摘? 要：本文根據(jù)施工現(xiàn)場(chǎng)管理特點(diǎn)，引入實(shí)時(shí)視頻分析中海油施工場(chǎng)景隱患方面的應(yīng)用以及模型的優(yōu)化。為解決海洋工程現(xiàn)場(chǎng)工作人員不佩戴安全帽，未正確穿著服裝，進(jìn)入禁止區(qū)域等情況，避免因違規(guī)操作或違反規(guī)定，造成不必要的傷亡或損失，提出一套基于海油施工現(xiàn)場(chǎng)的視頻識(shí)別告警系統(tǒng)，設(shè)計(jì)一套綜合利用安全帽顏色、輪廓，服裝特點(diǎn)以及多層神經(jīng)網(wǎng)絡(luò)分類建立的統(tǒng)計(jì)模型，對(duì)是否佩戴安全帽，是否正確穿著服裝，是否進(jìn)入禁行區(qū)域進(jìn)行檢測(cè)識(shí)別。從而在一定程度上杜絕了安全隱患。

關(guān)鍵詞：違規(guī)操作;安全隱患;檢測(cè)識(shí)別

中圖分類號(hào)：TP391.41;TP277? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? 文章編號(hào)：2096-6903（2020）09-0000-00

0 引言

石油化工生產(chǎn)作為能量高度集中的生產(chǎn)行業(yè)，安全防范的要求極其嚴(yán)格。在生產(chǎn)施工過(guò)程中，容易引發(fā)各種安全事故。研究發(fā)現(xiàn)事故涉及的原因多種多樣，包括管理、人員素質(zhì)、設(shè)備工具等各種問(wèn)題。要想減少事故的發(fā)生，就要從根源預(yù)防，對(duì)施工中存在的違規(guī)操作的安全隱患進(jìn)行識(shí)別和告警[1]。目前在視頻監(jiān)控普遍使用的情況下，網(wǎng)絡(luò)和高清監(jiān)控已經(jīng)具備通過(guò)攝像機(jī)和NVR采集和轉(zhuǎn)發(fā)的條件，最后通過(guò)視頻檢測(cè)識(shí)別算法對(duì)存在的安全隱患進(jìn)行識(shí)別和告警。

1 現(xiàn)階段我國(guó)海油施工現(xiàn)場(chǎng)的安全隱患檢測(cè)與發(fā)展

現(xiàn)階段我國(guó)越來(lái)越重視海工企業(yè)生產(chǎn)的安全性，在新冠肺炎期間對(duì)于海工企業(yè)的生產(chǎn)提出了更高要求。并且隨著國(guó)民經(jīng)濟(jì)的持續(xù)發(fā)展，海工企業(yè)也隨之不斷壯大，對(duì)于傳統(tǒng)的基于人工檢測(cè)安全隱患來(lái)實(shí)現(xiàn)預(yù)防事故的發(fā)生已經(jīng)變得不再現(xiàn)實(shí)。而實(shí)時(shí)視頻分析充分解決了這個(gè)問(wèn)題。本項(xiàng)目基于監(jiān)控?cái)z像頭采集施工作業(yè)環(huán)境下場(chǎng)景視頻流，利用數(shù)字圖像處理、模式識(shí)別、深度學(xué)習(xí)及機(jī)器學(xué)習(xí)等技術(shù)，實(shí)現(xiàn)智能的安全告警控制系統(tǒng)[2]。結(jié)合復(fù)雜施工作業(yè)環(huán)境下的安全規(guī)范，研究基于視頻識(shí)別和分析的非接觸式檢測(cè)技術(shù)，實(shí)現(xiàn)了對(duì)作業(yè)人員是否正確穿戴安全帽、口罩、護(hù)目鏡、工作服的檢測(cè)，對(duì)于規(guī)定禁行區(qū)域是否有人違規(guī)進(jìn)入的檢測(cè)。

2 卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)理論與YOLO算法

2.1 卷積神經(jīng)網(wǎng)絡(luò)

CNN為深度學(xué)習(xí)的一種深度神經(jīng)網(wǎng)絡(luò)模型。其是一種區(qū)別于單層神經(jīng)網(wǎng)絡(luò)的一種模型，其組成包含卷積層、池化層及全連接層等。其中，在每一層中含有很多神經(jīng)元。卷積神經(jīng)元區(qū)別于傳統(tǒng)神經(jīng)元系統(tǒng)，取消了圖像前期處理流程，直接將標(biāo)注信息的圖像輸入到神經(jīng)網(wǎng)絡(luò)中，進(jìn)而將計(jì)算的復(fù)雜度降低[3]。，卷積神經(jīng)網(wǎng)絡(luò)的層次之間聯(lián)系非常緊密，緊密的空間非常適合圖像的處理，而且可以從圖像里獲取非常豐富的特性。

2.2 YOLO算法

YOLO算法，顧名思義，就是在識(shí)別目標(biāo)時(shí)，算法只需要對(duì)圖片看一次即可，通過(guò)看一眼，就可以對(duì)目標(biāo)的類別和對(duì)象的坐標(biāo)概率進(jìn)行識(shí)別。該算法識(shí)別目標(biāo)和檢測(cè)目標(biāo)任務(wù)放置在同一個(gè)神經(jīng)網(wǎng)絡(luò)中，進(jìn)而將識(shí)別運(yùn)算簡(jiǎn)化。算法包含24個(gè)卷積層與2個(gè)連接層，將目標(biāo)分類和定位相結(jié)合，在單個(gè)模型中體現(xiàn)出來(lái)[4]。通過(guò)訓(xùn)練模型，首先在誤差范圍內(nèi)核定每個(gè)權(quán)重的梯度，再者，優(yōu)化梯度的算法，進(jìn)而更新權(quán)重，最后，選出最優(yōu)的檢測(cè)模型。

