基于静态灰度图像人脸识别算法的功图诊断方法研究

段泽英 赵美刚 张新政 游莉

[摘 要] 油井示功图是判断泵工作状况好坏的一个重要依据。目前，新疆油田数据库中已存有大量功图数据，并且经过专家审查分析后将解释成果数据入库管理，为我们后续的数据挖掘提供了宝贵的数据资源。本文基于静态灰度图像人脸识别算法，对油井示功图诊断、分析进行应用研究，研究成果表明，利用灰度图像人脸识别算法可以有效辅助油田生产业务人员、管理人员快速、准确诊断油井示功图，及时采取措施，对提高单井生产时率有重要意义，同时也为智能新疆油田建设单井问题诊断应用研究提供了必要的技术支持。

[关键词] 智能油田；静态灰度图像；人脸识别算法；示功图；解释；参数判断

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2014 . 03. 019

[中图分类号] F270.7；TP312 [文献标识码] A [文章编号] 1673 - 0194（2014）03- 0038- 04

1 引 言

目前，新疆油田数据库中已存有大量的功图数据和功图解释成果数据，这些数据是由功图仪现场测试、专家分析确认后入库的功图数据和解释成果数据，具有重要的参考价值。为了减轻油田生产业务人员、管理人员重复解释功图的工作量，提高功图诊断的时效性，本文介绍灰度图像人脸识别算法的应用研究。

2 实测油井示功图常规分析方法

所谓理论示功图是比较规则的平行四边形，而实测功图由于多种因素的影响（如：砂、蜡、气、黏度），图形变化很复杂，各不相同。因此，要正确地分析抽油井的生产情况，必须全面掌握油井动态、静态资料以及设备的状况，结合示功图的变化找出油井的主要问题，采取适当的措施，提高油井产量和泵效。

传统分析示功图的方法是将示功图分割成4块，进行分析对比，找出泵工作不正常的原因，提出解决问题的措施。即：左上角主要分析游动凡尔的问题，缺损为凡尔关闭不及时，多一块为出砂并卡泵现象；右上角主要分析光杆在上死点时活塞与工作筒的配合情况；右下角主要分析泵充满程度及气体影响情况；左下角主要分析光杆在下死点出现的问题，如：固定凡尔的漏失情况等。

3 人脸识别算法的研究

人脸识别是模式识别领域内的一个前沿课题，有着十分广泛的应用前景。人脸识别技术是基于人的脸部特征，对输入的人脸静态图像或者视频动态图像进行分析、处理后，给出人脸形状、大小和各个主要面部器官的位置信息，并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，与已知的人脸进行比对，从而识别每个人脸的身份。

3.1 人脸识别的主要技术方法

（1）几何特征识别方法。几何特征可以是眼、鼻、嘴等的形状和它们之间的几何关系。这些算法识别速度快，需要的内存小，但识别率较低。

（2）基于特征脸（PCA）的人脸识别方法。特征脸方法是基于KL变换的人脸识别方法，KL变换是图像压缩的一种最优正交变换。高维的图像空间经过KL变换后得到一组新的正交基，保留其中重要的正交基，由这些基可以张成低维线性空间。如果假设人脸在这些低维线性空间的投影具有可分性，就可以将这些投影用作识别的特征矢量，这就是特征脸方法的基本思想。这些方法需要较多的训练样本，而且完全是基于图像灰度的统计特性的。

（3）基于神经网络的人脸识别方法。神经网络的输入可以是降低分辨率的人脸图像、局部区域的自相关函数、局部纹理的二阶矩等。这类方法同样需要较多的样本进行训练。

3.2 人脸识别系统的处理过程

一般来说，人脸识别系统包括图像摄取、人脸定位、图像预处理及人脸识别（身份确认或者身份查找）。系统输入一般是一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图像或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。

人脸识别技术中被广泛采用的是区域特征分析算法，它融合计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析并建立数学模型，即人脸特征模板。利用已建成的人脸特征模板对被测者的面像进行特征分析，根据分析的结果来给出一个相似值，通过这个值即可确定是否为同一人。

4 基于静态灰度图像人脸识别算法的油井功图诊断方法的研究

基于灰度图像人脸识别算法的思想，我们把采集到的油井示功图进行数字化和图像灰度分布归一化处理，然后进行特征维数压缩，最后提取相应的特征值进行识别。

因此，我们将示功图置于一个标准2×1矩形内，以载荷和位移的最大值和最小值为边界，然后将其分成网格，网格数为M（64）×N（32），灰度矩阵完全是依据示功图的形状为基础而构成的，为方便计算机编程处理，首先根据示功图网格的规模数将网眼初始化为“64”或者按实际情况进行扩大，然后我们以“1”为边界 ，按照等高线的原则进行赋值，每远离边界一格其灰度值将增加一级，边界外部每远离边界一格其灰度值将减少一级，最后检查矩阵中的功图是否完全封闭，如果存在断点，在相邻两点中插“1”补齐，使其完全封闭，直至整个网格全部填充完毕后赋值结束，如图1所示。

