基于边缘计算和AI的智慧加油站安全监测方法及系统

技术领域

本发明涉及加油站安全监测领域，具体的涉及一种基于边缘计算和AI的智慧加油站安全监测方法及系统。

背景技术

加油站为全天候连续作业，储存的易燃易爆物质数量大，事故潜在风险高，后果危害严重，因此，加油站安全生产工作直接影响公众安全和石油行业生产经营活动的正常运行，意义重大。加油站内部人员的安全意识和管理已经比较严格，但是加油站的外来人员通常安全意识淡漠，经常会进行打电话、吸烟等违规动作，光靠加油站工作人员通过双眼发现后再进行提醒效率低，反应速度慢。

目前，传统的加油站都配置有摄像头，但是只会使用摄像头来采集加油站的各种视频图像供后台进行人工监控，不会进行智能分析，这些视频图像没有得到很好地利用，光靠人工24小时观看摄像头进行安全监控不仅效率低，而且存在疏忽遗漏的可能，不能及时消除安全隐患。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于边缘计算和AI的智慧加油站安全监测方法及系统，能够将视频图像利用起来进行智能分析，分析出危险动作后立即报警，及时消除安全隐患。

根据本发明实施例的一种基于边缘计算和AI的智慧加油站安全监测方法，包括以下步骤：

S100、双光谱摄像头获取加油站内的视频图像和热源信息；

S200、边缘计算单元内的图像识别模组通过视频图像获取视频帧，对获得的监测图片进行人物分割，获得人物分割图；

S300、边缘计算单元分析人物分割图中的姿态，结合热源信息判断人物是否存在危险动作；

S400、如果人物存在危险动作，边缘计算单元立即给现场和管理中心发送警告。

根据本发明实施例的一种基于边缘计算和AI的智慧加油站安全监测系统，包括：管理中心、设置在各个加油站内的边缘计算单元和双光谱摄像头，边缘计算单元通过网络与管理中心通讯，所述边缘计算单元应用上述基于边缘计算和AI的智慧加油站安全监测方法进行安全监测和报警，所述管理中心用于将各个加油站的数据和告警信息进行汇总分析和展示。

根据本发明实施例的基于边缘计算和AI的智慧加油站安全监测方法及系统，至少具有如下技术效果：本发明实施方式通过在各个加油站内设置边缘计算单元和双光谱摄像头，双光谱摄像头既可以采集图像信息又可以采集热源信息，边缘计算单元结合视频帧图像和热源信息即可识别出人物是否存在吸烟打电话等危险动作，当发现有人做出危险动作后立即进行现场报警并且上报给管理中心，可以自动对加油站进行监控，第一时间排除安全隐患，提高加油站的安全性。

根据本发明的一些实施例，所述步骤S200中通过Two-stage模型中的RMPE方法进行图片分割。

根据本发明的一些实施例，所述步骤S300中的危险动作包括吸烟动作和打电话动作。

根据本发明的一些实施例，所述吸烟动作的判定条件为：边缘计算单元通过人物分割图结合吸烟动作算法对判断是否存在吸烟动作；通过热源信息判断吸烟动作位置是否存在热源，如果同时存在吸烟动作和热源，则认定当前人物处于吸烟状态，否则认定当前人物不处于吸烟状态。

根据本发明的一些实施例，所述步骤吸烟动作算法的判定过程为：

通过预先训练好的模型提取人物分割图中人体上半部分的结构，并将该结构放入二分类网络结构中判定是否存在吸烟动作。

根据本发明的一些实施例，所述吸烟动作位置包括手部和嘴部。

根据本发明的一些实施例，所述打电话动作的判定条件为：边缘计算单元通过人物分割图结合打电话动作算法判断是否存在手部打电话动作以及口型动作，如果同时存在打电话动作以及口型动作则判断当前人物处于打电话状态，否则认定当前人物不处于打电话状态。

根据本发明的一些实施例，所述手部打电话动作包括以下连续行为：抬左手/右手、手放在耳边。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明实施例中基于边缘计算和AI的智慧加油站安全监测方法的流程图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

