视频分析技术在钢铁生产企业火灾隐患检测中的应用

陈轶毅

摘   要：钢铁制造业的生产活动，具有较高的火灾风险。文章介绍了一种基于深度学习的火灾隐患预警系统，包括火苗和灭火设备识别、人物域联合定位和人员抽烟分析的功能模块。通过与人工管理相配合，及时检测火灾风险，提前预警。该系统可以作为管理者的辅助工具配合使用，使得管理效果最优化。

关键词：视频分析;火灾预警;安全管理

随着科技的进步和经济的发展，钢铁冶金企业的生产规模越来越大，钢铁产量和质量逐年提高。生产规模的扩大也放大了安全风险，使得安全工作愈发重要，稍有不慎就容易导致严重的经济损失甚至人身伤害。钢铁制造业作业区域环境复杂、工艺流程复杂，常常伴有高温、高压，同时，在生产和加工的过程中，大量使用易燃、易爆的物品或气体，导致了钢铁生产行业火灾事故高损失和多发性的特点。

为了最大限度地杜绝火灾安全隐患，需要对重点区域进行防火。不同于普通室内火灾监控技术，钢铁制造业作业活动的火灾隐患检测，具有作业区域环境复杂的特点，各种因素的影响为实时监控带来了困难。随着计算机技术的发展和图像识别技术的广泛普及，通过视频分析技术智能地进行火情监控将是未来火灾预警的重要手段。

当前，基于深度学习的人工智能图像识别技术，已经在安防、医疗、生产管理等各个行业展开应用。得益于机器学习算法的发展和硬件设备计算能力的不断提高，如今，可以通过人工智能进行图像的识别分析和异常行为判断。因此，本文采用基于深度学习的视频分析技术，协助钢铁行业生产现场的火灾防范。在减轻管理人员负担的同时，提高监管效率，覆盖人力监管的盲区和死角。在火灾隐患出现的第一时间杜绝，对潜在的危险进行提早发现、提早警报、提早指示，将生产中的危险因素降至最低。

1    视频分析安全管理系统功能模块

本文中将系统分成3个模块介绍，对现场生产的关键环节和关键行为进行火灾风险管控，分别是火苗和灭火设备识别模块、人物域联合定位模块、人员抽烟分析模块。这几个功能模块覆盖了生产安全监控的最主要环节，其有机结合可以高效地杜绝监护死角，从操作开始、操作进行到操作完成结束，全方面地进行视频安全分析。

1.1  火苗和灭火设备识别模块

钢铁生产企业具有大量动火的环节，这些环节是火灾易发的重点区域，需要进行严格把控。例如，在焊接过程中，稍有不慎可能引燃助燃物造成事故。基于人工智能的视频分析模块，可以对火焰和火星进行学习，通过对火焰的识别进行火灾的早期发现。同时，对火星四溅的情况、动火作业无监护人的问题，火苗识别模块系统将进行风险判断和预警。通过对摄像头采集的视频数据进行实时分析，可以做到不安全行为的事中警告和事后記录。应用AI图像智能识别技术分析和判断标准化作业异常信息，并结合人脸识别及时定位违规人员。

如图1所示，以动火作业为例，对火苗状态进行识别，保证电焊施工的火苗在可控范围内，同时，对灭火器进行识别，保证施工现场设备符合安全规范。

1.2  人物域联合定位模块

由于卫星信号弱、内部三维环境复杂、障碍物较多等原因，室内定位无法使用室外常用的GPS等方式进行。试验阶段的技术，如近场通信（Near Field Communication，NFC）定位、WiFi定位等技术并不成熟，容易造成误判[1]。由于生产线上每位人员都需要佩戴安全帽，本文使用带有超宽带（Ultra Wide Band，UWB）定位功能的安全帽，通过安全帽上集成的芯片与无线接收器配合，准确地定位每一个人员包括楼层在内的三维位置，图2是UWB示意。使用安全帽定位的另一个优点是通过安全帽芯片编号与人员ID的一一对应，可以很容易地识别每个人员的具体身份。

基于UWB室内定位显示人、物位置，电子围栏功能，按照预设位置逻辑，实现人、物和域位置关系的精准掌控，促进员工标准化作业。采用2D/3D空间建模技术，能对建筑进行空间建模。通过人员点位，辅助危险物体检测和危险区域划分，可以准确地获得操作人员、物品和危险区域的相对位置，保证指定人员、指定物品在指定区域，防止异常情况的出现，具体如图3所示。

1.3  人员抽烟分析模块

操作人员在禁烟区域内抽烟非常容易导致安全事故发生，传统的烟雾报警系统在空旷的钢铁企业车间中不仅难以及时奏效，还可能因为正常流程中的高温高压作业而造成误报。针对传统烟雾报警系统的这些问题，开发了基于视频分析的人员抽烟检测技术，专门用于钢铁企业场景中的抽烟检测。

由于香烟的体积很小，无法直接通过图像识别进行精确判断。系统采用两级串联的方式进行抽烟行为的检测：第一级采用的是人体关键点算法，对人体关键点进行定位，分析人体的头部、前臂、后臂、手腕和脚踝等关键部位，对人员的运动状态进行智能判断，识别现场人员是否有潜在的抽烟动作。采用以下公式，用平均精度均值（Mean Average Precision，MAP）来计算模型的损失函数。

第二级采用检测网络对图像检测，检测手中或者口中点燃的香烟。对于深度学习算法，网络深度将影响算法的准确率与速度。当网络太浅，模型将欠拟合，无法对穿戴情况进行准确分类。层数过多、过深的网络不仅对提高算法精度无益，更重要的是会影响系统运行的速度。经过大量的尝试，本文采用图4中YOLOv3网络结构对图像进行检测。

2    结语

以视频分析为基础的钢铁生产企业火灾隐患检测系统，为钢铁行业的安全管理提供了有力保障。本文介绍的系统由火苗和灭火设备识别模块、人物域联合定位模块和人员抽烟分析模块构成多位一体安全管理技术，对作业人员从进入作业范围开始，进行全过程的监控。配合监控平台和实时提醒系统，可以客观减少火灾风险发生的情况。自动化管理是钢铁行业安全管理的未来趋势，本文的火灾自动预警系统，是将人工智能与钢铁生产结合的一次初步尝试，相信随着新技术的不断加入和自动检测分析系统的完善和覆盖，视频分析和智能管理将应用于钢铁生产的方方面面。

[参考文献]

[1]汪苑，林锦国.几种常用室内定位技术的探讨[J].中国仪器仪表，2011（2）：54-57.