CN105306909B - 基于视觉的煤矿井下作业人员超员报警系统 - Google Patents
基于视觉的煤矿井下作业人员超员报警系统 Download PDFInfo
- Publication number
- CN105306909B CN105306909B CN201510801098.5A CN201510801098A CN105306909B CN 105306909 B CN105306909 B CN 105306909B CN 201510801098 A CN201510801098 A CN 201510801098A CN 105306909 B CN105306909 B CN 105306909B
- Authority
- CN
- China
- Prior art keywords
- image
- oval
- coal mine
- represent
- personnel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Abstract
本发明公开了一种基于视觉的煤矿井下作业人员超员报警系统,系统主要包括成像设备、数据网络、图像处理服务器和报警器;在井下每个作业区安装成像设备,图像处理服务器接收通过数据网络传输来的各个作业区的场景图像,检测场景图像中的人员目标并计数,若超过了限定的人数,则触发报警器发出声光报警。该系统可以对煤矿井下作业人数自动计数,无需人员主动配合,实现无干扰实时监控。
Description
技术领域
本发明涉及煤矿井下作业人员超员报警系统,尤其涉及一种基于视觉的煤矿井下作业人员超员报警系统。
背景技术
为了杜绝煤矿特、重大事故发生,煤矿严禁超定员生产,实时监控煤矿井下作业人数是防止超定员生产的有效措施之一。目前,煤矿井下作业人数是通过井下人员携带标识卡来计数的,标识卡系统无法识别多人一卡现象,时常出现漏读,因而不能准确计数煤矿井下作业人员,煤矿井下作业人数无法得到有效监管。
需要一种解决或至少改善现有技术中固有的一个或多个问题的煤矿井下作业人员计数方法和系统。
发明内容
本发明的目的在于提供一种基于视觉的煤矿井下作业人员超员报警系统,该系统可以对煤矿井下作业人数自动计数,无需人员主动配合,实现无干扰实时监控。
根据一种实施例形式,提供一种基于视觉的煤矿井下作业人员超员报警系统,本发明提供的技术方案如下:系统主要包括成像设备、数据网络、图像处理服务器和报警器;所述成像设备安装在井下每个作业区;所述图像处理服务器接收通过数据网络传输来的各个作业区的场景图像,检测图像中的人员目标并计数,若超过了限定的人数,则触发报警器发出声光报警;
所述系统检测和计数图像中人员目标的方法是:图像中的人员目标用图像中的一块椭圆区域表征,定义图像中的椭圆空间χ=[0,XM]×[0,YM]×[am,aM]×[bm,bM]×[0,π],其中,XM和YM分别表示图像的宽度和高度,(am,aM)和(bm,bM)分别表示椭圆长轴和短轴的最小值与最大值,θ∈[0,π]表示椭圆的方向;用随机模型表达图像内容,图像中椭圆的出现则是一个随机过程,用Gibbs密度描述所述随机过程即其中,U(o)表示椭圆随机过程的势能,o={o1=(x1,m1),...,on=(xn,mn)}∈χ表示椭圆随机过程的一种配置,为归一化常数;寻找使Gibbs密度最大的椭圆配置,即解优化问题统计中的椭圆个数,即为人员总数目。
附图说明
通过以下说明,附图实施例变得显而已见,其仅以结合附图描述的至少一种优选但非限制性实施例的示例方式给出。
图1是本发明系统的连接示意图。
图2是本发明系统检测作业区场景中人员目标的流程图。
图3是本发明系统中人员目标表征示意图。
图4是本发明系统中人员目标候选区域与背景示意图。
具体实施方式
如图1所示实施示例中,所述报警系统组成包括:
1.图像处理服务器,控制并接收各个作业区成像设备的图像采集,检测图像中人员目标并计数,当超过了限定的人数时,触发声光报警器发生声光报警。
2.核心交换设备,数据网络的核心管理和交换设备,负责所有接入有线网络设备的管理和数据交换,用以太网组网,传输介质使用光纤。
3.接入交换设备,数据网络的接入设备,负责将设备接入网络和数据交换。
4.成像设备,采用具有光纤接口的网络摄像机,安装在各个作业区上方。
图2是本发明系统检测作业区场景图像中人员目标的流程图,对照图1流程,进行描述。
煤矿井下作业人员必须佩戴安全帽,安全帽呈近圆形,且通常为黄色,与灰色背景对比度明显。在煤矿井下安装捕捉作业区场景摄像机时,由于煤矿井下是巷道,摄像机光轴通常与地面有大于0小于90的夹角,因此,作业人员所配带的安全帽在图像中则呈近椭圆形,基于以上两点,图像中的人员目标用图像中的一块椭圆区域来表征。井下人员散布在一定范围内作业,他们与摄像机的距离和视角各不相同,因此安全帽在图像中的位置和形态也各异,为此,在图像中定义椭圆所属空间χ=K×M=[0,XM]×[0,YM]×[am,aM]×[bm,bM]×[0,π],K表示椭圆位置空间,M表示椭圆属性空间,XM和YM分别表示图像的宽度和高度,(am,aM)和(bm,bM)分别表示椭圆长轴和短轴的最小值与最大值,θ∈[0,π]表示椭圆方向,椭圆模型如图3所示。用随机模型表达图像内容,图像中椭圆的出现则是一个随机过程,用Gibbs密度描述这个随机过程即U(o)表示椭圆随机过程的势能,o={o1=(x1,m1),...,on=(xn,mn)}∈χ表示椭圆随机过程的一种配置,为归一化常数;寻找使Gibbs密度最大的椭圆配置,即解优化问题统计中的椭圆个数,即为人员总数目。
