一种基于视觉识别的矿井区域人员侵入监测系统的制作方法

1.本发明属于侵入监测系统技术领域，具体涉及一种基于视觉识别的矿井区域人员侵入监测系统。


背景技术：

2.井下点众面广环节多，由于人的视觉疲劳，难以长时间保持警觉，安监员或设备操作工不可能面面俱到，也不可能24小时一刻不离地盯着多个或一个点位，无法对非人员进入区域的信息进行及时获取。所以，需要有一双智能的“眼睛”，替代人眼，发现隐患，并立即形成报警，提醒现场人员和监管人员。


技术实现要素：

3.针对上述无法对非人员进入区域的信息进行及时获取的技术问题，本发明提供了一种识别效果好、稳定性强、处理效率高的基于视觉识别的矿井区域人员侵入监测系统。
4.为了解决上述技术问题，本发明采用的技术方案为：
5.一种基于视觉识别的矿井区域人员侵入监测系统，包括前端视觉采集模块、前端被识别物图像分析处理模块、集成设备接入服务层、智能分析配置应用层、后台防爆视觉识别处理控制器、隐患智能分析模块，所述前端视觉采集模块连接有前端被识别物图像分析处理模块，所述前端被识别物图像分析处理模块连接有集成设备接入服务层，所述集成设备接入服务层连接有智能分析配置应用层，所述智能分析配置应用层连接有后台防爆视觉识别处理控制器，所述后台防爆视觉识别处理控制器连接有隐患智能分析模块。
6.所述隐患智能分析模块包括数据储存服务器、事件报警服务模块、识别数据转发服务模块，所述数据储存服务器、事件报警服务模块、识别数据转发服务模块均连接在后台防爆视觉识别处理控制器上。
7.所述前端视觉采集模块采用ai算法识别防爆摄像机，所述ai算法识别防爆摄像机的一侧安装有现场补光设备。
8.所述前端视觉采集模块连接有算法模型模块。
9.一种基于视觉识别的矿井区域人员侵入监测方法，其特征在于：包括下列步骤：
10.s1、首先详细调研井下非人员进入区域的基础上，确定需智能分析的隐患为识别该区域是否有人员闯入；
11.s2、然后针对智能分析点位安装ai算法识别防爆摄像机采集煤矿下井人员特定素材，通过训练平台生成对应煤矿人员特性的算法模型；
12.s3、获得的模型后将其下载到ai算法识别防爆摄像机内，结合业务，通过ai算法识别防爆摄像机对现场非人员闯入区域的实时分析及后台防爆视觉识别处理控制器的业务平台逻辑处理细化识别后输出对应控制报警信号，实现隐患的检查报警、处理。
13.所述s2中通过训练平台生成对应煤矿人员特性的算法模型的方法为：
14.s2.1、通过前端ai算法识别防爆摄像机采集视频数据后将视频内容取出图片；
15.s2.2、然后将多张现场视频图像中的被识别物体通过图片编辑软件画框，框出被识别物体；
16.s2.3、将被框出后的多张图片上传入海康ai视觉开放训练平台内的识别数据库开始进行被识别物的模型训练；
17.s2.4、训练成功后将生成的被识别物模型下载入ai算法识别防爆摄像机；
18.s2.5、最后将ai算法识别防爆摄像机安装入煤矿井下需求位置进行现场视频图像采集识别。
19.所述s3中后台防爆视觉识别处理控制器的业务平台逻辑处理细化识别的方法为：后台防爆视觉识别处理控制器内部通过视频识别处理软件将ai算法识别防爆摄像机回传已识别出对应物体的视频素材进行深度处理，从视频素材中取出图像并增强图像中的识别物体，提取识别物体后对应的参数，以及识别物体对应数据的存储、报警、数据输出、趋势曲线生成、数据显示。
20.本发明与现有技术相比，具有的有益效果是：
21.本发明选择了井下用防爆特定摄像机，在获取清晰图像的同时，采用了海康深度学习算法，对人员隐患进行识别，保证了系统长时间稳定运行，本发明的高度集成一方面可以有效减少系统故障点，有利于系统的实施与运维；另一方面系统集成可以有效实现信息共享，后台防爆视觉识别处理控制器将识别处理后的报警信号对外开放转发信息，实现一台设备多种功能，提高信息处理效率。
