CN110378298B - 矿车队列的监控方法、装置、设备和存储介质 - Google Patents

矿车队列的监控方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN110378298B
CN110378298B CN201910668627.7A CN201910668627A CN110378298B CN 110378298 B CN110378298 B CN 110378298B CN 201910668627 A CN201910668627 A CN 201910668627A CN 110378298 B CN110378298 B CN 110378298B
Authority
CN
China
Prior art keywords
mine
car
queue
state
mine car
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.)
Active
Application number
CN201910668627.7A
Other languages
English (en)
Other versions
CN110378298A (zh
Inventor
赵存会
侯宇辉
范江涛
赵雅娟
蒙泽敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jingying Digital Technology Co Ltd
Original Assignee
Jingying Digital Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jingying Digital Technology Co Ltd filed Critical Jingying Digital Technology Co Ltd
Priority to CN201910668627.7A priority Critical patent/CN110378298B/zh
Publication of CN110378298A publication Critical patent/CN110378298A/zh
Application granted granted Critical
Publication of CN110378298B publication Critical patent/CN110378298B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/40Scenes; Scene-specific elements in video content
    • G06V20/41Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Emergency Alarm Devices (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明实施例公开了一种煤矿开采技术领域,具体涉及一种矿车队列的监控方法、设备、装置和存储介质。一种矿车队列的监控方法,包括:获取矿井中的当前的图像帧;判断获取的图像帧中是否有矿车队列,若有,则获取该所述矿车队列的运行状态信息;根据上述运行状态信息确定是否发生跑车,若是,则发出报警信息。本申请通过获取的图像帧中的矿车队列的运行状态信息确定出是否发生跑车并及时报警,极大地提高了安全监控的效果。

Description

矿车队列的监控方法、装置、设备和存储介质
技术领域
本发明实施例涉及煤矿开采技术领域,具体涉及一种矿车队列的监控方法、设备、装置和存储介质。
背景技术
煤矿轨道斜巷是在煤矿井下开掘的具有一定倾斜角度,长度较长的倾斜巷道,一般为几百米。通过煤矿斜巷将井下作业需要的材料、设备、工具运输到各作业点,并将井下各作业点产生的矸石,损坏的设备,不用的工具等运输到地面。运输采用矿车队列实现,矿车之间利用连接销连接。由于各种原因,矿车队列中的矿车之间往往会发生连接销断开而造成跑车事故,也就是部分矿车脱离队列,沿着斜巷坠下的运输事故。对人身安全的威胁比较严重,造成经济损失。
发明内容
为此,本发明实施例提供一种矿车队列的监控方法、装置和设备,以解决现有技术中无法实现对矿车的监控问题。
