一种基于红外传感的矿井人员违章识别系统

游青山，冉霞

(1.重庆工程职业技术学院，重庆，402260；2.工业机器人与矿山智能装备系统应用重庆市高校工程中心，重庆，402260；3.中煤科工集团重庆研究院有限公司，重庆，400039；4.瓦斯灾害监控与应急技术国家重点实验室，重庆，400037）

0 引言

随着煤炭开采技术的智能化发展，“无人工作面技术”、“数字化矿山技术”、“无人开采技术”不断涌现。但这些技术的一个重要环节就是煤矿安全监控系统的智能化，它是煤矿开采技术转型升级的重要方向。煤矿现场工作人员是否正常操作，是否有违章操作是煤矿现场日常监控的重点，现有技术中主要采用人工进行监测，效率较低，且监测的范围有限，容易出现安全事故。但囿于煤矿井内昏暗、复杂的环境，通用的视频监控设备在矿井难以发挥作用，因此，就出现了基于红外传感的煤矿井下人员监控系统。

现有采用红外热成像仪的煤矿井下监控系统在使用时还存在一些不足：不能对监控区域形成全方位的监测，容易产生监测死角；容易受监控区域内的其他热源物体的干扰，影响对人员的监测判断；没有形成有效的告警机制等。

在运动目标检测技术方面，基于混合高斯模型和核密度估计的方法是两种最为常用、效果较为突出的背景建模与更新方法。文献[1-4]等采用混合高斯模型为场景中的每个像素都建立K个高斯分布来技能型背景建模，较好地反映了多模态复杂背景的状态。通过更新高斯分布的各个参数来完成背景更新，能够适应一定的背景变化。但是其对于背景各状态均符合高斯分布的假设并不能完全成立。另外算法的计算量大，背景更新的速度较慢，实时性要求强、光线突变及转化等情况下，难以及时反映背景的实际变化。

在矿井人员行为合规性评判监测与典型违章行为自动辨识方面，目前主要依靠巡检人员检查、专家经验、视频回看等手段，监管耗时费力，靠人工判识矿井相关人员行为方面存在重大隐患和违章行为，缺乏自动判识技术及设备。

1 系统原理

一种煤矿现场人员行为监测及违章智能识别系统，先通过红外成像采集单元进行人员图像数据采集，再将数据图像通过数据中转装置单元上传至图像处理器单元，图像处理器单元对数据进行融合分析，并最终传输至服务器单元。其中，服务器单元包括第一采集模块、第一分析模块、第二采集模块、第二分析模块等。第一采集模块，用于采集煤矿现场人员个人信息；第一分析模块，用于生成该工作人员相对于该现场工作岗位的违章概率信息；第二采集模块，用于获得进入煤矿现场的工作人员相对于各自现场工作岗位的违章概率排名信息，并对排名满足预设要求的人员进行跟踪监测；第二分析模块，用于将监测图像输入煤矿现场人员行为违章识别模型中进行识别，识别出煤矿现场人员行为是否违章；本系统能够根据工作人员的自身情况计算出其违章的概率，然后根据现场多个工作人员的概率排名情况，优先对容易违章的人员进行监测，避免了对现场工作人员进行逐个监测工作量较大效率较低的弊端。

2 系统设计

2.1 系统硬件原理概述

煤矿现场人员行为监测及违章智能识别系统，本质上是基于热成像原理的煤矿井下人员监控系统。硬件上包括依次连接的红外成像采集单元、数据中转装置单元、图像处理采集单元和服务器单元。红外热成像仪数据上传至数据中转装置单元；数据中转装置单元接收三个红外热成像仪监测的热成像数据，并将数据进行汇总，然后一同传输至图像处理器单元；图像处理器单元用于将三个红外热成像仪的热成像数据进行综合处理，提取出其中的人员红外图像，然后通过远程传输装置将人员红外图像远程传输至服务器单元；服务器单元用于将接收的人员红外图像进行监控显示、存储、分析等。其应用时，可以对监控区域形成全方位的人员监测，有效排除监控区域内的其他热源物体的干扰，提高人员监测精度。硬件电路工作原理如图1所示。

图1 系统硬件总体结构

2.2 数据中转装置单元

数据中转装置单元设有时钟模块，用于为三路红外热成像仪提供同步时钟，数据中转装置单元根据同步时钟为接收的三路热成像数据均打上同步时间戳，通过三路红外热成像数据的时间戳，后续的图像处理器单元就能精确地对三路红外热成像数据进行同步综合处理。

