CN114999090B - 基于ai视频图像分析的智能安全生产监测预警系统 - Google Patents

Abstract

本发明提供基于AI视频图像分析的智能安全生产监测预警系统，包括：监控模型构建模块根据生产车间的空间结构构建安全生产监测模型；安全区域划分模块在安全生产监测模型中划分安全管控区域；视频监测模块采集安全管控区域的视频图像并传输到安全生产监测模型中；区域监测模块实时获取车间内工作人员的实时定位信息并更新到安全生产监测模型中；安全分析模块通过定位信息监测到工作人员进入安全管控区域时，调取对应的视频图像，基于AI分析算法获取进入安全管控区域的工作人员的身份信息；安全预警模块当进入安全管控区域的工作人员的身份信息不属于白名单时，发出预警信息。本发明有助于提高安全监测的可靠性和适应性。

Description

基于AI视频图像分析的智能安全生产监测预警系统

技术领域

本发明涉及安全生产监测技术领域，特别是基于AI视频图像分析的智能安全生产监测预警系统。

背景技术

目前，传统的加工制造类工厂存在较多的安全隐患，需要对生产车间内的安全状况进行监测，以至于能够对存在的安全隐患和安全问题进行预警或相应的处理。传统的通过在生产车间安排安全监管员对生产车间进行安全生产管控的方式，由于人工监管的方式需要耗费额外的人力成本，同时监管效果不佳。因此，现有技术中，也出现了一些基于物联网、工业互联等技术的针对生产车间安全生产进行监测预警的技术方案，但是，现有技术中针对生产车间进行监测预警的技术方案，通常是仅对生产车间的环境信息(如温度、湿度等)进行采集，基于采集的环境信息实现对生产车间的安全监测预警。但是，在实际生产过程中，生产车间中存在大量的工作人员，因此，针对车间内工作人员的安全生产监测也是亟具需要的。

发明内容

针对上述问题，本发明旨在提供基于AI视频图像分析的智能安全生产监测预警系统。

本发明的目的采用以下技术方案来实现：

本发明提出基于AI视频图像分析的智能安全生产监测预警系统，包括：监控模型构建模块、安全区域划分模块、视频监测模块、区域监测模块、安全分析模块和安全预警模块；其中，监控模型构建模块用于根据生产车间的空间结构构建生产车间的安全生产监测模型；安全区域划分模块用于结合生产车间的设备和危险源分布信息，在安全生产监测模型中划分安全管控区域；视频监测模块用于采集安全管控区域的视频图像，并将采集到的视频图像传输到安全生产监测模型中；区域监测模块用于实时获取车间内工作人员的实时定位信息，并将工作人员的定位信息实时更新到安全生产监测模型中；安全分析模块用于根据安全生产监测模型，监测工作人员的定位信息；当通过定位信息监测到工作人员进入安全管控区域时，进一步调取与该安全管控区域对应的视频图像，基于AI分析算法对获取的视频图像进行分析，分析获取进入安全管控区域的工作人员的身份信息；安全预警模块用于当进入安全管控区域的工作人员的身份信息不属于白名单时，发出预警信息，并对相应的安全管控区域信息和视频图像信息进行可视化展示。

一种实施方式中，监控模型构建模块根据生产车间的设计图纸和实际的生产设备、生产材料等的摆放信息，基于数字孪生技术构建生产车间的安全生产监测模型。

一种实施方式中，安全区域划分模块包括安全信息录入单元和安全区域划分单元；其中，安全信息录入单元，用于录入生产设备的安全警戒范围信息；以及录入生产材料的安全警戒范围信息；安全区域划分单元，用于根据生产设备的安全警戒范围信息和生产材料的安全警戒范围信息，在安全生产监测模型中划分安全管控区域。

一种实施方式中，视频监测模块包括摄像头单元；其中，摄像头单元对准安全管控区域，用于采集安全管控区域的视频图像，并将获取到的视频图像数据传输到安全生产监测模型中。

一种实施方式中，该系统还包括视频处理模块；其中，图像处理模块用于对获取的视频图像数据进行增强处理，输出增强处理后的视频图像数据到安全生产监测模型中进行可视化展示，或者输出增强处理后的视频图像数据到安全分析模块进行进一步的视频图像分析处理。