为了实现上述目的,本发明实施例提供如下技术方案:
根据本发明实施例的第一方面一种矿车队列的监控方法,包括:
获取矿井中的当前的图像帧;
判断获取的图像帧中是否有矿车队列,若有,则获取所述矿车队列的运行状态信息;
根据所述状态信息判断是否发生跑车,若是,则发出报警信息。
进一步地,所述状态信息包括:所述矿车队列中的任意两个相连接的矿车之间的连接销的连接状态,和/或,井口的绞车与矿车队列相连接的钢丝绳的连接状态;
根据所述状态信息判断是否发生跑车,包括:如果所述连接销,和/或,钢丝绳的连接状态是断开状态;则确定发生跑车。进一步地,方法还包括:确定图像帧中的矿车队列的运动方向和挡车栏的状态;
根据所述矿车队列的运动方向和挡车栏的状态决定是否报警。
进一步地,确定矿车队列的运动方向,包括:
获取与所述当前图像帧相邻的下一个图像帧;
获取所述当前图像帧的标记框的中心点的横坐标x1;
获取下一个图像帧的标记框的中心点的横坐标x2;
根据所述x1和x2的大小关系确定矿车队列的运动方向。
进一步地,根据所述矿车队列的运动方向和挡车栏的状态决定是否报警,包括:确定矿井中每一个挡车栏及其状态;以及所述矿车队列即将通过的距离所述矿车最近的第一挡车栏及其状态;除去所述第一挡车栏之外,如果发现至少一个挡车栏的状态是开启的,则报警。
根据本发明实施例的第二方面,一种矿车队列的监控装置,包括:
获取模块,用于获取矿井中的当前的图像帧;以及获取矿车队列的运行状态信息;
判断模块,用于判断获取的图像帧中是否有矿车队列;以及根据矿车队列的运行状态信息判断是否发生跑车;如果是,则发出报警信息。
进一步地,所述状态信息包括:所述矿车队列中的任意两个相连接的矿车之间的连接销的连接状态,和/或,井口的绞车与矿车队列相连接的钢丝绳的连接状态;
所述判断模块还用于:如果所述连接销,和/或,钢丝绳的连接状态是断开状态;则确定发生跑车。
进一步地,所述判断模块还用于:
确定图像帧中的矿车队列的运动方向和挡车栏的状态;
根据所述矿车队列的运动方向和挡车栏的状态决定是否报警。
进一步地,所述判断模块还用于:根据所述矿车队列的运动方向和挡车栏的状态决定是否报警,包括:
确定矿井中每一个挡车栏及其状态;以及所述矿车队列即将通过的距离所述矿车最近的第一挡车栏及其状态;
除去所述第一挡车栏之外,如果发现至少一个挡车栏的状态是开启的,则报警。
进一步地,所述判断模块还用于:获取与所述当前图像帧相邻的下一个图像帧;
获取所述当前图像帧的标记框的中心点的横坐标x1;
获取下一个图像帧的标记框的中心点的横坐标x2;
根据所述x1和x2的大小关系确定矿车队列的运动方向。
根据本发明实施例的第三方面,一种矿车队列的监控设备,所述电子设备包括:至少一个处理器和至少一个存储器;
所述存储器用于存储一个或多个程序指令;
所述处理器,用于运行一个或多个程序指令,用以执行上述任一项所述的方法:
根据本发明实施例的第四方面,一种计算机可读存储介质,所述计算机存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于被执行如上述任一项所述的方法。
本发明实施例具有如下优点:通过采集图像就可以确定出是否发生跑车并及时报警,极大地提高了安全监控的效果。发现跑车后,可以及时报警,并用挡车栏及时组织跑车下坠。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容能涵盖的范围内。
图1为本发明实施例提供的一种井下矿车队列示意图;
图2为本发明实施例提供的矿车队列的监控方法流程图;
图3为本发明实施例提供的多个摄像头分布示意图;
图4为本发明实施例提供的矿车队列的监控装置示意图;
图5为本发明实施例提供的监控设备结构示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、接口、技术之类的具体细节,以便透彻理解本发明。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
矿车队列又多辆矿车组成,在矿井中行驶的过程中一旦其中的一个矿车的连接销发生断裂,则会发生跑车的事故,是指部分发生断裂的矿车及其后面的矿车会向下落回矿井。参见附图1所示的井下矿车队列示意图,
摄像头01设置在矿井斜巷的侧壁上,矿车04之间通过连接销03连接;矿车与绞车通过钢丝绳01连接,绞车转动,通过钢丝绳01拉动矿车队列上行。