势能函数U(o)=Up(o)+Ud(o),Up(o)表示先验能量,Ud(o)表示数据能量。
考虑到井下作业区人员有时会相互遮挡,在图像中则表现为椭圆会有重叠,Up(o)根据每个椭圆与邻近椭圆的最大重叠进行惩罚,定义A(oi,oj)∈[0,1]表示重叠系数,C为正常数,μ(·)为椭圆面积,μ(oi∩oj)表示椭圆oi与oj的重叠面积,γp表示对重叠关系惩罚的权重,它的大小随着椭圆间重叠面积的大小而变化,重叠面积大,则赋予较大权重,相应先验能量也越大。
数据项Ud(o)表达了图像中一个候选椭圆区域是人员的置信度,安全帽在图像中是黄色椭圆,而背景为灰色,用两者颜色特征差异大小来表征一个候选椭圆区域是人员的置信度,即
oi表示候选椭圆区域,F(oi)表示候选椭圆区域的邻域,如图4所示。dB(oi,F(oi))表示候选椭圆区域颜色分布与其邻域颜色分布的巴氏距离:
其中,pj(·)和qj(·)分别表示候选椭圆区域与其邻域颜色直方图每一个bin对应的概率分布,L表示颜色直方图bin的个数,将其归一化到[-1,1]范围,
其中,d0表示椭圆人员目标区域与其邻域颜色分布的巴氏距离的均值,D为一尺度参数,od(dB)∈[-1,1]评估了候选椭圆区域与其邻域颜色分布的相似度,对于较小的巴氏距离,od(dB)为正值,表示候选椭圆区域是人员的置信度大,负值表示候选椭圆区域是人员的置信度低。
利用基于生灭过程的模拟退火算法(SA)求解优化问题,算法包括以下步骤:
E1.初始化温度参数时间离散化步长δ=δ0;
E2.生的步骤:对于每个像素s∈I,如果没有目标存在,在s处以概率δB(s)增加一个目标,其中,z为给点参数;
E3.排序步骤:计算配置目标oi的数据项ud(oi),按照数据能量递减的顺序排序;
E4.灭的步骤:对按照这种顺序的每个目标oi计算死亡率其中aβ(oi)=exp(-βU(oi)),然后目标以概率d(oi)灭亡;
E5.收敛测试:如果步骤E2所加所有目标恰好在步骤E4被灭亡,则实现收敛,算法结束,否则,降低温度T(n+1)=kT(n)和离散化步长δ(n+1)=δ(n)-Δδ,然后回到步骤E2,其中n表示降温次数,k<1为常数,Δδ为常数。
Claims (1)
1.一种基于视觉的煤矿井下作业人员超员报警系统,其特征在于:系统主要包括成像设备、数据网络、图像处理服务器和报警器;所述成像设备安装在井下每个作业区;所述图像处理服务器接收通过数据网络传输来的各个作业区的场景图像,检测图像中的人员目标并计数,若超过了限定的人数,则触发报警器发出声光报警;
所述系统检测和计数图像中人员目标的方法是:图像中的人员目标用图像中的一块椭圆区域表征,定义图像中的椭圆空间χ=[0,XM]×[0,YM]×[am,aM]×[bm,bM]×[0,π],其中,XM和YM分别表示图像的宽度和高度,(am,aM)和(bm,bM)分别表示椭圆长轴和短轴的最小值与最大值,θ∈[0,π]表示椭圆的方向;用随机模型表达图像内容,图像中椭圆的出现则是一个随机过程,用Gibbs密度描述所述随机过程即其中,U(o)表示椭圆随机过程的势能,o={o1=(x1,m1),...,oi=(xi,mi),...,on=(xn,mn)}∈χ表示椭圆随机过程的一种配置,oi表示椭圆,xi表示椭圆oi在图像中的位置,mi表示椭圆oi的形状,为归一化常数;寻找使Gibbs密度最大的椭圆配置,即解优化问题统计中的椭圆个数,即为人员总数目。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510801098.5A CN105306909B (zh) | 2015-11-20 | 2015-11-20 | 基于视觉的煤矿井下作业人员超员报警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510801098.5A CN105306909B (zh) | 2015-11-20 | 2015-11-20 | 基于视觉的煤矿井下作业人员超员报警系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105306909A CN105306909A (zh) | 2016-02-03 |
CN105306909B true CN105306909B (zh) | 2018-04-03 |
Family
ID=55203594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510801098.5A Expired - Fee Related CN105306909B (zh) | 2015-11-20 | 2015-11-20 | 基于视觉的煤矿井下作业人员超员报警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105306909B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105763853A (zh) * | 2016-04-14 | 2016-07-13 | 北京中电万联科技股份有限公司 | 一种公共区域拥挤、踩踏事件应急预警方法 |
CN108447218A (zh) * | 2018-03-29 | 2018-08-24 | 成都精灵云科技有限公司 | 基于云平台的矿井火灾自动化监控系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102136076A (zh) * | 2011-03-14 | 2011-07-27 | 徐州中矿大华洋通信设备有限公司 | 基于安全帽检测的煤矿井下人员定位与跟踪方法 |
