论文部分内容阅读
随着社会的进步,安全问题备受关注,特别是石油化工天然气等易燃易爆危险性场所的人员安全问题。二十世纪发展起来的HSE管理理念,已经在石油化工行业取得了良好的业绩。现今,企业管理水平和信息化程度逐步的提升,更加迫切的要求HSE管理理论切实的落实到基层生产车间,因而提出了HSE监控平台的概念:依靠各类检测仪器仪表获取所需数据信息,在无人干预的情况下由计算机分析数据得出结论,并根据所得结论对控制器、执行机构进行操作,最终使整个厂区各个部分实现无人值守的智能化监控。为实现HSE综合监控的功能,平台由多个子系统组成,而图像信息作为人类获取外界信息的重要途径,成为其不可或缺的组成部分。为满足HSE监控平台对人身安全的监控需求,本文完成了生产安全视频监控系统,实现了对化工厂区内工作人员安全帽佩带情况的监测。为了实现智能化的生产安全视频监控,需要系统具有视频图像识别的能力。因此,首先对传统的视频监控系统的组成结构进行研究,据此选用符合化工生产现场的设施设备组建智能化的监控系统。在此基础上,深入研究了图像处理、机器学习及模式识别理论,设计了安全帽识别的方案,以实现生产安全视频监控系统的安全帽识别。在实现方案中,运用了帧间差分的视频对象分割方法判断摄像头视频画面的动态目标;采用了图像的HOG特征、SVM分类器判断图像中的动态目标是否是行人;最后以Adaboost分类器与Haar-like特征检测画面中的行人是否佩戴安全帽,实现了生产安全视频监控系统对安全帽的监测功能。生产安全视频识别系统在实验环境中的实验应用结果表明,上述方法可满足对化工生产厂区从业人员佩戴安全帽的监控需求,达到预期的准确性及可靠性。该系统的完成实现了视频识别技术在HSE监控平台中的应用,并取得了良好的效果,使HSE管理体系的智能化更进一步。