4.1 灰关联度分析诊断示功图方法的思想

油井示功图经过灰度处理后，分别将正常状态和异常状态的样本序列作为参考序列，通过对序列之间变化趋势的相似或相异程度来衡量样本的接近程度，对系统运行状态的动态过程做出量化分析，进而对系统的运行状态做出诊断。灰关联分析的技术内涵是首先获取序列间的差异信息，并建立差异信息空间，然后建立与计算差异信息的关联度，最后建立因素间的序列关系并进行分析的过程。

由于事物发展过程存在相似性和相近性两个方面，因此兼顾两者提出了一种灰关联度的方法，即ABO型关联度。

对示功图进行量的描述是图像灰度统计的过程，灰度矩阵反映了图像灰度分布情况，依据示功图进行处理所得到的灰度矩阵，取灰度矩阵的6个统计特征作为灰度直方图的表征，分别是灰度均值、灰度方差、灰度偏度、灰度峰度、灰度能量、灰度嫡。如图2所示。

待测示功图曲线与特征库中的示功图曲线之间的关联程度，主要是用关联度的大小次序描述，而不仅仅是关联度的大小。在各关联度计算出来以后，将待测功图特征向量与N个标准参考特征向量的关联度从大到小排序，就可以得到不同功图的特征模式对待测功图特征分析影响的重要程度。根据关联度的性质，当待检测功图的特征向量与某一标准参考功图的特征向量关联度最大时，则可以认为该待检测功图属于相应的参考功图特征模式，从而达到对示功图故障诊断的正确分类和识别。

4.2 利用灰度图像人脸识别算法诊断示功图的步骤

首先建立示功图的特征库。即将新疆油田历史功图数据和专家确认过的解释成果数据提取出来进行归类合并，用统一编码的方式规范功图解释结果，并且每种解释结果对应大量的历史功图数据，将这些功图数据进行数字化处理后存储于关系数据库（oracle）中，且与功图解释结果、诊断编码一一对应。如图3所示。

然后，将当前采集的功图和特征库中的功图分别进行灰度图像归一化处理。即将采集功图与特征库功图分别放置到灰度矩阵中进行图像归一化处理，并生成相关特质值。

最后，将采集功图与特征功图的灰度图像进行比对。即将当前采集功图的灰度特征与特征功图的灰度特征进行检索、比对，选取比对结果（相似度）值最高的特征功图解释结果作为当前功图的解释结果，完成功图诊断。具体诊断步骤如图4所示。

5 应用效果

抽油井故障智能诊断可以依据功图特征和静态灰度图像人脸识别算法，采取与建立的功图特征数据相比对的方法，通过计算相似度或相近度，即可实现抽油井凡尔漏失、气锁、气影响、卡泵、柱塞脱、供液不足、上挂（防冲距过大）、下碰（防冲距过小）、筛管堵、杆断脱、蜡影响、连抽带喷等功图的快速诊断。

功图特征法在实际的使用中，由于每口抽油井的泵深和载荷不同，致使一个区块的功图特征与另一区块功图特征相互排斥。因此，我们将功图特征值由6个扩充为12个（如表1所示），可有效地对比功图的相似度（如图5所示），从而提高功图诊断的符合率。

下面以新疆油田某井为例，将当前采集的功图与特征库中的特征功图进行灰度归一化处理后，比较其相似度。比较结果相似度93.98%，取特征功图解释结果作为当前功图的解释结果，即气影响。再结合产液量、产油量、产气量、动液面等参数进行二次判断，最终确认上述功图诊断结果正确。如图6所示。

单从一幅功图的特征来看也可以有两种解释结果，如：断脱和凡尔漏的功图极其相似，快速诊断可能会给出两个诊断结果，供用户参考，所以必须要结合参数进行二次判断才能得到最终的解释结论。参数判断的依据如表2所示。

6 结束语

目前，人脸识别技术主要应用于企业、住宅安全管理，电子护照及身份证，公安、司法和刑侦，信息安全等领域。本文首次将此项技术与灰度图像法相结合，在油井示功图识别、诊断中进行应用，与油井常规示功图诊断相比能够实现快速诊断，且具有较高的准确性，为油井智能诊断提供了可靠的依据，同时也为智能新疆油田建设提供了一项技术支持。

主要参考文献

[1]刘瑾，徐可欣，陈小红，等.采用图像融合技术的多模式人脸识别[J].工程图学学报，2007，28（6）：72-78.

[2]李子青.人脸识别发展新趋势——“三化两合”[J].中国安防，2008（7）：76-80.

[3]刘庆祥，蒋天发.彩色与灰度图像间转换算法的研究[J].武汉理工大学学报：交通科学与工程版，2003，27（3）：344-346.

[4]陈晓明.实用图像分析与处理技术[M].北京：电子工业出版社，2002：155-190.

[5]姚家奕，姜万录.计算机图像技术及其应用[M].北京：国防工业出版社，2000：10-65.

[6]刘益江，张学臣，李伟，等.抽油井示功图综合解释[J].油气田地面工程，2007，26（8）：3-5.

[7]刘炜，刘宏昭.三种泵功图特征提取方法及比较[J].煤炭技术，2010，29（9）：202-204.