CN115797850B - 基于视频流的油田生产安全预警分析系统 - Google Patents

Abstract

本发明属于油田安全预警技术领域，具体是基于视频流的油田生产安全预警分析系统，包括视频预警分析平台，视频预警分析平台通信连接油田监管终端，视频预警分析平台包括GPU服务器，GPU服务器与样本生成模块、模型训练模块、边缘智能识别模块以及平台可视化展示模块均通信连接；本发明是通过样本生成模块进行视频采集分帧和样本标注并生成数据集，模型训练模块将数据集进行训练优化，边缘智能识别模块通过模型智能分析对视频流进行检测并识别油田生产区域的违章行为，实现对石油生产区域的全天候实时且自动监控分析，且将实时监控分析、分区域预警分析和单位预警分析相结合并反馈预警，进一步降低石油生产过程的风险程度。

Description

基于视频流的油田生产安全预警分析系统

技术领域

本发明涉及油田安全预警技术领域，具体是基于视频流的油田生产安全预警分析系统。

背景技术

安全生产是制约石油工业发展的瓶颈，油田钻井作业现场背景复杂，且设备、机器众多，工人在这样的环境中进行生产工作的危险性较大，因此高效及时的发现生产作业现场可能存在的违章行为，对安全生产具有重大意义，目前全国几十万口油井和三千多支钻井队的作业现场都安装有视频监控系统，试图从技术上防止、遏制安全事故频发的不利局面，但所达到的效果有限，究其原因在于目前的监控系统仅靠人力来对作业现场进行盯审，无法实现视频全天候智能分析及实时预警，且难以将油田生产区域的实时监控分析、分区域预警分析和单位预警分析相结合并反馈预警，无法显著降低石油生产过程的风险程度；

针对上述的技术缺陷，现提出一种解决方案。

发明内容

本发明的目的在于提供基于视频流的油田生产安全预警分析系统，解决了现有技术种无法实现视频全天候智能分析及实时预警，难以将油田生产区域的实时监控分析、分区域预警分析和单位预警分析相结合并反馈预警，无法显著降低石油生产过程风险程度的问题。

为实现上述目的，本发明提供如下技术方案：

基于视频流的油田生产安全预警分析系统，包括视频预警分析平台，视频预警分析平台通信连接油田监管终端，且视频预警分析平台通信连接油田生产区域的若干摄像头；视频预警分析平台包括GPU服务器、样本生成模块、模型训练模块、边缘智能识别模块和平台可视化展示模块；

样本生成模块，用于进行视频采集分帧和样本标注并生成数据集，并将数据集发送至GPU服务器；GPU服务器将数据集发送至模型训练模块，模型训练模块，用于将数据集进行训练优化，将训练完成的模型权重进行保存并发送至GPU服务器；边缘智能识别模块，用于通过轮询方式实时读取摄像头数据以进行现场视频流获取，通过模型智能分析对现场获取的视频流使用训练模型进行检测并识别油田生产区域的违章行为，并对出现违章行为的图片或视频进行保存且发送至GPU服务器；

GPU服务器将出现违章行为的图片或视频发送至平台可视化展示模块和油田监管终端，油田监管终端将对应信息发送至对应区域管理人员的智能终端；平台可视化展示模块，用于进行违章行为结果管理、服务器状态查看和违章结果概况管理。

进一步的，样本生成模块的具体运行过程如下：

通过轮询方式和多线程读取算法，获取油田生产区域的摄像头原始视频数据，即获取作业现场的监控视频流，对监控视频流进行图片分帧获取到原始图片；对原始图片进行数据筛选和数据清洗处理，使用标注工具对筛选处理后的图片进行标注，并保存原始图片和对应的标签文件；将标注后的数据按照一定比例划分为训练集、验证集和测试集，生成数据集。

进一步的，模型训练模块的具体运行过程如下：

进行模型结构及参数设置：对比实验多种现有网络模型，选定并改进网络结构，设置初始训练参数；模型训练并优化：使用数据集对设置完成的模型进行训练并优化参数，利用测试集数据进行模型测试，在模型具有高检测准确率和优异检测效果时进行模型的实际部署运用；权重保存：对训练测试完成的模型权重进行保存并发送至GPU服务器。