一种实施方式中，该系统还包括环境监测模块；其中，环境监测模块用于实时采集生产车间内的环境监测信息，并将采集到的环境监测信息传输到安全生产监测模型中，其中环境监测信息包括温度、湿度、可燃气体、烟感、火险等监测信息。

一种实时方式中，环境监测模块进一步包括：对生产车间内的危险源的环境信息进行实时监测，并将采集到的危险源的环境监测信息传输到安全生产监测模型中。

一种实施方式中，区域监测模块包括：通过RFID或者实时定位芯片技术，实施获取生产车间内工作人员的定位信息，并将获取的定位信息实时更新到安全生产监测模型中。一种实施方式中，安全分析模块包括安全区域分析单元，视频分析单元和环境分析单元；其中，安全区域分析单元用于根据安全生产监测模型监测工作人员的定位信息，当通过定位信息监测到工作人员进入安全管控区域时，将相应的安全管控区域信息发送至视频分析单元；视频分析单元用于当通过定位信息监测到工作人员进入安全管控区域时，根据相应的安全管控区域信息调取与该安全管控区域对应的视频图像，基于AI分析算法对获取的视频图像进行分析，分析获取进入安全管控区域的工作人员的身份信息；环境分析单元，用于根据危险源的环境信息与预设的环境标准范围进行比对分析，输出环境分析结果。

一种实施方式中，预警模块包括安全区域预警单元和环境安全预警单元；其中，安全区域预警单元用于根据视频分析单元输出的进入安全管控区域的工作人员的身份信息与预设的白名单进行比对，当进入安全管控区域的工作人员的身份信息不属于白名单时，发出安全预警信息，并对相应的安全管控区域信息和视频图像信息进行可视化展示；环境安全预警单元用于根据环境分析单元输出的环境分析结果，当环境分析结果出现异常时，发出环境预警信息，并对相应的危险源所属的安全管控区域信息和对应的视频图像信息进行可视化展示。

一种实施方式中，安全分析模块还包括全区域作业安全分析单元；其中，全区域作业安全分析单元用于周期性调取视频监测模块获取的视频图像，并根据获取的视频图像对视频图像中的工作人员作业规范进行监测，得到工作人员作业规范监测结果；

预警模块还包括作业安全预警单元；其中，作业安全预警单元用于根据全区域作业安全分析单元输出的工作人员作业规范监测结果，当存在工作人员作业规范监测结果不达标时，发出作业安全预警信息，并在安全生产监测模型的相应位置进行可视化展示。

本发明的有益效果为：

1)基于生产车间的现场空间情况，构建三维的安全生产监测模型，有助于通过三维模型的方式对生产车间内的状况进行展示，提高了安全生产监测信息的展示水平。

2)通过针对生产车间现场的生产设备和危险源信息在模型中划分安全管控区域进行重点的管控，并实时采集生产车间中工作人员的位置信息进行结合，对进入安全管控区域的人员进行重点的安全管控预警，避免工作人员进入存在安全隐患的管控区域中，有效提高针对工作人员的安全生产管控水平。

3)通过视频监测模块实时采集安全管控区域的视频图像，并基于安全分析模块，当监测到工作人员进入安全管控区域时，基于采集的视频图像对该工作人员进行基于AI视频分析算法的工作人员身份识别处理，并根据获取的身份信息对工作人员进入安全管控区域的权限进行核实，当出现非权限人员进入安全管控区域时，能够自动发出警报信息并提取相关的视频图像进行播放，有助于管理者能够第一时间对进入安全管控区域的工作人员情况进行了解，并采取相关的安全管控措施，基于AI视频分析技术，能够有效地提高安全预警的针对性和准确性。同时结合定位分析和视频图像分析的安全区域监测方案，能够有效地降低系统针对视频图像数据的处理量，降低系统符合，提高智能安全生产监测的性能。

