是通過神經(jīng)網(wǎng)絡模型訓練分類器訓練和識別得到的，其具體方法為：

訓練時，輸入大量人體圖片作為正樣本，輸入大量無人員圖片作為負樣本，通過神經(jīng)網(wǎng)絡模型訓練分類器進行訓練學習并得到人體特征模型；