油田电网现场作业视频安全管控研究

陈胜波,靖 伟,聂万庆

胜利油田电力分公司 山东东营 257000

1 研究背景

当前,在油田电网中,安全生产管理工作的重点逐步转向风险管控,即预防事故的发生,运用科技手段提升安全监管的覆盖面和监管质量[1-5]。胜利油田电网现场作业安全生产风险管控在措施落实、监督检查和具体执行过程中,存在以下问题:安全风险管控措施现场执行不到位,不能及时发现安全风险;无法对现场作业违章行为进行事前告警;现场监督检查工作量大,无法实现现场的全覆盖。为进一步加强现场作业安全生产管理,提高现场关键作业环节的安全生产风险管控能力,研究应用新型信息化手段,来实现胜利油田电网现场作业的视频安全管控,有效查找和整改现场作业的安全薄弱环节,提高现场作业安全可控、能控、在控的水平。

2 油田电网现场作业视频安全管控原理

在胜利油田电网中,变电站视频监控安装范围已全面覆盖,这是实现现场作业视频安全管控的基础,可以改变以往通过现场检查的方式进行现场作业安全生产管理的工作模式。当然,传统的视频监控手段无法辨别违章行为,于是对生产管理系统与电网视频监控系统的功能进行集成,实时读取生产管理系统中的工作票信息,获取现场作业的基本情况,并基于变电站自动化系统对现场作业各种遥信数据进行实时采集和监控,实现批量加载、多人协同监测、监控画面自动巡检及截图等功能,确保现场作业全方位实时跟踪监测。胜利油田电网现场作业视频安全管控为油田电网现场作业安全生产风险管控提供了新手段、新方法和新视角,在提高现场作业安全生产风险管控工作效率的同时,取得良好的管控效果。

3 现场作业人员人脸识别技术

在胜利油田电网现场作业视频安全管控平台中,应用了人脸识别技术[6-8]。一般情况下,满足人脸识别的要求即可满足人员行为、物品识别、车辆牌照号、电子边界等其它内容的识别要求。油田电网现场作业人员要求必须持有相应的特种操作证,并在相关职能部门备案。建立持有特种操作证的现场作业人员与职能人员数据库,存储现场作业人员的照片,实现人脸识别。为避免无关人员和不具备进入现场资格的人员进入现场,通过人脸识别技术与数据库中的持有特种操作的现场作业人员及职能人员进行对比,自动确认人员身份,并进行通报,实现现场作业人员和职能人员的全覆盖识别。应用同样的原理,还可以对现场作业人员的劳保物品穿戴情况进行监控和识别。

对人脸识别技术进行多种型号摄像头测试,在不同放大变焦的情况下录制视频。现场测试人员由20 m远处步行接近摄像头,由人脸识别算法识别、解析摄像头视频中的每一帧图像,确认不同距离时1 s内能通过人脸识别算法识别出视频中人员身份的最低图像分辨率,即图像清晰度的最低要求。基于测试得到的最低图像分辨率,换算得到摄像头的像素规格,进而得到摄像头的最低配置要求和推荐配置。

在测试中,摄像头高2.5 m,人脸特征向量对比阈值为0.98,正向人脸识别率高于75%,正常行走、慢跑、由远及近运动等情况下人脸识别率高于70%,1/4侧脸或1/4遮挡情况下人脸识别率高于69%,多人情况下对测试结果不产生影响。

现场测试摄像头的规格参数见表1,摄像头镜头焦距、监控角度与监控距离之间的关系见表2,摄像头的最低配置要求和推荐配置见表3。

表1 现场测试摄像头规格参数

表2 摄像头镜头焦距、监控角度与监控距离对应关系

表3 摄像头最低配置要求与推荐配置

由表2可见,在摄像头位置固定时,镜头焦距越长,监控距离越远,但是监控角度则越小,因此需要根据现场的实际情况选取摄像头。

4 现场作业人员行为预测技术

对现场作业人员的运动轨迹进行测试,确认无论是正常情况还是特殊情况,均可以正常记录现场作业人员的运动轨迹,并且在多人情况下测试结果不受影响。测试情况见表4。

对现场作业人员的越界情况进行测试,确认正常情况下,人员正常行走越界,检测效果良好。而对于跳跃、弯腰、爬行和翻滚越界情况,检测精度则有所降低。

基于对现场作业人员的运动轨迹进行监控,可以进行现场作业人员的行为预测。对监控得到的图像通过VGG-19经典模型进行特征提取,获得关节点热力图。从关节点热力图中提取关节的具体位置,应用非最大抑制算法来获得峰值,作为关节点的存储位置。在胜利油田电网现场作业视频安全管控平台中,共设置了18个关节点,分别为左右耳、左右眼、鼻、颈、左右肩、左右肘、左右手、左右髋、左右膝、左右脚。基于所获得的关节信息,确定关节点之间是否相连,并对每一个关节点进行排序。关节点的连接可以看作是一个肢体,在不同监控图像中,拥有相同肢体即为同一位现场作业人员。

表4 现场作业人员运动轨迹测试情况

在进行现场作业人员行为预测时,利用Microsoft Common Objects in Context数据集来进行训练,通过YOLO算法对现场作业人员进行检测,通过深度排序算法对现场作业人员的全程轨迹进行跟踪,通过卡尔曼滤波预测[9-10]的方法来预测现场作业人员的行为。对检测得到的现场作业人员前一帧点与通过卡尔曼滤波预测得到的同一名现场作业人员下一帧点进行连线,然后判断连线与工作区域的每条电子边界是否有交点,有交点则为越界,由此保证越界检测的实时性。

5 电子边界生成方法

在胜利油田电网现场作业视频安全管控平台中,电子边界的生成一般有三种方法:叠加法自动生成电子边界、物体或环境轮廓检测算法生成电子边界、手工绘制电子边界。

叠加法自动生成电子边界的原理为:调用调度自动化系统的数据,识别变电站已经悬挂接地线并进入检修状态的一次设备;根据现场处于检修状态设备的数量、位置,在数据库中事先设定每台设备相关联的安全停电区域;将处于检修状态设备的各区域进行叠加,生成现场作业安全工作区域,在智能摄像头内自动得到电子边界。在现场作业区域布置遮栏、布幔等实体边界标志的情况下,通过轮廓检测算法,即可识别并转换为电子边界。

6 视频安全管控平台功能

胜利油田电网现场作业视频安全管控平台功能框图如图1所示。

图1 胜利油田电网现场作业视频安全管控平台功能框图

7 结束语

以胜利油田电网为例,笔者对油田电网现场作业视频安全管控技术进行了研究,重点对现场作业人员人脸识别技术、行为预测技术进行了测试。通过人脸识别技术,可以实现现场作业人员的身份识别,及时准确发现不具备进入资格的人员,强化现场管理工作;还可以对现场作业人员的劳保物品穿戴情况进行监控和识别,确保现场作业人员安全措施完备。通过行为预测技术,可以及时发现现场作业人员的部分违章行为,有效降低遭电击和从高处坠落的风险,提高现场作业的安全性。

油田电网的安全工作是重中之重,通过建立油田电网现场作业视频安全管控平台,改变了传统人为安全监督管理的方式,降低了安全管理人员的工作强度,提高了现场作业安全生产风险管控的水平和效果,实现了现场作业安全监管的全覆盖。