CN102831420A (zh) * | 2012-08-17 | 2012-12-19 | 银江股份有限公司 | 基于颜色信息和随机圆检测的圆形交通标志定位方法 |
CN103150559A (zh) * | 2013-03-01 | 2013-06-12 | 南京理工大学 | 基于Kinect三维深度图像的头部识别与跟踪方法 |
CN104408724A (zh) * | 2014-11-27 | 2015-03-11 | 中南大学 | 基于深度信息的泡沫浮选液位监测和工况识别方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2431717A (en) * | 2005-10-31 | 2007-05-02 | Sony Uk Ltd | Scene analysis |
-
2015
- 2015-11-20 CN CN201510801098.5A patent/CN105306909B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102136076A (zh) * | 2011-03-14 | 2011-07-27 | 徐州中矿大华洋通信设备有限公司 | 基于安全帽检测的煤矿井下人员定位与跟踪方法 |
CN102831420A (zh) * | 2012-08-17 | 2012-12-19 | 银江股份有限公司 | 基于颜色信息和随机圆检测的圆形交通标志定位方法 |
CN103150559A (zh) * | 2013-03-01 | 2013-06-12 | 南京理工大学 | 基于Kinect三维深度图像的头部识别与跟踪方法 |
CN104408724A (zh) * | 2014-11-27 | 2015-03-11 | 中南大学 | 基于深度信息的泡沫浮选液位监测和工况识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105306909A (zh) | 2016-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108053427B (zh) | 一种基于KCF与Kalman的改进型多目标跟踪方法、系统及装置 | |
Huang et al. | Detection algorithm of safety helmet wearing based on deep learning | |
CN108062349B (zh) | 基于视频结构化数据及深度学习的视频监控方法和系统 | |
CN106412501B (zh) | 一种视频的施工安全行为智能监控系统及其监控方法 | |
CN105447458B (zh) | 一种大规模人群视频分析系统和方法 | |
CN104123544B (zh) | 基于视频分析的异常行为检测方法及系统 | |
CN103745230B (zh) | 一种自适应群体异常行为分析方法 | |
KR102051829B1 (ko) | 차량번호 인식을 통한 빅데이터 예측뷰포트 다중해상도 영상전송 기반의 스마트 교통정보 수집장치 및 그 장치를 이용한 교통관제 방법 | |
CN103839085B (zh) | 一种列车车厢异常人群密度的检测方法 | |
CN105006089B (zh) | 一种基于图像的安全监控报警方法及系统 | |
CN105654508B (zh) | 基于自适应背景分割的监控视频移动目标跟踪方法及系统 | |
CN105787853A (zh) | 一种公共区域拥挤、踩踏事件应急预警系统 | |
CN105184258A (zh) | 目标跟踪方法及系统、人员行为分析方法及系统 | |
CN105354563A (zh) | 结合深度和彩色图像的遮挡人脸检测预警装置及实现方法 | |
CN103945197B (zh) | 基于视频运动检测技术的电力设施防外破预警方案 | |
CN105306909B (zh) | 基于视觉的煤矿井下作业人员超员报警系统 | |
CN113034397B (zh) | 一种实时多环境自适应轨迹自动溯源的高空抛物检测方法 | |
CN112282819B (zh) | 基于视觉的综采工作面人员目标安全监控方法及系统 | |
CN112132043A (zh) | 基于监控视频的消防通道占用自适应检测方法 | |
CN113283369A (zh) | 一种港口码头作业人员安全防护措施监控系统及方法 | |
JP6851221B2 (ja) | 画像監視装置 | |
CN117373196B (zh) | 一种电气火灾报警方法及系统 | |
CN105513043B (zh) | 基于视觉的煤矿井下作业人员计数方法 | |
Cheng et al. | A multiscale parametric background model for stationary foreground object detection | |
CN112532927A (zh) | 一种施工现场智能安全管控系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180403 Termination date: 20191120 |
|
CF01 | Termination of patent right due to non-payment of annual fee |