如果连接销或者钢丝绳发生了断裂,都会发生跑车事故,连接销断裂会造成部分矿车坠落井底,钢丝绳断裂会造成整个矿车队列坠入井底。如果不及时报警,极有可能会造成非常严重的事故。基于此,本申请提出了一种矿车队列的监控方法,参见附图2所示的矿车队列的监控方法流程图,方法包括:
步骤S201,获取矿井中的当前的图像帧;
其中,可以在井下设置多个矿用高清防爆摄像机来获取图像,高清防爆摄像机安装于斜巷行人侧巷道顶部,朝向斜巷巷底位置,要求能够拍摄斜巷整个区域。
因为矿井的长度比较长,考虑到这种情况,为了更好地实现对于整个矿井的监控,可以设置多个摄像头,参见附图3所示的多个摄像头分布示意图;摄像头A、B、C、D从井口往井底的方向排列,每一个摄像头监控一段子区间,相邻的区间不重合,不间隔。摄像头的实际个数需根据煤矿轨道斜巷长度和摄像头的拍摄最大广度确定。摄像机实时监控轨道斜巷区域,每隔N帧对图像采集一帧,N为大于1的正整数。每个摄像机拍摄到的图片都上传统一分析。
步骤S202,判断获取的图像帧中是否有矿车队列,若有,则获取所述图像帧中的该矿车队列的运行状态信息;
其中,采用卷积神经网络来实现判断是否有矿车队列的工作,卷积神经网络包括输入层、卷积层、池化层、全连接层和输出层。其中,输入层用于输入图像,卷积层用于将图像转化为特征图,池化层用于对特征图进行池化处理,以减少特征图中的特征数量,全连接层用于将经过卷积层和池化层处理后的特征图映射为一维特征向量,输出层用于根据全连接层输出的一维特征向量,输出第一概率值。卷积神经网络的输出层可以由分类器实现,分类器可以是Softmax分类器,用于实现二分类任务。关于二分类任务,包括比如:图片中的物体是不是矿车队列;图片中的连接销是否断开;图片中的钢丝绳是否断开。都可以利用卷积神经网络进行实现。在采用样本对神经网络进行训练的时候,样本的数量越多,神经网络识别的准确率就越高。
对于每一个任务,可以专门设置一个神经网络,比如,神经网络A专门用来确定图片中的连接销是否断开;神经网络B专门用来确定钢丝绳是否断开;神经网络C专门用来确定图片中的目标是否是矿车队列;将同一帧的图片分别输入到不同的神经网络中,再进行汇总,就可以确定同一帧图片中的各种信息,包括:识别图中的连接销是否断开,钢丝绳是否断开,识别图中的各个目标。
步骤S203,根据上述运行状态信息判断是否发生跑车;如果是,则执行步骤S204;如果否,则执行步骤S201;
步骤S204,报警。
同一时刻,每个摄像头把图像帧传输给中央处理器,中央处理器统一进行判断和识别。如果确定矿车队列并且连接销,和/或者,连接矿车和绞车的钢丝绳断开,则确定发生了跑车,及时报警。
上述方法,通过获取的图像帧中的矿车队列的运行状态信息;
确定出是否发生跑车并及时报警,极大地提高了安全监控的效果。
在一种可能的实施方式中,所述运行状态信息包括:所述矿车队列中的任意两个相连接的矿车之间的连接销的连接状态,和/或,井口的绞车与矿车队列相连接的钢丝绳的连接状态。
跑车有三种方式:第一种方式是钢丝绳断裂,其中,矿车队列是井口的绞车通过钢丝绳拉动所述矿车队列上行的,如果钢丝绳断开,则矿车队列发生跑车,坠入井底;
第二种方式是连接销断开,矿车也会部分发生跑车;
第三种方式比较少见,是钢丝绳和连接销都同时断开;也会发生跑车。
相邻的两个矿车之间用连接销连接,连接销的连接状态包括连接状态和断开状态。如果确定任意一个连接销的状态是断开状态,则确定发生了跑车,如果确定所有的连接销的连接状态都是连接状态并且钢丝绳的连接状态是连接状态,则确定没有发生跑车。
用预先训练好的神经网络模型可以识别出图像中的连接销的状态以及钢丝绳的连接状态,具体到连接销或者钢丝绳从连接状态变化到断开状态的一瞬间,可以迅速地识别并报警。
考虑到跑车发生时,矿车队列下坠,如果没有阻挡措施,后果不堪设想,所以为了保护矿车队列的安全,矿井内设置了若干个挡车栏,等间距或者不等间距分布。每一个挡车栏有闭合与打开两种状态:挡车栏打开时,车栏悬吊于顶板上,与顶板呈平行状态;挡车栏闭合时,车栏与轨道垂直,起挡车作用。
通过预先经过训练的神经网络可以实现对图像帧中的挡车栏的状态进行识别,输出识别的结果,状态结果包括打开或者关闭两种状态。正常状态下,矿车队列将要经过挡车栏时,挡车栏会从关闭状态变为开启状态,矿车队列经过挡车栏之后,挡车栏从开启状态变为关闭状态;矿车经过之后,如果挡车栏没有及时关闭,一旦发生跑车,则挡车栏就不能够起到挡车的效果。