4)通过对生产车间的环境和工作人员不同维度分别进行安全监测预警，有助于提高针对生产车间安全监测的可靠性和适应性。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1为本发明实施例所示基于AI视频图像分析的智能安全生产监测预警系统的框架结构图；

图2为本发明另一实施例所示基于AI视频图像分析的智能安全生产监测预警系统的框架结构图

附图标记：

监控模型构建模块1、安全区域划分模块2、视频监测模块3、区域监测模块4、安全分析模块5、安全预警模块6、视频处理模块7、环境监测模块8。

具体实施方式

结合以下应用场景对本发明作进一步描述。

参见图1实施例所示基于AI视频图像分析的智能安全生产监测预警系统，包括：监控模型构建模块1、安全区域划分模块2、视频监测模块3、区域监测模块4、安全分析模块5和安全预警模块6；其中，监控模型构建模块1用于根据生产车间的空间结构构建生产车间的安全生产监测模型；安全区域划分模块2用于结合生产车间的设备和危险源分布在安全生产监测模型中划分安全管控区域；视频监测模块3用于采集安全管控区域的视频图像，并将采集到的视频图像传输到安全生产监测模型中；区域监测模块4用于实时获取车间内工作人员的实时定位信息，并将工作人员的定位信息实时更新到安全生产监测模型中；安全分析模块 5用于根据安全生产监测模型，监测工作人员的定位信息；当通过定位信息监测到工作人员进入安全管控区域时，进一步调取与该安全管控区域对应的视频图像，基于AI分析算法对获取的视频图像进行分析，分析获取进入安全管控区域的工作人员的身份信息；安全预警模块 6用于当进入安全管控区域的工作人员的身份信息不属于白名单时，发出预警信息，并对相应的安全管控区域信息和视频图像信息进行可视化展示。

本发明上述实施例，针对需要进行安全生产监测的生产车间，根据生产车间的空间结构，采用数字孪生等技术构建与生产车间对应的安全生产监测模型，能够通过安全生产监测模型直观地展示生产车间的状况，方便管理者进行管理。同时，根据生产车间实际生产设备和危险源(如危险物料、物料跌落等)划分对应的安全管控区域进行重点的安全监测。通过定位芯片或者射频定位技术等，对生产车间中的工作人员的位置信息进行实时的采集并反馈到安全生产监测模型中，当监测到工作人员进入安全管控区域时，即判断存在安全隐患，并进一步基于视频采集模块采集安全管控区域的视频图像信息，根据得到的视频图像信息对进入安全管控区域的工作人员进行基于AI视频分析算法的身份识别处理，来准确获取进入安全管控区域的工作人员的身份信息，当监测到进入安全管控区域的工作人员的身份验证不通过(例如是普通工作人员、未识别身份人员等)，则由系统发出相应的预警信息，并基于安全生产监测模型对预警信息和相应的视频数据进行可视化展示，使得管理者能够第一时间发现未授权人员进入安全管控区域的情况，并及时做出相应的安全管控措施，有效地避免安全事故的发生，降低安全隐患。通过上述方式对生产车间的工作人员进行安全监测，能够准确对生产车间中的工作人员进行安全区域的管控，同时基于AI视频分析技术对进入安全管控区域的工作人员进行进一步的身份核实，有助于提高安全预警分析的针对性和适应性，避免预警信息不准确的情况，同时基于工作人员的位置信息触发AI视频分析技术，也能够降低系统针对视频数据处理压力，提高安全生产监测预警的性能。

一种实施方式中，监控模型构建模块1根据生产车间的设计图纸和实际的生产设备、生产材料等的摆放信息，基于数字孪生技术构建生产车间的安全生产监测模型。

通过数字孪生技术可以虚拟构建生产车间的数字化模型，通过数字化模型进行三维的数据的直观展示，有助于提高提高了安全生产监测信息的展示水平。

一种实施方式中，安全区域划分模块2包括安全信息录入单元和安全区域划分单元；其中，安全信息录入单元，用于录入生产设备的安全警戒范围信息；以及录入生产材料的安全警戒范围信息；安全区域划分单元，用于根据生产设备的安全警戒范围信息和生产材料的安全警戒范围信息，在安全生产监测模型中划分安全管控区域。

