CN110490124A - 一种智能化的加油站现场服务与风险管控系统 - Google Patents

Abstract

本发明公开了一种智能化的加油站现场服务与风险管控框架，包括前端图像采集摄像头、IP传输模块、加油站智能服务器集群和智能分析软件平台，并通过高效的分布式通信机制和高效的图像算法处理机制，达到带宽占用低、实时处理分析、硬件要求低、WEB实时展示分析等特点。本发明可灵活地与加油站现有视频监控系统融合，具备全天候、自动化地对用户、工作人员的操作进行智能分析特征，可大大提高监控的效率，降低人工花费的时间，从而保证加油站严格执行安全生产责任制、岗位安全操作规程，落实安全检查、隐患治理、事故管理等制度。

Description

一种智能化的加油站现场服务与风险管控系统

技术领域

本发明涉及人工智能、智能监控技术领域，具体涉及一种基于人工智能技术的加油站现场服务与风险管控框架。

背景技术

随着我国国民经济的飞速发展,人民生活水平正不断提高，城市汽车保有量也快速增长。据统计，截止至2017年3月低，我国机动车保有量已超过3亿辆，其中汽车超过2亿辆，并且汽车保有量连续多年保持超过10％的增速。巨大的汽车保有量催生了庞大的汽车消费市场，特别是汽车燃油市场。作为燃油销售终端的加油站，往往贮存着大量的成品燃油，以此满足广大汽车用户的需求。

加油站处于整个燃油市场供应链的终端位置，参与到运输、贮存、零售等各个环节中，因此加油站风险管控的重要性不言而喻。尽管加油站的经营都有着严格的操作规章制度来管理，为了加强安全管理，也普遍安装视频监控系统，用以实时记录加油站的情况。但传统的加油站管理方式仍存在诸多安全隐患和规范操作检测盲点。安全隐患如：卸油区的油罐车爆炸、加油区火灾、加油站内及其附近区域交通拥塞，事故频发等。规范操作检测盲点如：进出加油站的车辆驾驶员是否使用手机、加油人员是否佩戴安全帽、禁火区域是否有人使用烟火等。同时，由于安全事故的偶发性，传统视频监控系统往往只在事故发生后用于录像的调阅，以查明事故情况。在绝大部分的时间里，监控系统所监控到的数据处于鲜有人问津，长期闲置的状态。这种被动防守式的视频监控方式，对于风险管控的作用非常有限。尤其近年来高清监控的大量使用，如果依靠人工来分析和判读海量的非结构化数据，那么将需要巨大的人力物力。这就说明：人工的加油站风险管控及经营分析已经变为事实上不可能的事情了。因此，基于人工智能的加油站现场服务、风险管控及经营分析系统显得尤为重要。该系统可以通过对视频内容实时分析，探测异常信息，进行风险预测，使得整个加油站管理高度信息化、智能化，大幅度提升加油站的风险管控能力和效率。

随着近年来深度学习算法的逐步演进，人工智能关键技术得到长足发展。在计算机视觉及机器人等领域，深度学习带来了前所未有的性能提升，在多个单一视觉任务，如视频分类，人脸匹配等，已经取得了超越人类的判别能力。新技术的革新，也带来了新的应用可能性，人工智能技术已经在商业，特别是与传统行业的结合上做了大量的尝试，取得了相当大的成果。“AI+X”焕发了传统行业在人工智能新技术下的新生。正是由于人工智能的重大突破，引起了世界各国政府高度关注。

基于视频大数据的风险管控技术，若能够全天候、自动化地对用户、工作人员的操作进行智能分析，可以保证加油站严格执行安全生产责任制、岗位安全操作规程，落实安全检查、隐患治理、事故管理等制度。若发现存在危险情况，则自动发出报警信息，提示工作人员对相应情况进行处理，防患于未然。