所以,在一种实施方式中,方法包括:确定图像帧中的矿车队列的运动方向和挡车栏的状态;根据所述矿车队列的运动方向和挡车栏的状态决定是否报警;
其中,如果矿车队列的运动方向是从井底向井口的方向运动,根据运动方向和矿车的位置可以确定出矿车队列已经行驶过的路段和将要行驶的路段;如果已经行驶过的路段中的挡车栏的状态是开启的,则报警。
为了能够确定出矿车队列的运动方向,在一种可能的实施方式中,确定矿车队列的运动方向时,采用以下的步骤:
获取与所述当前图像帧相邻的下一个图像帧;获取所述当前图像帧的标记框的中心点的横坐标x1;
获取下一个图像帧的标记框的中心点的横坐标x2;
根据所述x1和x2的大小关系确定矿车队列的运动方向。
其中,在矿井的侧壁上安装了摄像头,摄像头拍摄的画面如附图1中所示,左侧为井底方向,右侧为井口方向,如果当前帧中,矿车队列的标记框的中心点的横坐标为x1;下一个图像帧中,矿车队列的标记框的中心点的横坐标变为x2;如果x2大于x1时,则确定是向井口运动;如果x2小于x1时,则确定是向井底方向运动。
在一种实施方式中,根据所述矿车队列的运动方向和挡车栏的状态决定是否报警,包括:确定矿井中每一个挡车栏及其状态;以及所述矿车队列即将通过的距离所述矿车最近的第一挡车栏及其状态;除去所述第一挡车栏之外,如果发现至少一个挡车栏的状态是开启的,则报警。
具体实施时,一种方式是通过摄像头阵列进行,首先确定矿车队列的位置;
其中,可以用摄像头阵列进行,假设在矿井中从高到低依次设置了ABCDE五个摄像头;每一个摄像头负责拍摄一段;互不重叠;并且假设每一个路段中有一个挡车栏;同一时刻,如果摄像头A拍摄的图像中有矿车;其余摄像头拍摄的头像中没有矿车,则可以确定矿车的位置处于摄像头A拍摄的路段。
确定矿车队列的已经行驶过的路段及即将行驶的路段;
其中,判断出矿车的运行方向,以及矿车的当前的位置就可以确定已经行驶过的路段和即将行驶的路段;在所述即将行驶的路段上,确定与所述矿车最近的第一挡车栏及状态;其中,假设矿车在摄像头A对应的路段上,矿车已经通过了该路段上的挡车栏;矿车的运行方向是从井口往井底行驶,则摄像头B拍摄的图片中的挡车栏是与矿车最近的挡车栏。在矿井中的所有的挡车栏中,除去所述第一挡车栏之外,如果发现至少一个挡车栏的状态是开启的,则报警。
另一种实施方式,如果在一个图像帧中同时识别有矿车和挡车栏,根据行驶方向和挡车栏与矿车的相对位置关系判断该挡车栏是否是上述矿车队列即将通过的挡车栏,如果该矿车队列行驶方向为从井口向井底;如果挡车栏位于矿车的靠近井口的一侧,则该挡车栏已经被通过;如果挡车栏位于矿车队列的靠近井底的一侧,则确定该挡车栏就是矿车队列即将通过的挡车栏;如果该挡车栏是开启的,则正常,如果其余的挡车栏中至少有一个挡车栏是开启的,则报警。
下面具体说明,检测挡车栏状态是否合规采用摄像头阵列实现的一种方法,采用以下步骤:
利用目标检测算法识别图片中是否有挡车栏,如果有并识别其状态,同时判断该摄像头编号x是A、B、C、D、E中哪一个。之后根据矿车运动方向,以及x与A、B、C、D的大小关系,确定该摄像头中挡车栏的状态是否正常,如果正常,则结束判断;否则系统将报警信息传输给声光报警器,声光报警器发出声光报警。具体方法如下:
A.如果矿车往井底行驶且x在A、B中间,监测到挡车栏是开启状态的摄像头只有B时,是正常现象。如果除了摄像头B监测的该挡车栏是开启的之外,其余的摄像头监测到的挡车栏中有至少一个是开启的,则报警。
上述状态说明,矿车从A到B的方向运动,并且矿车运行到了摄像头B监控的区域中,摄像头B监控的图像中,挡车栏是开启的,是正常的,是为了矿车通过的,但是其余的挡车栏的状态都应该是关闭的,如果有挡车栏开启,则不正常,报警。B.如果矿车往井底行驶且x在B、C中间:监测到挡车栏是开启状态的摄像头只有C时,是正常现象。如果除了摄像头C监测的该挡车栏是开启的之外,其余的摄像头监测到的挡车栏中有至少一个是开启的,则报警;
C.如果矿车往井底行驶且x在C、D中间:监测到挡车栏是开启状态的摄像头只有D时,是正常现象。如果除了摄像头D监测的该挡车栏是开启的之外,其余的摄像头监测到的挡车栏中有至少一个是开启的,则报警;
D.如果矿车往井底行驶且x在D、E中间:监测到挡车栏是开启状态的摄像头只有E时,是正常现象。如果除了摄像头E监测的该挡车栏是开启的之外,其余的摄像头监测到的挡车栏中有至少一个是开启的,则报警;