其中在进行安全管控区域划分的时候，考虑到生产设备和生产材料两个维度，其中，根据生产车间中放置的大型生产设备，都会存在相应的安全警戒区域，需要在生产的过程中远离的区域(如生产设备作业区、吊钩下方等)，因此将生产设备对应的安全警戒区域划分为安全管控区域。同时针对带有危险性的生产材料，其也有相应的警戒区域不宜靠近，因此也可以将生产材料摆放位置附近的区域划分为安全管控区域。

一种实施方式中，视频监测模块3包括摄像头单元；其中，摄像头单元对准安全管控区域，用于采集安全管控区域的视频图像，并将获取到的视频图像数据传输到安全生产监测模型中。

一种实施方式中，还包括视频处理模块7；其中，图像处理模块用于对获取的视频图像数据进行增强处理，输出增强处理后的视频图像数据到安全生产监测模型中进行可视化展示，或者输出增强处理后的视频图像数据到安全分析模块5进行进一步的视频图像分析处理。

其中，考虑到生产车间的环境通常会存在较多的环境干扰，导致在生产车间现场采集的视频图像数据容易受到干扰导致清晰度不高的情况，从而影响了后续针对视频图像数据进行可视化展示和进一步进行AI分析的效果，因此，系统中还设置有专门针对视频图像数据进行增强处理的视频处理模块7，能够首先对接收到(或需要调用)的视频图像数据进行增强处理，提高视频图像数据的清晰度，为后续系统进一步对视频图像数据进行可视化展示和AI 分析提供保障。

一种实施方式中，视频处理模块7中，对获取的视频图像数据进行增强处理，具体包括：

根据接获取的视频图像数据进行视频图像帧提取，获取视频帧图像；

基于获取的视频帧图像，将视频帧图像从RGB颜色空间变换到灰度空间，得到灰度视频帧图像，其中采用的灰度空间变换函数为：

H(x,y)＝ω₁×A+ω₂×B+ω₃×C

其中，H(x,y)表示视频帧图像中像素点(x,y)的灰度级，A表示像素点(x,y)的常规灰度级，其中A＝0.299×r(x,y)+0.587×g(x,y)+0.114×b(x,y)，r(x,y)、g(x,y)、b(x,y)分别表示像素点(x,y)的红色分量、绿色分量和蓝色分量；B表示像素点(x,y)的调节灰度级，其中

表示视频帧图像中各像素点的平均常规灰度级；T₁和T₂分别表示设定的灰度级阈值，其中T₁＝[215,230],T₂＝[20,35]；C表示像素点(x,y)的均衡灰度级，其中

ω₁、ω₂和ω₃分别表示设定的权重因子，其中ω₁＝[0.8,1.2]，ω₂＝[0.1,0.2]，ω₃ ＝[0.1,0.2]；

根据获取的灰度视频帧图像进行整体灰度调节处理，得到增强处理后的视频帧图像，其中采用的整体灰度调节函数为：

其中，H′(x,y)表示整体灰度调节后像素点(x,y)的灰度级，H(x,y)表示像素点(x,y)的灰度级，max_(x,y)H和min_(x,y)H分别表示灰度视频帧图像中各像素点的最大灰度级和最小灰度级； H_3×3(x,y)表示灰度视频帧图像中以像素点(x,y)为中心的3×3区域中各像素点的平均灰度级；β₁表示设定的权重因子，其中β₁＝[0.6,0.8]；