进一步的，违章行为结果管理主要用于从平台页面查看审核违章图片以及对应的视频详情信息，服务器状态查看主要用于查看服务器的运行状态以及是否在线并正常运行，违章结果概况管理主要用于统计查看油田生产区域若干单位和若干监管区域的违章数量。

进一步的，视频预警分析平台还包括区域预警分析模块和单位预警分析模块，GPU服务器与区域预警分析模块和单位预警分析模块均通信连接；其中，区域预警分析模块用于将油田生产区域划分为若干个监控区域并进行区域行为分析，生成区域行为合格信号或区域行为不合格信号，将区域行为合格信号或区域行为不合格信号以及对应分析子区域i发送至GPU服务器；单位预警分析模块用于将参与油田生产区域的操作单位进行单位行为分析，生成单位行为合格信号或单位行为不合格信号，将单位行为合格信号或单位行为不合格信号以及对应分析单位k发送至GPU服务器。

进一步的，区域行为分析的具体分析过程如下：

获取到油田生产区域，将油田生产区域划分为若干监控区域并标记为分析子区域i，i={1,2，…，n}，n表示油田生产区域中监控区域数量且n为大于1的正整数；获取到预设违章类型，将预设违章标记为u，u={1,2，…，m}，m表示预设违章类型数目且m为大于1的正整数，基于预设违章u的危险程度分配对应的违章风险系数；设定监测时段A1，获取到监测时段A1分析子区域i中出现的所有违章行为并一一确定对应的违章类型，调取对应违章类型的违章风险系数和出现次数，将对应违章类型的违章风险系数与出现次数相乘获取到对应分析子区域i对应违章类型的违章风险值；将监测时段A1分析子区域i中出现的所有违章类型的违章风险值建立违章风险集合，将违章风险集合进行求和计算获取到区域违章数表值；

获取到监测时段A1分析子区域i的区域违章人表值，区域违章人表值是用于表示监测时段A1对应分析子区域i出现违章行为人数多少的数据量值；将区域违章数表值和区域违章人表值进行数值计算获取到对应分析子区域i的区域违章表现值，调取预设区域违章表现阈值，将区域违章表现值与预设区域违章表现阈值进行数值比较，若区域违章表现值大于等于预设区域违章表现阈值，则生成区域行为不合格信号；若区域违章表现值小于预设区域违章表现阈值，则通过区域深层分析生成区域行为合格信号或区域行为不合格信号。

进一步的，区域深层分析的具体分析过程如下：

获取到对应分析子区域i的区域面积，将区域面积标记为监控面表值，以及获取到监测时段A1对应分析子区域i的区域人现值，区域人现值是表示监测时段A1对应分析子区域i所存在人数多少的数据量值；将监控面表值与区域人现值进行数值计算获取到对应分析子区域i的监管难度值；

将区域违章表现值与对应监管难度值进行数值计算获取到对应分析子区域i的区域分析值，调取预设区域分析阈值，将区域分析值与预设区域分析阈值进行数值比较，若区域分析值大于等于预设区域分析阈值，则生成区域行为不合格信号；若区域分析值小于预设区域分析阈值，则生成区域行为合格信号。

进一步的，单位行为分析的具体分析过程如下：

获取到油田生产区域的工作单位，将对应工作单位标记为分析单位k，k={1,2，…，j}，j表示工作单位数目且j为大于1的正整数；设定监测时段A2，通过分析获取到检测时段A2分析单位k中每位工作人员的人员表现值，调取预设人员表现阈值，将人员表现值与预设人员表现阈值进行数值比较；若人员表现值大于等于预设人员表现阈值，则将对应工作人员标记为非规范人员，若人员表现值小于预设人员表现阈值，则将对应工作人员标记为规范人员；

统计监测时段A2对应分析单位k的规范人员数量和非规范人员数量并分别标记为规范人员值和风险人员值，将非规范人员数量与规范人员数量进行比值计算获取到单位异常值，将风险人员值与单位异常值进行数值计算获取到单位分析值；调取预设单位分析阈值，将单位分析值与预设单位分析阈值进行数值比较，若单位分析值大于等于预设单位分析阈值，则生成单位行为不合格信号，若单位分析值小于预设单位分析阈值，则生成单位行为合格信号。