E.如果矿车往井口行驶且x在A、B中间:监测到挡车栏是开启状态的摄像头只有A时,是正常现象。如果除了摄像头A监测的该挡车栏是开启的之外,其余的摄像头监测到的挡车栏中有至少一个是开启的,则报警;
F.如果矿车往井口行驶且x在B、C中间:监测到挡车栏是开启状态的摄像头只有B时,是正常现象。如果除了摄像头B监测的该挡车栏是开启的之外,其余的摄像头监测到的挡车栏中有至少一个是开启的,则报警;
G.如果矿车往井口行驶且x在C、D中间:监测到挡车栏是开启状态的摄像头只有C时,是正常现象。如果除了摄像头C监测的该挡车栏是开启的之外,其余的摄像头监测到的挡车栏中有至少一个是开启的,则报警;
H.如果矿车往井口行驶且x在D、E中间:监测到挡车栏是开启状态的摄像头只有D时,是正常现象。如果除了摄像头D监测的该挡车栏是开启的之外,其余的摄像头监测到的挡车栏中有至少一个是开启的,则报警;
本发明提供了一种判断煤矿斜巷轨道是否有跑车以及挡车栏是否正确操作的监控报警方法。当出现该闭合处未闭合的异常现象或者矿车发生跑车现象时,系统将报警信息传输给声光报警器,声光报警器进行报警,提示井下作业人员需处理异常现象。利用图像识别方法使得监控报警更加及时、准确,降低了斜巷轨道跑车现象的发生次数,进而提高了煤矿安全管理水平以及减少了危险事故的发生。
第二方面,本申请还提出了一种矿车队列的监控装置,参见附图4所示的矿车队列的监控装置结构示意图,包括:
获取模块41,用于获取矿井中的当前的图像帧;以及获取矿车队列的运行状态信息;
判断模块42,用于判断获取的图像帧中是否有矿车队列;以及根据所述运行状态信息判断是否发生跑车,若是,则发出报警信息。
上述装置,判断模块42通过获取的图像帧中的矿车队列的运行状态信息;判断出是否发生跑车并及时报警,极大地提高了安全监控的效果。
进一步地,所述运行状态信息包括:所述矿车队列中的任意两个相连接的矿车之间的连接销的连接状态,和/或,井口的绞车与矿车队列相连接的钢丝绳的连接状态;
所述判断模块42还用于:如果所述连接销,和/或,钢丝绳的连接状态是断开状态;则确定发生跑车。
进一步地,所述判断模块42还用于:确定图像帧中的矿车队列的运动方向和挡车栏的状态;
根据所述矿车队列的运动方向和挡车栏的状态决定是否报警。
进一步地,所述判断模块42还用于:确定矿井中每一个挡车栏及其状态;以及所述矿车队列即将通过的距离所述矿车最近的第一挡车栏及其状态;
除去所述第一挡车栏之外,如果发现至少一个挡车栏的状态是开启的,则报警。
进一步地,所述判断模块42还用于:获取与所述当前图像帧相邻的下一个图像帧;
获取所述当前图像帧的标记框的中心点的横坐标x1;
获取下一个图像帧的标记框的中心点的横坐标x2;
根据所述x1和x2的大小关系确定矿车队列的运动方向。根据本发明实施例的第三方面,本申请还提出了一种矿车队列的监控设备,参见附图5所示的矿车队列的监控设备结构示意图,包括:至少一个处理器51和至少一个存储器52;
所述存储器52用于存储一个或多个程序指令;
所述处理器51,用于运行一个或多个程序指令,用以执行上述任一项所述的方法。
根据本发明实施例的第四方面,一种计算机可读存储介质,所述计算机存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于被执行如上述任一项所述的方法。
在本发明实施例中,处理器可以是一种集成电路芯片,具有信号的处理能力。处理器可以是通用处理器、数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application Specific工ntegrated Circuit,简称ASIC)、现场可编程门阵列(FieldProgrammable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。处理器读取存储介质中的信息,结合其硬件完成上述方法的步骤。
存储介质可以是存储器,例如可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。
其中,非易失性存储器可以是只读存储器(Read-Only Memory,简称ROM)、可编程只读存储器(Programmable ROM,简称PROM)、可擦除可编程只读存储器(Erasable PROM,简称EPROM)、电可擦除可编程只读存储器(Electrically EPROM,简称EEPROM)或闪存。