根据增强处理后的视频帧图像组成增强处理后的视频图像数据。

一种场景中，针对得到的增强处理后的视频帧图像可以根据需要重新从灰度空间变换到 RGB颜色空间，以满足后续根据视频图像数据进行进一步分析的需要。

针对生产车间中采集到的视频图像数据，由于受到图像采集设备设置的位置和角度，以及生产车间中环境(如设备反光、阴暗死角等)的影响，容易使得采集到的视频图像数据清晰度不足的情况；因此，上述实施方式，提出了一种针对采集到的视频图像数据进行增强处理的技术方案，首先对采集到的视频图像数据进行画面帧提取，并针对提取到的视频帧图像转换到灰度空间作为处理的基础，其中在进行灰度空间转换的过程中，考虑到光暗环境影响带来的图像灰度级的变化，特别在常规的灰度转换函数中，增加了调节灰度级和均衡灰度级来消除画面整体和局部光暗偏差带来的灰度变换影响，能够在灰度变换的过程中，自适应的过滤图像中收到环境影响带来的灰度级误差，有助于对图像中的细节信息进行展示；同时，基于灰度变换后的视频帧图像进行整体灰度调节，有助于对画面进行整体的均衡调节，提高画面的整体清晰度，进一步对视频帧图像中的细节信息进行展示，有效地提高视频图像数据的质量，从而提高了管理者针对获取的视频图像信号进一步了解安全管控区域现场情况或者指导施工人员解决现场安全问题的效果。同时也提高了后续视频分析单元进一步根据得到的视频图像数据进行工作人员身份识别的准确性。

一种实施方式中，还包括环境监测模块8；其中，环境监测模块8用于实时采集生产车间内的环境监测信息，并将采集到的环境监测信息传输到安全生产监测模型中，其中环境监测信息包括温度、湿度、可燃气体、烟感、火险等监测信息。

一种实时方式中，环境监测模块8进一步包括：对生产车间内的危险源的环境信息进行实时监测，并将采集到的危险源的环境监测信息传输到安全生产监测模型中。

其中，危险源包括生产设备和生产材料。

本发明系统，也可以对传统的基于环境信息采集和分析的功能模块进行整合，提供针对生产车间现场环境信息的安全分析功能。满足不同场景下的需要。

一种实施方式中，区域监测模块4包括：通过RFID或者实时定位芯片技术，实施获取生产车间内工作人员的定位信息，并将获取的定位信息实时更新到安全生产监测模型中。

其中，可以通过在工作人员的可穿戴设备(如安全帽、防护服等)上设置相应的定位芯片，基于RFID技术或者传感器技术等对工作人员进行实时的定位，获取工作人员的定位信息。

一种实施方式中，安全分析模块5包括安全区域分析单元、视频分析单元和环境分析单元；其中，安全区域分析单元用于根据安全生产监测模型监测工作人员的定位信息，当通过定位信息监测到工作人员进入安全管控区域时，将相应的安全管控区域信息发送至视频分析单元；视频分析单元用于当通过定位信息监测到工作人员进入安全管控区域时，根据相应的安全管控区域信息调取与该安全管控区域对应的视频图像，基于AI分析算法对获取的视频图像进行分析，分析获取进入安全管控区域的工作人员的身份信息；环境分析单元，用于根据危险源的环境信息与预设的环境标准范围进行比对分析，输出环境分析结果。

其中，视频分析单元中搭载由AI视频分析引擎，一种场景中，系统中根据实际情况预先录入白名单人员(如运维技术人员、材料管理员等)的身份信息和相应的人脸特征信息；当监测到某安全管控区域存在人员进入的时候，视频分析单元调取相应安全管控区域的视频图像数据，并将视频图像数据输入到AI视频分析引擎中，由AI分析引擎对视频图像数据进行人脸检测和人脸特征提取，并将提取到的人脸特征与白名单中预存人员的人脸特征进行比对，识别工作人员的身份信息。另一种实施方式中，也可以预先对所有工作人员和对应的人脸特征信息和权限进行预存，由AI视频分析引擎对视频图像数据进行人脸检测和人脸特征提取，基于提取到的人脸特征和数据库中预存的人脸特征进行匹配，识别视频数据中人员的身份信息，并根据身份信息获取对应的权限，根据权限设置判断是否为白名单人员。

其中由于基于AI视频分析引擎对视频图像数据进行处理完成身份识别的过程，需要耗费较多的数据处理能力，因此，上述实施方式中，首先基于定位信息判断到存在工作人员进入安全管控区域的时候，再基于视频分析单元对相应的视频数据进行身份识别，能够有利于降低数据处理量，提高系统的性能。