进一步的，人员表现值的分析获取方法如下：

获取到对应分析单位k的工作人员，将对应工作人员标记为分析对象o，o={1,2，…，p}，p表示对应分析单位k的工作人员数量且p为大于1的正整数；获取到监测时段A2对应分析对象o的所有违章行为并一一确定对应违章类型，调取对应分析对象o对应违章类型的违章风险系数和出现次数，将对应违章类型的违章风险系数与出现次数相乘获取到对应分析对象o对应违章类型的违章人险值；将监测时段A2分析对象o的所有违章类型的违章人险值建立人险值集合，将人险值集合进行求和计算获取到人员表现值。

进一步的，GPU服务器将区域行为合格信号或区域行为不合格信号以及对应分析子区域i发送至油田监管终端，将单位行为合格信号或单位行为不合格信号以及对应分析单位k发送至油田监管终端；油田监管终端接收到区域行为合格信号或单位行为合格信号时不生成安全预警信号，在接收到区域行为不合格信号时生成区域安全预警信号并将区域安全预警信号发送至对应区域管理人员的智能终端，在接收到单位行为不合格信号时生成单位安全预警信号并将单位安全预警信号发送至对应单位管理人员的智能终端。

与现有技术相比，本发明的有益效果是：

1、本发明中，通过样本生成模块进行视频采集分帧和样本标注并生成数据集，模型训练模块将数据集进行训练优化，边缘智能识别模块通过模型智能分析对视频流进行检测并识别油田生产区域的违章行为，平台可视化展示模块进行违章行为结果管理和显示，实现对石油生产区域的全天候实时且自动监控分析，解决了目前仅靠人力来对作业现场进行盯审，无法实现视频全天候智能分析并实时预警的问题；

2、本发明中，通过区域预警分析模块将油田生产区域划分为若干个监控区域并进行区域行为分析并生成区域行为合格信号或区域行为不合格信号，油田监管终端接收到区域行为不合格信号时生成区域安全预警信号并发送至对应区域管理人员的智能终端，对应区域管理人员接收到区域安全预警信号时应当加强对应区域的巡查监管，从而提升对应区域的生产安全，进一步降低油田生产过程中的安全风险；

3、本发明中，通过单位预警分析模块将参与油田生产区域的操作单位进行单位行为分析并生成单位行为合格信号或单位行为不合格信号，油田监管终端接收到单位行为不合格信号时生成单位安全预警信号并发送至对应单位管理人员的智能终端，对应单位管理人员接收到单位安全预警信号时应当加强对应单位人员的制度规范培训，以及对相关人员进行教导处罚，并督促区域管理人员加强对相关人员的监督，进一步保证石油生产区域的安全。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明；

图1为本发明中视频预警分析平台的系统框图；

图2为本发明中GPU服务器和油田监管终端的通信框图；

图3为本发明中实施例二和实施例三的系统框图；

图4为本发明中油田监管终端、区域管理人员智能终端和单位管理人员智能终端的通信框图。

具体实施方式

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、完整的描述，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。

实施例一：

如图1-图2所示，本发明提出的基于视频流的油田生产安全预警分析系统，包括视频预警分析平台，视频预警分析平台通信连接油田监管终端，且视频预警分析平台通信连接油田生产区域的若干摄像头，摄像头用于对相关区域进行摄像并监控，且将监控视频实时发送至视频预警分析平台；视频预警分析平台包括GPU服务器，且GPU服务器与样本生成模块、模型训练模块、边缘智能识别模块以及平台可视化展示模块均通信连接；

其中，GPU服务器的基本硬件配置包括：CPU 型号：Intel(R) Core(TM) i5-10400FCPU@2.90GHz 2.90GHz；内存：16GB；硬盘：1.8T；电源：460W冗余电源；GPU型号：NVIDIAGeForce RTX 3060；GPU显存：20G；网络设备：千兆以太网。视频预警分析平台的运行环境包括python3.8，anaconda，cuda11.0，Linux操作系统，PyCharm的编程软件等；其中，Linux 操作系统的版本为16.04，PyCharm的版本为PyCharm 2021.2.3专业版。