易失性存储器可以是随机存取存储器(Random Access Memory,简称RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,简称SRAM)、动态随机存取存储器(Dynamic RAM,简称DRAM)、同步动态随机存取存储器(Synchronous DRAM,简称SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,简称DDRSDRAM)、增强型同步动态随机存取存储器(EnhancedSDRAM,简称ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,简称SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,简称DRRAM)。
本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时,可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。

Claims (7)

1.一种矿车队列的监控方法,其特征在于,包括:
获取矿井中的当前的图像帧;
判断获取的图像帧中是否有矿车队列,若有,则获取所述矿车队列的运行状态信息;
根据所述运行状态信息判断是否发生跑车,若是,则发出报警信息;
所述方法还包括:确定图像帧中的矿车队列的运动方向和挡车栏的状态;
确定矿井中每一个挡车栏及其状态;以及所述矿车队列即将通过的距离所述矿车最近的第一挡车栏及其状态;
除去所述第一挡车栏之外,如果发现至少一个挡车栏的状态是开启的,则报警。
2.如权利要求1所述的方法,其特征在于,所述运行状态信息包括:所述矿车队列中的任意两个相连接的矿车之间的连接销的连接状态,和/或,井口的绞车与矿车队列相连接的钢丝绳的连接状态;
根据所述状态信息判断是否发生跑车,包括:
如果所述连接销,和/或,钢丝绳的连接状态是断开状态;则确定发生跑车。
3.如权利要求1所述的方法,其特征在于,确定矿车队列的运动方向,包括:
获取与所述当前图像帧相邻的下一个图像帧;
获取所述当前图像帧的标记框的中心点的横坐标x1;
获取下一个图像帧的标记框的中心点的横坐标x2;
根据所述x1和x2的大小关系确定矿车队列的运动方向。
4.一种矿车队列的监控装置,其特征在于,包括:
获取模块,用于获取矿井中的当前的图像帧;以及
获取矿车队列的运行状态信息;
判断模块,用于判断获取的图像帧中是否有矿车队列;以及根据所述运行状态信息判断是否发生跑车,若是,则发出报警信息;
所述判断模块还用于:
确定图像帧中的矿车队列的运动方向和挡车栏的状态;
确定矿井中每一个挡车栏及其状态;以及所述矿车队列即将通过的距离所述矿车最近的第一挡车栏及其状态;
除去所述第一挡车栏之外,如果发现至少一个挡车栏的状态是开启的,则报警。
5.如权利要求4所述的监控装置,其特征在于,所述运行状态信息包括:所述矿车队列中的任意两个相连接的矿车之间的连接销的连接状态,和/或,井口的绞车与矿车队列相连接的钢丝绳的连接状态;
所述判断模块还用于,如果所述连接销,和/或,钢丝绳的连接状态是断开状态;则确定发生跑车。
6.一种矿车队列的监控设备,其特征在于,包括:至少一个处理器和至少一个存储器;
所述存储器用于存储一个或多个程序指令;
所述处理器,用于运行一个或多个程序指令,用以执行如权利要求1-3任一项所述的方法。
7.一种计算机可读存储介质,其特征在于,所述计算机存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于被执行如权利要求1-3任一项所述的方法。
CN201910668627.7A 2019-07-23 2019-07-23 矿车队列的监控方法、装置、设备和存储介质 Active CN110378298B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910668627.7A CN110378298B (zh) 2019-07-23 2019-07-23 矿车队列的监控方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910668627.7A CN110378298B (zh) 2019-07-23 2019-07-23 矿车队列的监控方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN110378298A CN110378298A (zh) 2019-10-25