同时，针对生产车间的整体环境变化，通过环境监测模块配合环境分析单元，能够对生产车间中的环境变化进行实时的监测，当分析到生产车间的环境变化超出安全生产范围时，能够及时的进行预警，有助于管理者能够对生产车间的整体环境状况进行把控，并做出相应的环境调节措施，有助于提高生产车间生产环境监测和预警的可靠性。

一种实施方式中，预警模块包括安全区域预警单元和环境安全预警单元；其中，安全区域预警单元用于根据视频分析单元输出的进入安全管控区域的工作人员的身份信息与预设的白名单进行比对，当进入安全管控区域的工作人员的身份信息不属于白名单时，发出安全预警信息，并对相应的安全管控区域信息和视频图像信息进行可视化展示；环境安全预警单元用于根据环境分析单元输出的环境分析结果，当环境分析结果出现异常时，发出环境预警信息，并对相应的危险源所属的安全管控区域信息和对应的视频图像信息进行可视化展示。当监测到存在安全隐患的时候，通过安全生产监测模型自动弹出相应的预警信息，并对相应的视频图像数据进行可视化展示，有助于管理者能够及时、准确地了解触发安全生产预警区域的情况，为管理者采取进一步的行动提供了基础。

一种场景中，环境分析单元根据实时监测到的温湿度数据进行分析，当分析到温湿度数据超过设定的标准范围时(例如环境温度超过设定的环境阈值，设备温度超过设定的设备工作温度或者环境湿度数据低于设定的标准阈值)，环境分析单元输出环境分析结果异常(例如温湿度分析结果异常)；则环境安全预警单元根据环境分析结果输出异常提醒信息，同时，根据监测环境异常的区调取该区域的视频图像信息，将环境分析异常结果和视频图像信息在安全生产监测模型中进行可视化展示。

一种实施方式中，安全分析模块还包括全区域作业安全分析单元；其中，全区域作业安全分析单元用于周期性调取视频监测模块获取的视频图像，并根据获取的视频图像对视频图像中的工作人员作业规范进行监测，得到工作人员作业规范监测结果；

预警模块还包括作业安全预警单元；其中，作业安全预警单元用于根据全区域作业安全分析单元输出的工作人员作业规范监测结果，当存在工作人员作业规范监测结果不达标时，发出作业安全预警信息，并在安全生产监测模型的相应位置进行可视化展示。

上述实施方式中，安全分析模块中还设置有全区域作业安全分析单元，利用视频监测模块采集到生产车间的视频图像数据，周期性对视频图像数据进行提取，并根据提取到的视频图像数据，对其中的作业人员进行基于图像分析的作业规范监测，例如基于图像分析技术监测生产车间内的工作人员是否按规范穿防护服和佩戴安全帽等，或者根据工作人员的操作情况判断工作人员在安全生产过程中是否存在违规操作等，能够基于采集到的视频图像数据对生产车间内工作人员的作业规范进行监测；其中，视频图像数据的提取周期可以根据实际需求进行设置，例如是实时提取或者每隔设定的周期进行提取，满足不同场景下的作业规范监测需求。

一种场景中，预警模块还和设置在生产车间现场的警报装置连接，当预警模块监测到生产车间中存在工作人员的作业规范不达标时，向报警装置发出相应的报警指令，以使得报警装置能够在生产车间现场播放相应的提示信息，有助于及时对生产车间现场的违规作业情况进行及时的提醒和制止，避免意外发生，有助于提高生产车间安全生产预警的可靠性。

本发明上述实施方式提出的基于AI视频图像分析的智能安全生产监测预警系统，

1)基于生产车间的现场空间情况，构建三维的安全生产监测模型，有助于通过三维模型的方式对生产车间内的状况进行展示，提高了安全生产监测信息的展示水平。

2)通过针对生产车间现场的生产设备和危险源信息在模型中划分安全管控区域进行重点的管控，并实时采集生产车间中工作人员的位置信息进行结合，对进入安全管控区域的人员进行重点的安全管控预警，避免工作人员进入存在安全隐患的管控区域中，有效提高针对工作人员的安全生产管控水平。