3 針對(duì)海工場(chǎng)景的優(yōu)化算法

3.1 調(diào)整YOLO的網(wǎng)絡(luò)結(jié)構(gòu)

對(duì)于采用樣本監(jiān)督訓(xùn)練來(lái)對(duì)一般目標(biāo)進(jìn)行檢測(cè)，這種檢測(cè)方式，一般會(huì)有圖像遮擋、小目標(biāo)無(wú)法識(shí)別、海上復(fù)雜環(huán)境無(wú)法適應(yīng)等缺點(diǎn)。因此，我們對(duì)此項(xiàng)目的算法進(jìn)行了優(yōu)化，采用了基于YOLO的半監(jiān)督學(xué)習(xí)算法。通過(guò)結(jié)合監(jiān)督和半監(jiān)督學(xué)習(xí)方式，利用標(biāo)注好的信息與未知樣本進(jìn)行共同學(xué)習(xí)，對(duì)大型公共數(shù)據(jù)進(jìn)行采集，對(duì)真實(shí)環(huán)境進(jìn)行預(yù)訓(xùn)練和學(xué)習(xí)，得到泛化模型[5]。再對(duì)泛化模型進(jìn)行半監(jiān)督在線學(xué)習(xí)，這樣可以提高特定場(chǎng)景下識(shí)別的準(zhǔn)確性和泛化能力。該算法的整體流程圖如圖1所示。

3.2 選擇制作新的數(shù)據(jù)集

通過(guò)對(duì)工地的調(diào)查，收集大量樣本數(shù)據(jù)。將獲取到的樣本采用LabelImg進(jìn)行標(biāo)注，進(jìn)而產(chǎn)生訓(xùn)練所要的xml的文件，該文件中包含了目標(biāo)分類名稱和目標(biāo)位置信息。通過(guò)將隨機(jī)參數(shù)設(shè)置方法調(diào)節(jié)至原始圖像的亮度、飽和度和對(duì)比度，可以擴(kuò)充數(shù)據(jù)集的量級(jí)，更好地應(yīng)對(duì)更多復(fù)雜光線環(huán)境。然后，將數(shù)據(jù)集中90%作為訓(xùn)練集，10%作為測(cè)試集，使用darknet53.conv.74預(yù)訓(xùn)練權(quán)重對(duì)數(shù)據(jù)集進(jìn)行訓(xùn)練。

4 算法驗(yàn)證

通過(guò)訓(xùn)練，所得到結(jié)果如表1所示：將學(xué)習(xí)率設(shè)定在10E-5，在大約訓(xùn)練迭代到9000次時(shí)，模型已經(jīng)有了一定效果。通過(guò)目標(biāo)分類識(shí)別，可以進(jìn)一步降低誤報(bào)的幾率，最后統(tǒng)計(jì)其在數(shù)據(jù)集上的查準(zhǔn)率，查全率以及每秒識(shí)別幀數(shù)。

5 結(jié)論

通過(guò)視頻識(shí)別與視頻監(jiān)控結(jié)合來(lái)排查海工復(fù)雜作業(yè)場(chǎng)景的安全隱患具有技術(shù)可行、效果顯著、前景廣闊等特點(diǎn)。上述場(chǎng)景成功應(yīng)用的同時(shí)也給我們研究開(kāi)辟了新的道路和方向，我們應(yīng)該更加深入研究技術(shù)和應(yīng)用這兩個(gè)層面，首先是增加數(shù)據(jù)集，優(yōu)化訓(xùn)練模型，進(jìn)而提高識(shí)別的精度，再者，擴(kuò)充應(yīng)用場(chǎng)景，在不久的將來(lái)，將研究成果應(yīng)用到更加豐富的海上生產(chǎn)，從而更加有效地提升海洋工程生產(chǎn)安全管控能力和服務(wù)水平。

參考文獻(xiàn)

[1] 鄭世寶.智能視頻監(jiān)控技術(shù)與應(yīng)用[J].電視技術(shù)，2009，33（1）：94-6.

[2] 范亞男，葛衛(wèi)麗.智能視頻監(jiān)控系統(tǒng)發(fā)展及應(yīng)用[J].價(jià)值工程，2010，29（17）：97-8.

[3] 王素玉，沈蘭蓀.智能視覺(jué)監(jiān)控技術(shù)研究進(jìn)展[J].中國(guó)圖象圖形學(xué)報(bào)，2007，12（9）：1505-14.

[4] 宮世杰，王薇，郭喬進(jìn)，等.視頻監(jiān)控系統(tǒng)發(fā)展現(xiàn)狀與趨勢(shì)[J].科技技術(shù)創(chuàng)新，2018（29）：81-82.

[5] 肖東暉，林立.電力系統(tǒng)統(tǒng)一視頻監(jiān)控平臺(tái)解決方案[J].電力系統(tǒng)自動(dòng)化，2013，37（5）：74-79.

收稿日期：2020-08-02

作者簡(jiǎn)介：李躍（1983—），男，天津人，本科，工程師，研究方向：海洋工程安全管理。