与此同时，视频智能分析功能能够实时记录加油用户的信息及加油行为，如加油车辆车牌、车型，加油的时间和油品的选择。通过视频智能分析，将视频信息数据结构化后存储，并对沉淀的大量数据进行分析，用于经营大数据分析，提升服务品质，挖掘出客户的加油历史、频次、购买习惯，以及加油站业务状态、油品销售，甚至包括今后的加油站改扩建，区域消费水平等进行客观分析，进而为今后的顾客精准营销、业务推广提供最有价值、最合身的数据支持。

发明内容

本发明旨在提供一种智能化的加油站现场服务与风险管控系统，具备全天候、自动化地对用户、工作人员的操作进行智能分析特征，可大大提高监控的效率，降低人工花费的时间，从而保证加油站严格执行安全生产责任制、岗位安全操作规程，落实安全检查、隐患治理、事故管理等制度。

本发明的技术方案如下：

一种智能化的加油站现场服务与风险管控系统，其特征在于，由前端图像采集摄像头、IP传输模块、加载有智能分析软件平台的基层加油站智能服务器J_{i(i＝1,2,…k)}组成基层加油站现场服务与风险管控单元；k个基层加油站现场服务与风险管控单元的基层智能服务器，与中心智能服务器Z通信，构成加油站智能服务器集群Q；集群Q内采用高效的通信机制和高效的图像算法处理机制与加油站现有视频监控系统融合，实现全方位、智能化的加油区现场服务与风险管控，其中：

1)前端图像采集摄像头CJ：利用分布式监控摄像头采集视频图像，并负责实时传递视频流，支持单路和多路视频采集；

2)IP传输模块CS：基于标准的音视频协议，接入并传输监控摄像头采集视频图像至站级处理节点或集群处理节点，支持单路和多路视频接入与传输；

3)加油站智能服务器集群Q：为本系统的核心，每个加油站现场服务与风险管控单元，部署一个GPU服务器站作为基层智能服务器；各基层智能服务器与集群的中心智能服务器Z通信连接，中心智能服务器Z亦由一个GPU服务器站担任；每个GPU服务站包含多个智能分析节点，每个节点作为独立的计算处理单元，运行相应的加油站现场服务与风险管控服务；

4)智能分析软件平台：采用C/S、B/S两种软件架构，为用户提供加油站现场服务与管控应用功能。

进一步地，所述的基层加油站智能服务器J_i(i＝1,2,…k)运行加油站现场服务与风险管控任务，包括：

1)目标检测：采用深度学习方法，训练构建加油站工作人员、加油区车辆、加油区物品的自动识别模型，部署于智能分析节点，用于实时的人、车、物检测；

2)人体行为检测：采用深度学习方法，训练构建加油站工作人员行为的自动识别模型，部署于智能分析节点，用于实时的加油站工作人员的动作和行为包括但不限于肢体动作、下蹲身体动作的检测；

3)人脸识别检测：采用深度学习方法，训练构建加油站工作人员的人脸识别模型，部署于智能分析节点，用于实时的加油站工作人员的人脸识别；

4)加油站现场服务及风险检测：基于加油站服务要求及安全生产要求，构建加油站现场服务及风险检测规则库，综合目标检测、人体行为检测、人脸识别检测结果，实现加油站关键服务事件、安全生产事件的自动识别、事件跟踪，及其违规判断，输出事件日志信息或违规告警信息。

5)对检测实时结果作标注、显示和必要的预警信息输出。

进一步地，所述智能服务器集群Q内的主服务器Z对来至于基层加油站智能服务器J_i(i＝1,2,…k)做人工智能处理和大数据分析：通过加油站现场服务及风险检测服务积累的数据，如顾客的等待时间、顾客购物热点区域、顾客的行为、油品消耗数量等数据，分析挖掘出顾客的行为、购买习惯、高锋时段，可以给用户推荐相关商品，挖掘出加油站的车辆信息和行为，用于支撑加油站现场服务及风险管控的改进，并提供以上挖掘结果显示、查询、检索和存档。