3)通过视频监测模块实时采集安全管控区域的视频图像，并基于安全分析模块，当监测到工作人员进入安全管控区域时，基于采集的视频图像对该工作人员进行基于AI视频分析算法的工作人员身份识别处理，并根据获取的身份信息对工作人员进入安全管控区域的权限进行核实，当出现非权限人员进入安全管控区域时，能够自动发出警报信息并提取相关的视频图像进行播放，有助于管理者能够第一时间对进入安全管控区域的工作人员情况进行了解，并采取相关的安全管控措施，基于AI视频分析技术，能够有效地提高安全预警的针对性和准确性。同时结合定位分析和视频图像分析的安全区域监测方案，能够有效地降低系统针对视频图像数据的处理量，降低系统符合，提高智能安全生产监测的性能。

4)通过对生产车间的环境和工作人员不同维度分别进行安全监测预警，有助于提高针对生产车间安全监测的可靠性和适应性。

需要说明的是，在本发明各个实施例中的各功能单元/模块可以集成在一个处理单元/模块中，也可以是各个单元/模块单独物理存在，也可以是两个或两个以上单元/模块集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现，也可以采用软件功能单元/模块的形式实现。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解，本发明可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时，可以将上述程序存储在计算机可读介质中或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。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (8)

1.基于AI视频图像分析的智能安全生产监测预警系统，其特征在于，包括：监控模型构建模块、安全区域划分模块、视频监测模块、区域监测模块、安全分析模块、安全预警模块和视频处理模块；其中，监控模型构建模块用于根据生产车间的空间结构构建安全生产监测模型；安全区域划分模块用于结合生产车间的设备和危险源分布信息，在安全生产监测模型中划分安全管控区域；视频监测模块用于采集安全管控区域的视频图像，并将采集到的视频图像传输到安全生产监测模型中；区域监测模块用于实时获取车间内工作人员的实时定位信息，并将工作人员的定位信息实时更新到安全生产监测模型中；安全分析模块用于根据安全生产监测模型，监测工作人员的定位信息；当通过定位信息监测到工作人员进入安全管控区域时，进一步调取与该安全管控区域对应的视频图像，基于AI分析算法对获取的视频图像进行分析，分析获取进入安全管控区域的工作人员的身份信息；安全预警模块用于当进入安全管控区域的工作人员的身份信息不属于白名单时，发出预警信息，并对相应的安全管控区域信息和视频图像信息进行可视化展示；

其中，视频监测模块包括摄像头单元；摄像头单元对准安全管控区域，用于采集安全管控区域的视频图像，并将获取到的视频图像数据传输到安全生产监测模型中；

视频处理模块用于对获取的视频图像数据进行增强处理，输出增强处理后的视频图像数据到安全生产监测模型中进行可视化展示，或者输出增强处理后的视频图像数据到安全分析模块进行进一步的视频图像分析处理；

其中，视频处理模块中，对获取的视频图像数据进行增强处理，具体包括：

根据接获取的视频图像数据进行视频图像帧提取，获取视频帧图像；

基于获取的视频帧图像，将视频帧图像从RGB颜色空间变换到灰度空间，得到灰度视频帧图像，其中采用的灰度空间变换函数为：

H(x，y)＝ω₁×A+ω₂×B+ω₃×C

其中，H(x，y)表示视频帧图像中像素点(x，y)的灰度级，A表示像素点(x，y)的常规灰度级，其中A＝0.299×r(x，y)+0.587×g(x，y)+0.114×b(x，y)，r(x，y)、g(x，y)、b(x，y)分别表示像素点(x，y)的红色分量、绿色分量和蓝色分量；B表示像素点(x，y)的调节灰度级，其中

表示视频帧图像中各像素点的平均常规灰度级；T₁和T₂分别表示设定的灰度级阈值，其中T₁＝[215，230]，T₂＝[20，35]；C表示像素点(x，y)的均衡灰度级，其中