参考图1，一种基于边缘计算和AI的智慧加油站安全监测方法，包括以下步骤：

S100、加油站内的边缘计算单元通过双光谱摄像头获取加油站内的视频图像和热源信息；

S200、边缘计算单元内的图像识别模组通过视频图像获取视频帧，对获得的监测图片进行人物分割，获得人物分割图，其中，本实施例通过Two-stage模型中的RMPE方法进行图片分割，具体步骤为：

S201、基于已存储的人体尺寸参数代表人体的大概范围，获得人体大概范围框架；

S202、通过RMPE姿态识别框架进行识别获得姿态识别框架；

S203、取姿态识别框架和人体大概范围框架这两个并集中的交集，获得包含人体边界框的人物分割图。

S300、边缘计算单元分析人物分割图中的姿态，结合热源信息判断人物是否存在危险动作，危险动作包括吸烟动作和打电话动作，还可以根据需要增加点烟、点燃打火机等其他危险动作；

其中，边缘计算单元对于吸烟动作的判定条件为：通过人物分割图结合吸烟动作算法对判断是否存在吸烟动作，吸烟动作算法通过预先训练好的模型提取人物分割图中人体上半部分的结构，并将该结构放入二分类网络结构中判定是否存在吸烟动作，模型的训练可以使用现有的吸烟动作监测模型，也可以采用VOC格式的数据集进行模型训练得到吸烟动作监测模型。

单纯通过动作识别判断是否吸烟存在很大的误报概率，吸烟一定伴随着烟头燃烧，因此本申请中设置的是可以获取热源信息的双光谱摄像头，边缘计算单元还通过热源信息判断吸烟动作位置是否存在热源，吸烟动作位置包括手部和嘴部，如果一个人存在吸烟动作，并且手部或嘴部存在热源，则认定当前人物处于吸烟状态，否则认定当前人物不处于吸烟状态。

边缘计算单元对于打电话动作的判定条件为：通过人物分割图结合打电话动作算法判断是否存在手部打电话动作以及口型动作，如果同时存在打电话动作以及口型动作则判断当前人物处于打电话状态，否则认定当前人物不处于打电话状态。

打电话动作算法采用RMPE姿态识别方法进行动作识别，包括手部打电话动作以及口型动作，其中手部打电话动作包括以下连续行为：抬左手/右手、手放在耳边。RMPE姿态识别方法对于动作的具体识别流程为:

首先进行对称空间变换网络SSTN变换，利用STN接收人体候选框，SDTN产生候选姿态；

然后使用Stacked Hourglass算法网络对边界框中的人体进行姿态识别；

接着识别完成后逆SSTN变换返回原图像；

最后使用NMS消除姿势冗余，从多余的候选框中选择置信度最高的作为参考，得到姿态向量。

也就是当边缘计算单元判断出人物连续出现抬左手/右手、手放在耳边，并且同时出现嘴部动作时判断该人物正在打电话。

以上是打电话和吸烟动作的具体检测过程，边缘计算单元还可以根据RMPE姿态识别方法进行其他的危险动作，例如打人、持刀、打火机等危险动作的识别。

S400、如果人物存在危险动作，边缘计算单元立即给现场发送警报，使现场工作人员进行阻值，并且上报给管理中心。

本发明还包括一种基于边缘计算和AI的智慧加油站安全监测系统，包括：管理中心、设置在各个加油站内的边缘计算单元和双光谱摄像头，边缘计算单元通过网络与管理中心通讯，边缘计算单元应用权利要求1至8任意一项基于边缘计算和AI的智慧加油站安全监测方法进行安全监测以及监测到安全隐患时给管理中心报警，管理中心将各个加油站的数据和告警信息进行汇总分析和展示。

本发明实施方式通过在各个加油站内设置边缘计算单元和双光谱摄像头，双光谱摄像头既可以采集图像信息又可以采集热源信息，边缘计算单元结合视频帧图像和热源信息即可识别出人物是否存在吸烟打电话等多种危险动作，当发现有人做出危险动作后立即进行现场报警并且上报给管理中心，可以自动对加油站进行监控，第一时间排除安全隐患，提高加油站的安全性。

上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在所述技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。