样本生成模块用于进行视频采集分帧和样本标注并生成数据集，并将数据集发送至GPU服务器；样本生成模块的具体运行过程为：通过轮询方式和多线程读取算法，获取油田生产区域的摄像头原始视频数据，即获取作业现场的监控视频流，对监控视频流进行图片分帧获取到原始图片；对原始图片进行数据筛选和数据清洗处理，使用标注工具对筛选处理后的图片进行标注，并保存原始图片和对应的标签文件；将标注后的数据按照一定比例划分为训练集、验证集和测试集，生成数据集。

GPU服务器将数据集发送至模型训练模块，模型训练模块将数据集进行训练优化，将训练完成的模型权重进行保存并发送至GPU服务器；模型训练模块的具体运行过程：进行模型结构及参数设置：对比实验多种现有网络模型，选定并改进网络结构，设置初始训练参数；模型训练并优化：使用数据集对设置完成的模型进行训练并优化参数，利用测试集数据进行模型测试，在模型具有高检测准确率和优异检测效果时进行模型的实际部署运用；权重保存：对训练测试完成的模型权重进行保存并发送至GPU服务器。

边缘智能识别模块用于通过轮询方式实时读取摄像头数据以进行现场视频流获取，通过模型智能分析对现场获取的视频流使用训练模型进行检测并识别油田生产区域的违章行为，并对出现违章行为的图片或视频进行保存且发送至GPU服务器；GPU服务器将出现违章行为的图片或视频发送至平台可视化展示模块和油田监管终端，油田监管终端将对应信息发送至对应区域管理人员的智能终端；平台可视化展示模块用于进行违章行为结果管理、服务器状态查看和违章结果概况管理。

其中，违章行为结果管理主要用于从平台页面查看审核违章图片以及对应的视频详情信息，服务器状态查看主要用于查看服务器的运行状态以及是否在线并正常运行，违章结果概况管理主要用于统计查看油田生产区域若干单位和若干监管区域的违章数量。通过视频预警分析平台可以有效提高安全巡检的效率，有效做到早预防早整改，防止事故的发生，提高了违章行为的检测准确率，显著降低了油田生产区域的安全风险程度，为油田生产安全的智能化、数字化提供保障。

实施例二：

如图3-图4所示，本实施例与实施例1的区别在于，视频预警分析平台还包括区域预警分析模块，GPU服务器与区域预警分析模块通信连接，区域预警分析模块用于将油田生产区域划分为若干个监控区域并进行区域行为分析，生成区域行为合格信号或区域行为不合格信号，区域行为分析的具体分析过程如下：

步骤S1、获取到油田生产区域，将油田生产区域划分为若干监控区域并标记为分析子区域i，i={1,2，…，n}，n表示油田生产区域中监控区域数量且n为大于1的正整数；获取到预设违章类型，预设违章类型包括未戴安全帽、未穿工衣、生产区域吸烟、违禁使用手机、上下钻台楼梯不扶栏杆、动火、敲击作业现场未戴护目镜、人随重物一起升降、高处作业未系安全带等；

将预设违章标记为u，u={1,2，…，m}，m表示预设违章类型数目且m为大于1的正整数，基于预设违章u的危险程度分配对应的违章风险系数；需要说明的是，违章风险系数的取值大于零并由操作人员预先设置，违章风险系数与对应违章类型的危险程度呈正比，对应预设违章u的违章风险系数越大，表明对应预设违章u所对应的违章类型带来的安全隐患大，对应违章类型的危险程度越大；

步骤S2、设定监测时段A1，获取到监测时段A1分析子区域i中出现的所有违章行为并一一确定对应的违章类型，调取对应违章类型的违章风险系数和出现次数，将对应违章类型的违章风险系数与出现次数相乘获取到对应分析子区域i对应违章类型的违章风险值WZiu；

将监测时段A1分析子区域i中出现的所有违章类型的违章风险值WZiu建立违章风险集合WJi，违章风险集合WJi={WZi1，WZi2，…，WZim}，将违章风险集合进行求和计算获取到区域违章数表值WBi；