ω1、ω₂和ω₃分别表示设定的权重因子，其中ω₁＝[0.8，1.2]，ω₂＝[0.1，0.2]，ω₃ ＝[0.1，0.2]；

根据获取的灰度视频帧图像进行整体灰度调节处理，得到增强处理后的视频帧图像，其中采用的整体灰度调节函数为：

其中，H′(x，y)表示整体灰度调节后像素点(x，y)的灰度级，H(x，y)表示像素点(x，y)的灰度级，

和

分别表示灰度视频帧图像中各像素点的最大灰度级和最小灰度级；H_3×3(x，y)表示灰度视频帧图像中以像素点(x，y)为中心的3×3区域中各像素点的平均灰度级；β₁表示设定的权重因子，其中β₁＝[0.6，0.8]；

根据增强处理后的视频帧图像组成增强处理后的视频图像数据。

2.根据权利要求1所述的基于AI视频图像分析的智能安全生产监测预警系统，其特征在于，监控模型构建模块根据生产车间的设计图纸和实际的生产设备、生产材料的摆放信息，基于数字孪生技术构建生产车间的安全生产监测模型。

3.根据权利要求1所述的基于AI视频图像分析的智能安全生产监测预警系统，其特征在于，安全区域划分模块包括安全信息录入单元和安全区域划分单元；其中，安全信息录入单元用于录入生产设备的安全警戒范围信息；以及录入生产材料的安全警戒范围信息；安全区域划分单元用于根据生产设备的安全警戒范围信息和生产材料的安全警戒范围信息，在安全生产监测模型中划分安全管控区域。

4.根据权利要求1所述的基于AI视频图像分析的智能安全生产监测预警系统，其特征在于，还包括环境监测模块；其中，环境监测模块用于实时采集生产车间内的环境监测信息，并将采集到的环境监测信息传输到安全生产监测模型中，其中环境监测信息包括温度、湿度、可燃气体、烟感、火险的监测信息。

5.根据权利要求1所述的基于AI视频图像分析的智能安全生产监测预警系统，其特征在于，区域监测模块具体包括：通过RFID或者实时定位芯片技术，实施获取生产车间内工作人员的定位信息，并将获取的定位信息实时更新到安全生产监测模型中。

6.根据权利要求5所述的基于AI视频图像分析的智能安全生产监测预警系统，其特征在于，安全分析模块包括安全区域分析单元，视频分析单元和环境分析单元；其中，安全区域分析单元用于根据安全生产监测模型监测工作人员的定位信息，当通过定位信息监测到工作人员进入安全管控区域时，将相应的安全管控区域信息发送至视频分析单元；视频分析单元用于当通过定位信息监测到工作人员进入安全管控区域时，根据相应的安全管控区域信息调取与该安全管控区域对应的视频图像，基于AI分析算法对获取的视频图像进行分析，分析获取进入安全管控区域的工作人员的身份信息；环境分析单元用于根据危险源的环境信息与预设的环境标准范围进行比对分析，输出环境分析结果。

7.根据权利要求6所述的基于AI视频图像分析的智能安全生产监测预警系统，其特征在于，预警模块包括安全区域预警单元和环境安全预警单元；其中，安全区域预警单元用于根据视频分析单元输出的进入安全管控区域的工作人员的身份信息与预设的白名单进行比对，当进入安全管控区域的工作人员的身份信息不属于白名单时，发出安全预警信息，并对相应的安全管控区域信息和视频图像信息进行可视化展示；环境安全预警单元用于根据环境分析单元输出的环境分析结果，当环境分析结果出现异常时，发出环境预警信息，并对相应的危险源所属的安全管控区域信息和对应的视频图像信息进行可视化展示。

8.根据权利要求6所述的基于AI视频图像分析的智能安全生产监测预警系统，其特征在于，安全分析模块还包括全区域作业安全分析单元；其中，全区域作业安全分析单元用于周期性调取视频监测模块获取的视频图像，并根据获取的视频图像对视频图像中的工作人员作业规范进行监测，得到工作人员作业规范监测结果；

预警模块还包括作业安全预警单元；其中，作业安全预警单元用于根据全区域作业安全分析单元输出的工作人员作业规范监测结果，当存在工作人员作业规范监测结果不达标时，发出作业安全预警信息，并在安全生产监测模型的相应位置进行可视化展示。

Images