[发明专利]一种基于计算机视觉的矿山人员监控系统及方法

说明书

本发明公开了一种基于计算机视觉的矿山人员监控系统及方法，矿山人员监控系统中：视频采集系统，包括多个搭载在云台上的摄像头，摄像头分别实时采集矿山周围环境的视频数据，将视频数据实时传输到云端服务器中的数据库进行存储；人员识别系统，用于获取云端服务器数据库中存储的视频数据，提取视频关键帧，利用深度学习神经网络预训练模型进行人员识别，并标识人员；人员跟踪系统，对视频关键帧建立背景模型，对人员进行跟踪标识，最终合成处理视频，通过数模转换装置传输到监控显示器进行实时显示。本发明能自动化识别矿山环境人员，减少人工检查监控视频时间，高效判断非法采矿行为进行预警。

技术领域

本发明涉及矿产资源管理与矿山安全技术领域，尤其涉及一种基于计算机视觉的矿山人员监控系统及方法。

背景技术

随着计算机视觉技术的不断发展，尤其是深度学习在目标检测等方面的快速发展，人脸识别系统逐渐进入市场。近年来，社会安全信息备受关注，视频监控、信息检索、无人商店等的快速发展进一步推动了基于图像视频处理的人员识别技术的在安防领域的需求。

深度学习是机器学习中正在兴起与普及的一个领域，其动机在于建立一种模拟神经元分析的神经网络，模拟神经元信息传输来抽稀数据，加深数据理解。深度学习通过多次图像卷积，配合向前传播与向后传播，将二维图像理解为高维的特征表示。基于深度学习的人员识别与跟踪算法在矿产资源管理与矿山安全领域可以用于帮助识别矿山上的人员有无佩戴安全帽，是否进入采矿工作面等特征，能帮助判断人员安全隐患，以及是否为非法采矿。

发明内容

本发明要解决的技术问题在于针对现有技术中识别率及警报效率较低的缺陷，提供一种基于计算机视觉的矿山人员监控系统及方法。

本发明解决其技术问题所采用的技术方案是：

本发明提供一种基于计算机视觉的矿山人员监控系统，矿山人员监控系统包括：视频采集系统、人员识别系统、人员跟踪系统、云端服务器、数模转换装置以及监控显示器；其中：

视频采集系统，包括多个搭载在云台上的摄像头，摄像头分别实时采集矿山周围环境的视频数据，将视频数据实时传输到云端服务器中的数据库进行存储；

人员识别系统，用于获取云端服务器数据库中存储的视频数据，提取视频关键帧，利用深度学习神经网络预训练模型进行人员识别，并标识人员；

人员跟踪系统，对视频关键帧建立背景模型，对人员进行跟踪标识，最终合成处理视频，通过数模转换装置传输到监控显示器进行实时显示。

进一步地，本发明的视频采集系统中，云台可360°旋转，进而带动摄像头旋转，实现对矿山周围环境的360°扫描。

进一步地，本发明的监控显示器设置在监控室中，用于接收云端服务器传输的监控标记视频数据，并进行实时播放。

本发明提供一种基于计算机视觉的矿山人员监控系统的监控方法，该方法包括以下步骤：

步骤1、通过设置在矿山周围的多个搭载有云台的摄像头，实时获取矿山周围的视频数据；

步骤2、将视频数据传输至设置在远程的云端服务器进行存储；

步骤3、提取视频数据中的视频关键帧，利用深度学习神经网络预训练模型进行人员识别，并标识人员；

步骤4、对视频关键帧建立背景模型，对人员进行跟踪标识，最终合成处理视频；

步骤5、将合成处理视频通过数模转换装置传输到监控显示器进行实时显示，监控人员通过实时显示的画面对矿山周围环境进行监控和预警。

进一步地，本发明的步骤3的具体方法为：

对视频数据，运用基于帧间差分法进行关键帧提取，采用深度学习算法进行人员识别，获取时间戳属性数据。