本发明智能化的加油站现场服务与风险管控系统可灵活地与加油站现有视频监控系统融合，实现全方位、智能化的加油区现场服务与风险管控，并通过高效的通信机制和高效的图像算法处理机制，达到带宽占用低、实时处理分析、硬件要求低、WEB实时展示分析等特点。

附图说明

为了更清楚地说明本发明内容和实施例的技术方案，下面将对发明内容和实施例中所需要使用的附图作简单地介绍。

图1是本发明提供的智能化的加油站现场服务与风险管控系统的基本组成及连结关系示意图。

图2为本发明提供的智能化的加油站现场服务与风险管控系统的工作框图。

图3是本发明提供的智能化的加油站现场服务与风险管控系统与加油站现有视频监控系统融合的逻辑构架示意图。

图4是本发明提供的智能化的加油站现场服务与风险管控系统的智能分析软件平台界面效果图。

图5是本发明提供的智能化的加油站现场服务与风险管控系统的高效通信机制示意图。

图6是本发明提供的智能化的加油站现场服务与风险管控系统的高效图像处理机制的示意图。

具体实施方式

下面结合本发明附图，对本发明技术方案进行清楚、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。

本发明智能化的加油站现场服务与风险管控系统逻辑组成如图1所示：由前端图像采集摄像头、IP传输模块、加载有智能分析软件平台的基层加油站智能服务器J_{i(i＝1,2,…k)}组成基层加油站现场服务与风险管控单元；k个基层加油站现场服务与风险管控单元的基层智能服务器与中心智能服务器Z通信，构成加油站智能服务器集群Q；集群Q内采用高效的通信机制和高效的图像算法处理机制与加油站现有视频监控系统融合，实现全方位、智能化的加油区现场服务与风险管控。图2为管控系统的工作框图。

与加油站现有视频监控系统融合的逻辑构架如图3所示：

1)前端图像采集摄像头：利用分布式监控摄像头采集视频图像，并负责实时传递视频流，支持单路和多路视频采集；

2)IP传输模块：基于标准的音视频协议，通过NVR连接并转发到站点人工智能服务器，通过视频流解码器将监控视频解码成可分析图片，最后将采集视频图像传输至站级处理节点或集群(集群的范围可以行政管理区，例如省级，或类似方式划取)处理节点的人工智能服务器进行处理。同时，通过SIP协议的流管理平台，可由集群处理节点选择视频进行处理，最后可通过站点的流媒体服务器将显示信息推送至展示终端节点。

3)加油站智能服务器集群：为本发明的核心，在每个监控摄像头采集视频图像的站级处理节点或集群处理节点，部署一个GPU服务器站；每个GPU服务站包含多个智能分析节点，每个节点作为独立的计算处理单元，运行相应的加油站现场服务与风险管控服务。加油站现场服务与风险管控服务可包括：

A.目标检测服务：采用深度学习方法，训练构建加油站工作人员、加油区车辆、加油区物品的自动识别模型，部署于智能分析节点，用于实时的人、车、物检测；

B.人体行为检测服务：采用深度学习方法，训练构建加油站工作人员行为的自动识别模型，部署于智能分析节点，用于实时地对加油站工作人员的动作和行为进行检测；

C.人脸识别检测服务：采用深度学习方法，训练构建加油站工作人员的人脸识别模型，部署于智能分析节点，用于实时的加油站工作人员的人脸识别；

D.加油站现场服务及风险检测服务：基于加油站服务要求及安全生产要求，构建加油站现场服务及风险检测规则库，综合目标检测、人体行为检测、人脸识别检测结果，实现加油站关键服务事件、安全生产事件的自动识别、事件跟踪，及其违规判断，输出事件日志信息或违规告警信息。其具体实施的风险管控可包括：

a)卸油区风险管控：应用人工智能算法进行车辆进出跟踪、人员实时跟踪、人员入侵检测、卸油过程状态检测。系统根据上下文关系识别其状态，能够与卸油过程检测模块相结合，智能分析工作人员的操作是否符合规范，比如：油罐车到达后是否静置指定时间、是否连接静电夹、是否安防消防器材等。如果员工存在不规划操作则实时报警；