2.3 图像处理器单元

图像处理器单元包括主处理模块、温段提取模块、动态校对模块和模型对比模块，其中：主处理模块用于将三路热成像图像进行合成，建立三维热成像图像；温段提取模块用于提取设定人体温段范围的三维热成像图像；动态校对模块用于对三维热成像图像进行人员动态校对；模型对比模块用于对三维热成像图像进行人体模型对比，并提取出热成像图像中符合人体模型的部分。

主处理模块先将三路热成像图像进行合成，建立三维热成像图像；再通过温段提取模块提取出三维热成像图像中温度在35℃～38℃的多数人体温度范围内的图像，通过提取该温段范围内的图像可以有效去除监控区域内其他温段热源物体对人员监测的影响；然后再通过模型对比模块将提取的图像与预先建立的人体热成像模型进行对比分析，精确提取出其中的人员热成像图像，去掉在该温段范围内的其他热源物体的影响；最后再通过动态校对模块根据提取出的人员热成像图像判定人员的状态，看是处于静止状态还是运动状态；主处理模块将最终提取出的人员热成像图与状态判定结果一同传输至服务器。

图像处理器单元还连接有人员数量校对模块，人员数量校对模块与远程传输装置连接，用于根据人员红外图像校对监测人数，并向服务器发送监测人数信息。

图像处理器单元还连接有告警模块，告警模块与远程传输装置连接，用于向服务器发送告警信息。

2.4 告警单元

告警单元，用于在识别出煤矿现场人员行为违章时，对相应的人员进行告警。通过服务器可向人员数量校对模块和计时模块分别发送设定的人员校对数量和告警时长，当人员数量校对模块校对出的数量低于设定的人员校对数量，且持续的时间达到设定的告警时长时，说明有人员长时间处于监控区域外，有可能发生意外或擅离职守，人员数量校对模块就会通过图像处理器单元向告警模块发出告警提示，告警模块接收告警提示后向服务器发送告警信息；当动态校对模块监测到有人员处于静止状态的持续时间达到设定的告警时长时，说明有人员可能发生意外，动态校对模块向告警模块发出告警提示，告警模块接收告警提示后向服务器发送告警信息。

2.5 违章识别设计

违章识别用于建立煤矿现场人员行为违章识别模型。违章识别模型单元具体包括：采集未违章的煤矿现场人员行为图像；对未违章的煤矿现场人员行为图像进行机器学习，提取出煤矿现场人员行为违章判别关键特征；基于煤矿现场人员行为违章判别关键特征，建立煤矿现场人员行为违章识别模型等。利用现有的方法建立煤矿现场人员行为违章识别模型，如人工智能、机器学习、图像识别等。

3 人员违章识别率结果验证

红外成像采集单元布置在矿井下某固定的地点，该点的环境实测状态为：空气温度29℃、相对湿度95%、风速0.9m/s等。采用3组不同数量的试验人员在红外成像采集单元识别区域内进行随机的行为动作，并且试验人员已被告知，可进行相关的违章动作，但违章仅限于规定的时间、规定地点、以及规定的几类典型的违章动作。由此，通过系统自动识别，并采用人工通过观察监视器同步复核，来验证系统的人员违章识别率。本试验分为3次进行。验证结果如表1所示。

表1 违章识别率对比表

由表1可知，与人工通过监视器识别违章行为相比，系统能部分识别人员的违章行为。在违章率方面，在人员数量较少时，准确率会达到100%正确，而在人员较多时（样本为24人依次通过），准确率会有所降低，存在少判、误判等情况。分析原因，主要为违章动作不够明显。因此，为了提高机器违章的识别有效性，可加强对典型违章动作的机器学习，并对识别模型相关优化。

4 结语

本系统首先通过硬件的红外热成像机器智能识别，对矿井人员的图像进行采集和预处理等，把图像传输至服务器单元进行处理，对是否违章进行判断；其次进行软件处理时，通过概率值处理、疲劳监测处理等措施，把违章识别并分门别类，并最终实现人员违章的确认。本系统大大提高了煤矿对员工违章的识别度，实现了机器智能操作，减轻了人员的工作强度，并且在现场得到了很好的验证和应用。