CN110378298B true CN110378298B (zh) 2021-04-27

Family

ID=68255308

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910668627.7A Active CN110378298B (zh) 2019-07-23 2019-07-23 矿车队列的监控方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN110378298B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114911239B (zh) * 2022-05-27 2024-10-18 上海伯镭智能科技有限公司 一种无人驾驶矿车的异常识别方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1104734B1 (en) * 1998-08-10 2004-12-22 Tokyu Car Corporation Method and apparatus for detecting railroad car derailment
CN102419925A (zh) * 2010-09-27 2012-04-18 天津职业技术师范大学 采区斜井(巷)运输人本安全监控培训系统及制作方法
CN104463235A (zh) * 2014-11-18 2015-03-25 中国铁道科学研究院电子计算技术研究所 基于动车组运行图像的故障识别方法及装置
CN105759839A (zh) * 2016-03-01 2016-07-13 深圳市大疆创新科技有限公司 无人机视觉跟踪方法、装置以及无人机
WO2017116466A1 (en) * 2015-12-31 2017-07-06 Patrick Tyler Joseph Modal docking systems
CN207503005U (zh) * 2017-10-30 2018-06-15 国投中煤同煤京唐港口有限公司 一种提前确认火车钩头状态的系统
US10101745B1 (en) * 2017-04-26 2018-10-16 The Charles Stark Draper Laboratory, Inc. Enhancing autonomous vehicle perception with off-vehicle collected data
CN208874667U (zh) * 2018-04-13 2019-05-17 中国神华能源股份有限公司 机车视频监控系统
CN109910949A (zh) * 2019-03-14 2019-06-21 北京锦鸿希电信息技术股份有限公司 断轨检测的方法、装置及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1104734B1 (en) * 1998-08-10 2004-12-22 Tokyu Car Corporation Method and apparatus for detecting railroad car derailment
CN102419925A (zh) * 2010-09-27 2012-04-18 天津职业技术师范大学 采区斜井(巷)运输人本安全监控培训系统及制作方法
CN104463235A (zh) * 2014-11-18 2015-03-25 中国铁道科学研究院电子计算技术研究所 基于动车组运行图像的故障识别方法及装置
WO2017116466A1 (en) * 2015-12-31 2017-07-06 Patrick Tyler Joseph Modal docking systems
CN105759839A (zh) * 2016-03-01 2016-07-13 深圳市大疆创新科技有限公司 无人机视觉跟踪方法、装置以及无人机
