[發(fā)明專利]一種基于人工智能的加油站關(guān)鍵區(qū)域及人員安全隱患監(jiān)測預(yù)警系統(tǒng)及方法

在審

• 申請?zhí)枺?/td>: 202011147335.8
• 申請日: 2020-10-23
• 公開（公告）號: CN112258042A
• 公開（公告）日: 2021-01-22
• 發(fā)明（設(shè)計）人: 康健;李凱;楊樹;張繼信;代濠源;喬建宇;常明澤
• 申請（專利權(quán)）人: 北京石油化工學(xué)院
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06;G06K9/00;G06N3/04;G01D21/02
• 代理公司: 北京凱特來知識產(chǎn)權(quán)代理有限公司 11260
• 代理人: 鄭立明;趙鎮(zhèn)勇

本發(fā)明公開了一種基于人工智能的加油站關(guān)鍵區(qū)域及人員安全隱患監(jiān)測預(yù)警系統(tǒng)及方法，包括視頻監(jiān)控模塊、傳感器組、高速運(yùn)算通訊組件和AI運(yùn)算處理平臺。視頻監(jiān)控模塊監(jiān)測人員以及車輛號牌等視頻信息，傳感器組監(jiān)測設(shè)備運(yùn)行狀態(tài)以及溫度等參數(shù)信息；高速運(yùn)算通訊組件將收集的視頻信息和參數(shù)信息初步處理后傳輸至AI運(yùn)算處理平臺；AI處理平臺先存儲保存收集的視頻信息和參數(shù)信息，之后進(jìn)行視頻內(nèi)容和參數(shù)狀態(tài)與預(yù)設(shè)參考進(jìn)行對比，分級報警。能夠?qū)ΡO(jiān)測設(shè)備以及人員活動行為進(jìn)行實時監(jiān)控測報警，辨別安全隱患，對可能存在的安全隱患進(jìn)行預(yù)警和報告，從而降低或者消除安全隱患，減輕甚至消除事故帶來的危害。

技術(shù)領(lǐng)域

本發(fā)明涉及一種安全監(jiān)測預(yù)警技術(shù)，尤其涉及一種基于人工智能的加油站關(guān)鍵區(qū)域及人員安全隱患監(jiān)測預(yù)警系統(tǒng)及方法。

背景技術(shù)

目前，各地加油站的數(shù)量急速上漲，但因為管理不當(dāng)或其他因素使得加油站存在著較高的風(fēng)險，容易對工作人員的生命安全產(chǎn)生不利的影響，因此，加油站進(jìn)行安全隱患監(jiān)測具有重大意義。

現(xiàn)有安全隱患排查都是通過人工現(xiàn)場檢查，不能及時有效的發(fā)現(xiàn)安全隱患，監(jiān)測效果不好。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于人工智能的加油站關(guān)鍵區(qū)域及人員安全隱患監(jiān)測預(yù)警系統(tǒng)及方法。

本發(fā)明的目的是通過以下技術(shù)方案實現(xiàn)的：

本發(fā)明的基于人工智能的加油站關(guān)鍵區(qū)域及人員安全隱患監(jiān)測預(yù)警系統(tǒng)，包括視頻監(jiān)控模塊、傳感器組、高速運(yùn)算通訊組件和AI運(yùn)算處理平臺；

所述視頻監(jiān)控模塊用于獲取車輛號牌信息以及人員走動進(jìn)入的各種敏感區(qū)域的圖像信息；

所述傳感器組用于獲取設(shè)備的運(yùn)行狀態(tài)以及溫度參數(shù)信息；

所述高速運(yùn)算通訊組件用于將所述圖像信息以及所述參數(shù)信息初步處理后傳輸至所述AI運(yùn)算處理平臺；

所述AI運(yùn)算處理平臺預(yù)先存儲預(yù)警模式，包括：

由AI運(yùn)算處理平臺記錄并訓(xùn)練數(shù)據(jù)模型，包括人員行為判定參數(shù)、危險系數(shù)參數(shù)，以及相關(guān)加油站作業(yè)事故的事故報告，分析事故報告和相關(guān)事故報告中的事故原因，對數(shù)據(jù)模型進(jìn)行深度模型訓(xùn)練；

結(jié)合視頻監(jiān)控模塊和傳感器組所采集的視頻、參數(shù)數(shù)據(jù)，對每個視頻監(jiān)控和傳感器所采集的視頻、參數(shù)數(shù)據(jù)進(jìn)行實時監(jiān)控，對可能存在的安全隱患進(jìn)行預(yù)警和報告；

在做出了安全隱患判定之后，對存在安全隱患的區(qū)域進(jìn)行立即整改處理，并分級匯報，檢測其他關(guān)鍵區(qū)域，全面消除安全事故隱患。

上述的基于人工智能的加油站關(guān)鍵區(qū)域及人員安全隱患監(jiān)測預(yù)警系統(tǒng)實現(xiàn)加油站關(guān)鍵區(qū)域及人員安全隱患監(jiān)測預(yù)警的方法，其特征在于，包括步驟：

所述的AI運(yùn)算處理平臺采用神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)模型，對預(yù)先構(gòu)建的初始深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到中間深度學(xué)習(xí)模型；

其中，所述初始深度學(xué)習(xí)模型為：加載有分類目標(biāo)函數(shù)的深度學(xué)習(xí)模型；

利用所述中間深度學(xué)習(xí)模型，計算所述訓(xùn)練樣本集中各個樣本的特征向量，并根據(jù)所述訓(xùn)練樣本集中各個樣本的特征向量，計算中心點距離目標(biāo)函數(shù)的中間數(shù)據(jù)的初始值；

將中心點距離目標(biāo)函數(shù)添加到中間深度學(xué)習(xí)模型中并加載所述中間數(shù)據(jù)的初始值，得到目標(biāo)深度學(xué)習(xí)模型；

導(dǎo)入訓(xùn)練樣本集中的預(yù)設(shè)數(shù)量的樣本作為批次數(shù)據(jù)；

利用當(dāng)前目標(biāo)深度學(xué)習(xí)模型，計算當(dāng)前批次數(shù)據(jù)中各個樣本的特征向量，并根據(jù)當(dāng)前批次數(shù)據(jù)中各個樣本的特征向量，更新中間參數(shù)的參數(shù)值；