步骤S3、获取到监测时段A1分析子区域i的区域违章人表值WRi，区域违章人表值WRi是用于表示监测时段A1对应分析子区域i出现违章行为人数多少的数据量值；

通过区域违章分析公式并代入区域违章数表值WBi和区域违章人表值WRi进行数值计算，通过数值计算后获取到对应分析子区域i的区域违章表现值ZBi；其中，a1、a2为预设比例系数，a1、a2的取值均大于零且a1＜a2；

需要说明的是，区域违章表现值ZBi的数值大小与区域违章数表值WBi和区域违章人表值WRi均呈正比关系，区域违章数表值WBi的数值越大、区域违章人表值WRi的数值越大，则对应分析子区域i的区域违章表现值ZBi的数值越大，表明对应分析子区域i的整体人员行为越不规范，对应区域持续安全进行石油生产的阻碍越大；

步骤S4、调取预设区域违章表现阈值，将区域违章表现值ZBi与预设区域违章表现阈值进行数值比较，若区域违章表现值ZBi大于等于预设区域违章表现阈值，则生成区域行为不合格信号；

若区域违章表现值ZBi小于预设区域违章表现阈值，则获取到对应分析子区域i的区域面积，将区域面积标记为监控面表值JMi，以及获取到监测时段A1对应分析子区域i的区域人现值RXi，区域人现值RXi是表示监测时段A1对应分析子区域i所存在人数多少的数据量值；

通过区域监管分析公式并代入对应的监控面表值JMi与区域人现值RXi进行数值计算，通过数值计算后获取到对应分析子区域i的监管难度值JNi；其中，b1、b2为预设权重系数，b1、b2的取值均大于零且b1＜b2；

需要说明的是，监管难度值JNi的数值大小与监控面表值JMi与区域人现值RXi均呈正比关系，监控面表值JMi的数值越大、区域人现值RXi的数值越大，则对应分析子区域i的监管难度值JNi的数值越大，表明对应分析子区域i的管理难度越大；

通过比值公式QFi=ZBi/JNi并代入对应分析子区域i的区域违章表现值ZBi与对应监管难度值JNi进行数值计算，通过比值计算后获取到对应分析子区域i的区域分析值QFi；调取预设区域分析阈值，将区域分析值QFi与预设区域分析阈值进行数值比较，若区域分析值QFi大于等于预设区域分析阈值，则生成区域行为不合格信号；若区域分析值QFi小于预设区域分析阈值，则生成区域行为合格信号。

区域预警分析模块将区域行为合格信号或区域行为不合格信号以及对应分析子区域i发送至GPU服务器，GPU服务器将区域行为合格信号或区域行为不合格信号以及对应分析子区域i发送至油田监管终端，油田监管终端接收到区域行为合格信号时不生成安全预警信号，在接收到区域行为不合格信号时生成区域安全预警信号并将区域安全预警信号发送至对应区域管理人员的智能终端，对应区域管理人员接收到区域安全预警信号时应当加强对应区域的巡查监管，从而提升对应区域的生产安全，进一步降低油田生产过程中的安全风险。

实施例三：

如图3-图4所示，本实施例与实施例1、实施例2的区别在于，视频预警分析平台还包括单位预警分析模块，GPU服务器与单位预警分析模块通信连接，单位预警分析模块用于将参与油田生产区域的操作单位进行单位行为分析，生成单位行为合格信号或单位行为不合格信号，单位行为分析的具体分析过程如下：

步骤T1、获取到油田生产区域的工作单位，将对应工作单位标记为分析单位k，k={1,2，…，j}，j表示工作单位数目且j为大于1的正整数；获取到对应分析单位k的工作人员，将对应工作人员标记为分析对象o，o={1,2，…，p}，p表示对应分析单位k的工作人员数量且p为大于1的正整数；

步骤T2、设定监测时段A2，获取到监测时段A2对应分析对象o的所有违章行为并一一确定对应违章类型，调取对应分析对象o对应违章类型的违章风险系数和出现次数，将对应违章类型的违章风险系数与出现次数相乘获取到对应分析对象o对应违章类型的违章人险值；

将监测时段A2分析对象o的所有违章类型的违章人险值建立人险值集合，人险值集合，将人险值集合进行求和计算获取到人员表现值RBko；需要说明的是，人员表现值RBko的数值越大，表明对应分析对象o在监测时段A2的表现越差，行为越不规范，所带来的安全隐患越大；

步骤T3、调取预设人员表现阈值，将人员表现值RBko与预设人员表现阈值进行数值比较；若人员表现值RBko大于等于预设人员表现阈值，则将对应工作人员标记为非规范人员，若人员表现值RBko小于预设人员表现阈值，则将对应工作人员标记为规范人员，实现对单位人员的准确划分，方便后续加强对非规范人员的管理和培训教育，以及后续可根据需要对相应的非规范人员进行辞退；

步骤T4、统计监测时段A2对应分析单位k的规范人员数量和非规范人员数量并分别标记为规范人员值GRk和风险人员值FRk，通过比值公式DYk=FRk/GRk将非规范人员数量与规范人员数量进行比值计算，通过比值计算后获取到对应分析单位k的单位异常值DYk；

通过单位分析公式并代入风险人员值FRk与单位异常值DYk进行数值计算，通过数值计算后获取到对应分析单位k的单位分析值DFk；其中，th1、th2为预设比例系数，th1、th2的取值均大于零且th1＞th2；

需要说明的是，单位分析值DFk的数值大小与风险人员值FRk与单位异常值DYk均呈正比关系，风险人员值FRk的数值越大、单位异常值DYk的数值越大，则单位分析值DFk的数值越大，表明对应分析单位k的人员整体表现状况越差，越需要加强培训和人员监管；

步骤T5、调取预设单位分析阈值，将单位分析值DFk与预设单位分析阈值进行数值比较，若单位分析值DFk大于等于预设单位分析阈值，则判断对应分析单位k的行为不合格并生成单位行为不合格信号，若单位分析值DFk小于预设单位分析阈值，则判断对应分析单位k的行为合格并生成单位行为合格信号。

单位预警分析模块将单位行为合格信号或单位行为不合格信号以及对应分析单位k发送至GPU服务器，GPU服务器将单位行为合格信号或单位行为不合格信号以及对应分析单位k发送至油田监管终端，油田监管终端接收到单位行为合格信号时不生成安全预警信号，在接收到单位行为不合格信号时生成单位安全预警信号并将单位安全预警信号发送至对应单位管理人员的智能终端，对应单位管理人员接收到单位安全预警信号时应当加强对应单位人员的制度规范培训，以及对相关人员进行教导处罚，并督促区域管理人员加强对相关人员的监督，进一步保证石油生产区域的安全。

本发明的工作过程及原理如下：

使用时，通过样本生成模块进行视频采集分帧和样本标注并生成数据集，模型训练模块将数据集进行训练优化并将训练完成的模型权重进行保存，边缘智能识别模块通过模型智能分析对视频流进行检测并识别油田生产区域的违章行为，平台可视化展示模块进行违章行为结果管理、服务器状态查看和违章结果概况管理，实现对石油生产区域的全天候实时且自动监控分析，解决了目前仅靠人力来对作业现场进行盯审，无法实现视频全天候智能分析并实时预警的问题；

并且，区域预警分析模块将油田生产区域划分为若干个监控区域并进行区域行为分析，将区域行为合格信号或区域行为不合格信号以及对应分析子区域i经GPU服务器发送至油田监管终端，油田监管终端接收到区域行为不合格信号时生成区域安全预警信号并发送至对应区域管理人员的智能终端，对应区域管理人员接收到区域安全预警信号时应当加强对应区域的巡查监管，从而提升对应区域的生产安全，进一步降低油田生产过程中的安全风险；

单位预警分析模块将参与油田生产区域的操作单位进行单位行为分析并生成单位行为合格信号或单位行为不合格信号，将单位行为合格信号或单位行为不合格信号以及对应分析单位k经GPU服务器发送至油田监管终端，油田监管终端接收到单位行为不合格信号时生成单位安全预警信号并发送至对应单位管理人员的智能终端，对应单位管理人员接收到单位安全预警信号时应当加强对应单位人员的制度规范培训，以及对相关人员进行教导处罚，并督促区域管理人员加强对相关人员的监督，进一步保证石油生产区域的安全。

上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (7)

1.基于视频流的油田生产安全预警分析系统，其特征在于，包括视频预警分析平台，视频预警分析平台通信连接油田监管终端，且视频预警分析平台通信连接油田生产区域的若干摄像头；视频预警分析平台包括GPU服务器、样本生成模块、模型训练模块、边缘智能识别模块和平台可视化展示模块；

样本生成模块，用于进行视频采集分帧和样本标注并生成数据集，并将数据集发送至GPU服务器；GPU服务器将数据集发送至模型训练模块，模型训练模块，用于将数据集进行训练优化，将训练完成的模型权重进行保存并发送至GPU服务器；边缘智能识别模块，用于通过轮询方式实时读取摄像头数据以进行现场视频流获取，通过模型智能分析对现场获取的视频流使用训练模型进行检测并识别油田生产区域的违章行为，并对出现违章行为的图片或视频进行保存且发送至GPU服务器；

GPU服务器将出现违章行为的图片或视频发送至平台可视化展示模块和油田监管终端，油田监管终端将对应信息发送至对应区域管理人员的智能终端；平台可视化展示模块，用于进行违章行为结果管理、服务器状态查看和违章结果概况管理；

视频预警分析平台还包括区域预警分析模块和单位预警分析模块，GPU服务器与区域预警分析模块和单位预警分析模块均通信连接；其中，区域预警分析模块用于将油田生产区域划分为若干个监控区域并进行区域行为分析，生成区域行为合格信号或区域行为不合格信号，将区域行为合格信号或区域行为不合格信号以及对应分析子区域i发送至GPU服务器；单位预警分析模块用于将参与油田生产区域的操作单位进行单位行为分析，生成单位行为合格信号或单位行为不合格信号，将单位行为合格信号或单位行为不合格信号以及对应分析单位k发送至GPU服务器；

区域行为分析的具体分析过程如下：

获取到油田生产区域，将油田生产区域划分为若干监控区域并标记为分析子区域i，i={1,2，…，n}，n表示油田生产区域中监控区域数量且n为大于1的正整数；获取到预设违章类型，将预设违章标记为u，u={1,2，…，m}，m表示预设违章类型数目且m为大于1的正整数，基于预设违章u的危险程度分配对应的违章风险系数；设定监测时段A1，获取到监测时段A1分析子区域i中出现的所有违章行为并一一确定对应的违章类型，调取对应违章类型的违章风险系数和出现次数，将对应违章类型的违章风险系数与出现次数相乘获取到对应分析子区域i对应违章类型的违章风险值；将监测时段A1分析子区域i中出现的所有违章类型的违章风险值建立违章风险集合，将违章风险集合进行求和计算获取到区域违章数表值；

获取到监测时段A1分析子区域i的区域违章人表值，区域违章人表值是用于表示监测时段A1对应分析子区域i出现违章行为人数多少的数据量值；将区域违章数表值和区域违章人表值进行数值计算获取到对应分析子区域i的区域违章表现值，调取预设区域违章表现阈值，将区域违章表现值与预设区域违章表现阈值进行数值比较，若区域违章表现值大于等于预设区域违章表现阈值，则生成区域行为不合格信号；若区域违章表现值小于预设区域违章表现阈值，则通过区域深层分析生成区域行为合格信号或区域行为不合格信号；

区域深层分析的具体分析过程如下：

获取到对应分析子区域i的区域面积，将区域面积标记为监控面表值，以及获取到监测时段A1对应分析子区域i的区域人现值，区域人现值是表示监测时段A1对应分析子区域i所存在人数多少的数据量值；将监控面表值与区域人现值进行数值计算获取到对应分析子区域i的监管难度值；

将区域违章表现值与对应监管难度值进行数值计算获取到对应分析子区域i的区域分析值，调取预设区域分析阈值，将区域分析值与预设区域分析阈值进行数值比较，若区域分析值大于等于预设区域分析阈值，则生成区域行为不合格信号；若区域分析值小于预设区域分析阈值，则生成区域行为合格信号。

2.根据权利要求1所述的基于视频流的油田生产安全预警分析系统，其特征在于，样本生成模块的具体运行过程如下：

通过轮询方式和多线程读取算法，获取油田生产区域的摄像头原始视频数据，即获取作业现场的监控视频流，对监控视频流进行图片分帧获取到原始图片；对原始图片进行数据筛选和数据清洗处理，使用标注工具对筛选处理后的图片进行标注，并保存原始图片和对应的标签文件；将标注后的数据按照一定比例划分为训练集、验证集和测试集，生成数据集。

3.根据权利要求1所述的基于视频流的油田生产安全预警分析系统，其特征在于，模型训练模块的具体运行过程如下：

进行模型结构及参数设置：对比实验多种现有网络模型，选定并改进网络结构，设置初始训练参数；模型训练并优化：使用数据集对设置完成的模型进行训练并优化参数，利用测试集数据进行模型测试，在模型具有高检测准确率和优异检测效果时进行模型的实际部署运用；权重保存：对训练测试完成的模型权重进行保存并发送至GPU服务器。

4.根据权利要求1所述的基于视频流的油田生产安全预警分析系统，其特征在于，违章行为结果管理用于从平台页面查看审核违章图片以及对应的视频详情信息，服务器状态查看用于查看服务器的运行状态以及是否在线并正常运行，违章结果概况管理用于统计查看油田生产区域若干单位和若干监管区域的违章数量。

5.根据权利要求1所述的基于视频流的油田生产安全预警分析系统，其特征在于，单位行为分析的具体分析过程如下：

获取到油田生产区域的工作单位，将对应工作单位标记为分析单位k，k={1,2，…，j}，j表示工作单位数目且j为大于1的正整数；设定监测时段A2，通过分析获取到检测时段A2分析单位k中每位工作人员的人员表现值，调取预设人员表现阈值，将人员表现值与预设人员表现阈值进行数值比较；若人员表现值大于等于预设人员表现阈值，则将对应工作人员标记为非规范人员，若人员表现值小于预设人员表现阈值，则将对应工作人员标记为规范人员；

统计监测时段A2对应分析单位k的规范人员数量和非规范人员数量并分别标记为规范人员值和风险人员值，将非规范人员数量与规范人员数量进行比值计算获取到单位异常值，将风险人员值与单位异常值进行数值计算获取到单位分析值；调取预设单位分析阈值，将单位分析值与预设单位分析阈值进行数值比较，若单位分析值大于等于预设单位分析阈值，则生成单位行为不合格信号，若单位分析值小于预设单位分析阈值，则生成单位行为合格信号。

6.根据权利要求5所述的基于视频流的油田生产安全预警分析系统，其特征在于，人员表现值的分析获取方法如下：

获取到对应分析单位k的工作人员，将对应工作人员标记为分析对象o，o={1,2，…，p}，p表示对应分析单位k的工作人员数量且p为大于1的正整数；获取到监测时段A2对应分析对象o的所有违章行为并一一确定对应违章类型，调取对应分析对象o对应违章类型的违章风险系数和出现次数，将对应违章类型的违章风险系数与出现次数相乘获取到对应分析对象o对应违章类型的违章人险值；将监测时段A2分析对象o的所有违章类型的违章人险值建立人险值集合，将人险值集合进行求和计算获取到人员表现值。

7.根据权利要求1所述的基于视频流的油田生产安全预警分析系统，其特征在于，GPU服务器将区域行为合格信号或区域行为不合格信号以及对应分析子区域i发送至油田监管终端，将单位行为合格信号或单位行为不合格信号以及对应分析单位k发送至油田监管终端；油田监管终端接收到区域行为合格信号或单位行为合格信号时不生成安全预警信号，在接收到区域行为不合格信号时生成区域安全预警信号并将区域安全预警信号发送至对应区域管理人员的智能终端，在接收到单位行为不合格信号时生成单位安全预警信号并将单位安全预警信号发送至对应单位管理人员的智能终端。

Images