附图说明
22.图1为本发明的结构示意框图。
23.其中：1为前端视觉采集模块，2为前端被识别物图像分析处理模块，3为集成设备接入服务层，4为智能分析配置应用层，5为后台防爆视觉识别处理控制器，6为隐患智能分析模块，7为现场补光设备，8为算法模型模块，61为数据储存服务器，62为事件报警服务模块，63为识别数据转发服务模块。
具体实施方式
24.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
25.在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
26.一种基于视觉识别的矿井区域人员侵入监测系统，如图1所示，包括前端视觉采集模块1、前端被识别物图像分析处理模块2、集成设备接入服务层3、智能分析配置应用层4、后台防爆视觉识别处理控制器5、隐患智能分析模块6，前端视觉采集模块1连接有前端被识
别物图像分析处理模块2，前端被识别物图像分析处理模块2连接有集成设备接入服务层3，集成设备接入服务层3连接有智能分析配置应用层4，智能分析配置应用层4连接有后台防爆视觉识别处理控制器5，后台防爆视觉识别处理控制器5连接有隐患智能分析模块6。
27.进一步，隐患智能分析模块6包括数据储存服务器61、事件报警服务模块62、识别数据转发服务模块63，数据储存服务器61、事件报警服务模块62、识别数据转发服务模块63均连接在后台防爆视觉识别处理控制器5上。
28.进一步，优选的，前端视觉采集模块1采用ai算法识别防爆摄像机，ai算法识别防爆摄像机的一侧安装有现场补光设备7，本实施例中的ai算法识别防爆摄像机为海康防爆智能识别摄像机。
29.进一步，前端视觉采集模块1连接有算法模型模块8。
30.一种基于视觉识别的矿井区域人员侵入监测方法，其特征在于：包括下列步骤：
31.s1、首先详细调研井下非人员进入区域的基础上，确定需智能分析的隐患为识别该区域是否有人员闯入；
32.s2、然后针对智能分析点位安装ai算法识别防爆摄像机采集煤矿下井人员特定素材，通过训练平台生成对应煤矿人员特性的算法模型；
33.s3、获得的模型后将其下载到ai算法识别防爆摄像机内，结合业务，通过ai算法识别防爆摄像机对现场非人员闯入区域的实时分析及后台防爆视觉识别处理控制器的业务平台逻辑处理细化识别后输出对应控制报警信号，实现隐患的检查报警、处理。
34.进一步，s2中通过训练平台生成对应煤矿人员特性的算法模型的方法为：
35.s2.1、通过前端ai算法识别防爆摄像机采集视频数据后将视频内容取出图片；
36.s2.2、然后将多张现场视频图像中的被识别物体通过图片编辑软件画框，框出被识别物体；
37.s2.3、将被框出后的多张图片上传入海康ai视觉开放训练平台内的识别数据库开始进行被识别物的模型训练；
38.s2.4、训练成功后将生成的被识别物模型下载入ai算法识别防爆摄像机；
39.s2.5、最后将ai算法识别防爆摄像机安装入煤矿井下需求位置进行现场视频图像采集识别。
40.进一步，s3中后台防爆视觉识别处理控制器的业务平台逻辑处理细化识别的方法为：后台防爆视觉识别处理控制器内部通过视频识别处理软件将ai算法识别防爆摄像机回传已识别出对应物体的视频素材进行深度处理，从视频素材中取出图像并增强图像中的识别物体，提取识别物体后对应的参数，以及识别物体对应数据的存储、报警、数据输出、趋势曲线生成、数据显示。
41.上面仅对本发明的较佳实施例作了详细说明，但是本发明并不限于上述实施例，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化，各种变化均应包含在本发明的保护范围之内。