US10101745B1 (en) * 2017-04-26 2018-10-16 The Charles Stark Draper Laboratory, Inc. Enhancing autonomous vehicle perception with off-vehicle collected data
CN207503005U (zh) * 2017-10-30 2018-06-15 国投中煤同煤京唐港口有限公司 一种提前确认火车钩头状态的系统
CN208874667U (zh) * 2018-04-13 2019-05-17 中国神华能源股份有限公司 机车视频监控系统
CN109910949A (zh) * 2019-03-14 2019-06-21 北京锦鸿希电信息技术股份有限公司 断轨检测的方法、装置及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种时时防护矿车跑车的装置;叶霄 等;《山东煤炭科技》;20150831(第8期);第117-118页 *

Also Published As

Publication number Publication date
CN110378298A (zh) 2019-10-25

Similar Documents

Publication Publication Date Title
US10713490B2 (en) Traffic monitoring and reporting system and method
CN110738857B (zh) 一种车辆违章取证方法、装置及设备
KR20190094005A (ko) 도로 노면 손상 탐지를 위한 영상 처리 및 딥러닝 이미지 분류 장치 및 방법
US20140195138A1 (en) Roadway sensing systems
CN107301777A (zh) 基于视频检测技术的车辆违章变道检测方法
CN101273634A (zh) 运动检测设备
Ketcham et al. The intruder detection system for rapid transit using CCTV surveillance based on histogram shapes
US9950723B2 (en) Danger zone monitoring at a grade crossing
Nguyen et al. Understanding the problem of bridge and tunnel strikes caused by over-height vehicles
CN114494983A (zh) 一种铁路异物入侵监测方法及系统
CN110378298B (zh) 矿车队列的监控方法、装置、设备和存储介质
KR20110099992A (ko) 실시간 교통상황 검지 시스템
KR102111363B1 (ko) IoT기반의 카메라 그룹핑을 이용한 터널 내 유고 감시 시스템
CN110486081B (zh) 一种掘进机作业安全监测方法、系统、设备及存储介质
CN110264513B (zh) 矿车掉道的监控方法、装置、设备和存储介质
CN106023599A (zh) 一种超高超宽违法抓拍电子警察系统及其控制方法
KR101089029B1 (ko) 광류를 이용한 방범용 차량 감지 시스템
KR102296471B1 (ko) 인공지능 기반 차량 적재불량 검출 시스템
CN117609732A (zh) 一种基于人工智能的道路护栏碰撞数据评价系统
CN110556003B (zh) 无轨胶轮车速度的监控方法、装置、设备和存储介质
CN113184483A (zh) 一种输送带防撕裂系统及预警方法
CN115273474B (zh) 一种基于人工智能的rpa巡检机器人巡检管理系统
Maire Vision based anti-collision system for rail track maintenance vehicles
Fujimura et al. Vehicle infrastructure integration system using vision sensors to prevent accidents in traffic flow
CN115393792A (zh) 一种目标的异常状态检测方法、装置及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant