随着社会的进步,安全问题越来越受到人们的关注。基于内容的图像识别分析技术是视频监控系统的重要应用之一。图像识别技术随着计算机技术和模式识别等多学科的发展取得了较大的进步,应用到了多种重要的领域。其中比如公共安全、医疗等领域都有涉及,发展前景非常广阔。特别是在石油化工领域,视频监控系统的需求急速增长。各领域对智能视频监控技术的迫切需要,让图像识别分析技术的相关课题成为近年来智能监控系统的研究热点。安全帽可以在现场作业人员头部遭受坠落物及其他特定因素引起的伤害时起到防护作用,正确佩戴安全帽是一项在化工生产中一直强调的安全规范。为确保生产安全,降低作业风险,化工场所对安全帽的自动检测和佩戴状态识别的报警系统的需求变得越来越迫切,我单位下属化工厂因建设和生产需求,常年需要外来施工检修人员参与工作,而个别外来人员安全意识薄弱,作业过程中不按规定佩戴安全帽,容易出现人身伤害事故。本人作为一名在职研究生,大部分时间在一线参与项目研发和管理,认为一套智能化的安全帽检测和异物入侵检测报警系统不仅能提高现场管理的工作效率,还可以达到提升企业安全管理水平的实际效果。目前对于佩戴安全帽状态的自动识别技术的研究还不多。针对作者本人所在单位下属企业的施工建设和安全生产的实际需要,本文对安全帽的佩戴状态识别算法进行了深入的研究,在对图像的预处理、模式识别理论以及特征表达研究的基础上,提出了一个化工厂环境下的包含安全帽配戴状态检测识别的智能视频监控系统的功能设计和实现方案。主要思路为运用帧间差分法的视频对象分割方法判断视频画面中的运动目标,运用图像的HOG特征和SVM分类器判断图像中的运动目标是否为行人,然后对作业人员的安全帽佩戴识别采用基于可变形组件模型(DPM)的方法进行判断。该算法从多尺度、多视角对安全帽佩戴状态进行特征建模,之后利用Latent SVM训练安全帽正确配戴状态识别模型,最后对视频帧中的目标进行检测,判断车间的现场操作工人是否遵守规章正确的配戴安全帽。在上述研究的基础上,应厂区大型设备和配电室等重点区域的安全防护需要,以及留存操作记录的目的。本文还研究了基于背景减除法和混合高斯背景建模的防异物入侵检测,对进入划定范围内的行人、移动机械等进行识别。针对防异物入侵检测,本文采用混合高斯模型实时更新背景,通过阈值分割提取定位入侵异物的目标。所做实验结果表明本文中采用的方法可运用于化工生产厂区内作业人员的安全帽佩戴状态识别,异物入侵检测结果可靠,达到了预期的准确性可靠性。通过化工厂智能视频监控系统的搭建和测试证明了系统运行稳定,能够达到预期目标,为后续智能视频监控系统在化工企业中的应用奠定了基础。对化工安全生产的智能化有实际的指导意义。