b)财务室风险管控：实时监控财务室情况，通过计算机视觉中的目标检测技术对保险柜开关状态关联到人员信息，比如，当保险柜开启时，财务室内有非工作人员，那么智能监控设备立即报警，对于加油站财务室的风险管控有重要的意义；

c)便利店/商超效率及风险管控：便利店/商超智能管控功能多且分散，主要以以下模块及技术进行支持：

i.在岗人员责任对应：通过人脸识别技术结合动作识别技术，可以做到责任到人，对于违规操作的员工，人工智能算法捕捉到其违规行为之后进行责任对应识别。将违规的数据保存到云端提供高效的决策分析。

ii.巡检智能管控：通过工作人员检测分类技术，对于每日需要巡检的地点，如配电柜、发电机房等实时监控检查次数，对于未检出或者检查不达标的情况进行预警

iii.潜在风险行为实时管控：通过动作识别技术结合目标检测技术，对于员工非法操作POS机、扫码枪等动作进行预警。

E.大数据分析服务：通过加油站现场服务及风险检测服务积累的数据，如顾客的等待时间、顾客购物热点区域、顾客的行为、油品消耗数量等数据，分析需要挖掘出顾客的行为、购买习惯、高锋时段，可以给用户推荐商品，挖掘出加油站的车辆信息和行为，用于支撑加油站现场服务及风险管控的改进。其具体实现方案：

a)站级大数据处理服务：将数据存储在本地，同步计算保存，使得无需依赖内网进行数据传输。

b)集群大数据处理服务：所有站级节点的计算结果汇总到集群中心进行数据加工，通过大数据分析，获得经营、安全、效率、管理等方面的分析数据。最后，统一将数据存储到省中心存储设备中进行数据管理。

4)智能分析软件平台：采用C/S、B/S两种软件架构，为用户提供加油站现场服务与管控应用功能，界面效果如图4所示，其具体作用为：

A.提供对监控视频的显示功能，且针对车辆、人员进行检测并在视频上进行标注，实时显示；

B.对各种风险行为的分析结果回馈到GUI界面，针对不同危险行为进行预警，预警主要分为操作违规、非工作人员入侵等；

C.提供对各种数据的查询、检索、存档等交互操作；

D.显示经营大数据提取及分析结果，并给出分析建议。

5)高效的通信机制：采用共享内存及ICE技术进行通信，实现实时视频处理，业务流程如图5所示：

A.将单路视频解码调度模块从H.264视频流模块读取的图片，通过共享内存技术传递给检测器进行检测处理，能稳定快速地传递给加油站现场服务与风险管控服务。

B.共享内存特定的共享内存地址是单路视频解码调度模块通过ICE中间件以RPC方式从检测器模块获取的。

C.检测器将检测结果通过ICE中间件以RPC方式将结果以json格式返回给单路视频解码调度模块。

6)高效的图像算法处理机制：采用多对多的图像处理方式，降低硬件成本、提高系统效率，业务流程如图6所示：

A.将多路摄像头的视频流通过后台客户端进行读取，每个视频流对应一个后台客户端。

B.将同一处理类型的监控视频流，经过后台客户端的预处理后，采用负载均衡技术，随机推送至相应的检测器模块进行检测，可以用更少的检测器处理更多的客户端检测需求，以达到多个客户端被多个检测器服务的目的，从而降低硬件成本；

C.采用共享内存技术将客户端需要处理的图片传递给检测模块。

D.检测器检测完成后将检测结果通过json格式返回给对应客户端。

E.最后由客户端将图片转化为Avpackage并且将返回的json结果一同发送给前端进行展示。

Claims (5)

