[发明专利]井下高危区域动目标监测和管理系统

权利要求书

1.一种井下高危区域动目标监测和管理系统，其特征在于，包括：

现场图像采集装置，布设于需要监测的井下高危区域，用于采集所述井下高危区域的视频图像信息，对所述视频图像进行分析，并将所述视频图像及其分析结果传输至后台分析设备；

人员定位装置，由井下工作人员佩戴，用于采集井下工作人员的实时位置信息；

安全监控装置，布设于所述井下高危区域的关键位置，用于采集所述关键位置处的环境参数信息；

所述后台分析设备，与所述现场图像采集装置、所述人员定位装置以及所述安全监控装置之间均保持网络连接，通过所述网络连接获取所述井下高危区域的现场采集图像，所述人员定位装置采集的实时位置，以及所述安全监控装置采集的环境参数，并将所述现场采集图像、所述实时位置及所述环境参数的分析结果与预设的目标风险预控知识库进行比对，以得到人员和车辆等动目标的实时危险预警、人员出勤情况统计、车辆出入统计、车辆违章统计，以及违章关联分析。

2.根据权利要求1所述的系统，其特征在于，所述现场图像采集装置包括：

图像采集单元，用于采集所述井下高危区域的所述视频图像；

处理芯片，与所述图像采集卡连接，用于通过运动目标检测由所述视频图像中检测出运动的人员图像或者车辆图像，并对所述人员图像进行行为分析；

通讯芯片，与所述处理芯片连接，用于将所述视频图像及对所述视频图像的分析结果传输至所述后台分析设备。

3.根据权利要求2所述的系统，其特征在于，所述处理芯片包括：现场可编程门阵列FPGA，和/或数字信号处理器DSP。

4.根据权利要求2所述的系统，其特征在于，所述处理芯片通过背景建模及前景检测，将可能的运动目标图像与背景图像分离，其中，所述运动目标图像包括所述人员图像及所述车辆图像。

5.根据权利要求2所述的系统，其特征在于，所述处理芯片通过结构化的模板匹配进行所述人员图像的识别。

6.根据权利要求2所述的系统，其特征在于，所述处理芯片通过预置的卷积神经网络进行所述车辆图像的识别。

7.根据权利要求2所述的系统，其特征在于，所述处理芯片通过方向梯度直方图对所述人员和车辆等动目标图像进行行为分析。

8.根据权利要求2所述的系统，其特征在于，所述通讯芯片具体用于对经过压缩编码后的视频图像，以及所述视频图像的分析结果进行调制，再将调制信号通过与所述后台分析设备之间的无线网络连接传输至所述后台分析设备。

9.根据权利要求1所述的系统，其特征在于，所述环境参数包括：甲烷浓度、一氧化碳浓度、风速、风压、温度、湿度、二氧化氮、硫化氢、二氧化硫、烟雾、馈电状态、风门状态、风筒状态、局部通风机开停、主通风机开停。

10.一种井下目标图像识别方法，其特征在于，包括：

A.在相同的成像条件下，分别采集工作人员图像，并组成样本图像集；

B.对所述样本图像集中的图像进行分割，分别组成身躯样本图像集、上肢样本图像集、下肢样本图像集及头部样本图像集；

C.分别对所述身躯样本图像集、所述上肢样本图像集、所述下肢样本图像集及所述头部样本图像集进行灰度化；

D.将所述身躯样本图像集、所述上肢样本图像集、所述下肢样本图像集及所述头部样本图像集中的图像分别与高斯核函数进行卷积运算，以得到图像的多尺度空间；

E.将每个样本图像与相邻尺度图像做差，以得到高斯差分尺度空间；

F.将所述高斯差分尺度空间中的采样点，与预设大小像素块的邻域点和其上下尺度对应的预设大小像素块的邻域点进行比较，当所述采样点比邻域点均大或均小时，将该采样点选择为候选特征点；

G.对所述候选特征点，通过拟合三维二次方程和Hessian矩阵，剔除所述候选特征点中的低对比度点和边缘点，得到精确特征点；

H.计算所述精确特征点的梯度值及梯度方向；

I.通过统计预定圆域内各个像素的梯度值，绘制梯度直方图，其中，所述预定圆域以精确特征点为圆心；

J.根据所述梯度直方图，确定精确特征点的主方向；

K.以所述精确特征点为中心，以所述精确特征点的主方向为坐标轴方向，建立坐标系；

L.将所述高斯差分尺度空间中精确特征点预定大小的邻域空间中的像素点，分成预定大小的像素块，并将所述像素块按照其梯度，绘制成具有不同区间的梯度直方图；

M.从所述精确特征点中选取种子特征点，根据所述种子特征点的梯度直方图的统计信息，组成所述精确特征点的特征向量；

N.对所述特征向量进行规范化；

O.基于规范化之后的特征向量，建立精确特征点的精确特征描述子集合；

P.获取待识别图像，并对所述待识别图像重复C至U的操作，获取所述待识别图像的精确特征描述子集合；

Q.利用欧式距离求每个精确特征点的模值，并组成所述精确特征点的模值向量；

R.对所述待识别图像与样本图像集中的图像的模值向量根据杰卡德系数进行相似度度量，并将相似度最大的图像类别作为所述待识别图像的类别。