1.一种智能化的加油站现场服务与风险管控系统，其特征在于，由前端图像采集摄像头、IP传输模块、加载有智能分析软件平台的基层加油站智能服务器J_{i(i＝1,2,…k)}组成基层加油站现场服务与风险管控单元；k个基层加油站现场服务与风险管控单元的基层智能服务器，与中心智能服务器Z通信，构成加油站智能服务器集群Q；集群Q内采用高效的通信机制和高效的图像算法处理机制与加油站现有视频监控系统融合，实现全方位、智能化的加油区现场服务与风险管控，其中：

1)前端图像采集摄像头CJ：利用分布式监控摄像头采集视频图像，并负责实时传递视频流，支持单路和多路视频采集；

2)IP传输模块CS：基于标准的音视频协议，接入并传输监控摄像头采集视频图像至站级处理节点或集群处理节点，支持单路和多路视频接入与传输；

3)加油站智能服务器集群Q：为本系统的核心，每个加油站现场服务与风险管控单元，部署一个GPU服务器站作为基层智能服务器；各基层智能服务器与集群的中心智能服务器Z通信连接，中心智能服务器Z亦由一个GPU服务器站担任；每个GPU服务站包含多个智能分析节点，每个节点作为独立的计算处理单元，运行相应的加油站现场服务与风险管控服务；

4)智能分析软件平台：采用C/S、B/S两种软件架构，为用户提供加油站现场服务与管控应用功能。

2.根据权利要求1所述的智能化的加油站现场服务与风险管控系统，其特征在于，所述的基层加油站智能服务器J_i(i＝1,2,…k)运行加油站现场服务与风险管控任务，包括：

1)目标检测：采用深度学习方法，训练构建加油站工作人员、加油区车辆、加油区物品的自动识别模型，部署于智能分析节点，用于实时的人、车、物检测；

2)人体行为检测：采用深度学习方法，训练构建加油站工作人员行为的自动识别模型，部署于智能分析节点，用于实时的加油站工作人员的动作和形为包括但不限于肢体动作、下蹲身体动作的检测；

3)人脸识别检测：采用深度学习方法，训练构建加油站工作人员的人脸识别模型，部署于智能分析节点，用于实时的加油站工作人员的人脸识别；

4)加油站现场服务及风险检测：基于加油站服务要求及安全生产要求，构建加油站现场服务及风险检测规则库，综合目标检测、人体行为检测、人脸识别检测结果，实现加油站关键服务事件、安全生产事件的自动识别、事件跟踪，及其违规判断，输出事件日志信息或违规告警信息。

5)对检测实时结果作标注、显示和必要的预警信息输出。

3.根据权利要求1所述的智能化的加油站现场服务与风险管控系统，其特征在于，所述智能服务器集群Q内的主服务器Z对来自于基层加油站智能服务器J_i(i＝1,2,…k)做人工智能处理和大数据分析：通过加油站现场服务及风险检测服务积累的数据，如顾客的等待时间、顾客购物热点区域、顾客的行为、油品消耗数量等数据，分析挖掘出顾客的行为、购买习惯、高锋时段，可以给用户推荐相关商品，挖掘出加油站的车辆信息和行为，用于支撑加油站现场服务及风险管控的改进，并提供以上挖掘结果显示、查询、检索和存档。

4.根据权利要求1所述的一种智能化的加油站现场服务与风险管控系统，其特征在于，所述的高效的通信机制为：

1)将单路视频解码调度模块从H.264视频流模块读取的图片通过共享内存技术传递给检测器进行检测处理，能稳定快速地传递给加油站现场服务与风险管控服务；

2)共享内存特定的共享内存地址是单路视频解码调度模块通过ICE中间件以RPC方式从检测器模块获取；

3)检测器将检测结果通过ICE中间件以RPC方式，将结果以json格式返回给单路视频解码调度模块。

5.根据权利要求1所述的一种智能化的加油站现场服务与风险管控系统，其特征在于，所述的高效的图像算法处理机制是指，对同一处理类型的监控视频流采用负载均衡技术处理。