[发明专利]一种基于多源信息融合的危化品装卸安全风险评估方法

说明书

本发明公开一种基于多源信息融合的危化品装卸安全风险评估方法，该方法首先利用贝叶斯网络对危化品装卸作业的安全事件序列进行图解建模，筛选出可供视频识别分析的人员作业行为、物品状态、现场环境等目标特征；然后基于实际应用场景视频数据的智能分析，对违章作业频次等致因因素进行指标量化计算；最后将量化的数据作为贝叶斯网络输入，实现多源信息的融合表达，并结合事故后果得到动态的安全风险评估结果。本发明提供的方法可减少主观因素的不确定性对危化品装卸过程风险评估结果的影响，辅助企业制定具有针对性的控制措施，为企业安全管理决策提供科学合理的技术支持。

技术领域

本发明涉及公共安全技术领域，具体涉及一种基于多源信息融合的危化品装卸安全风险评估方法。

背景技术

化工行业由于现场作业环境复杂，存在大量专用设备设施，且各类岗位人员现场操作涉及环节众多，目标特征解析难度较大，风险研判主观性较强，因此化工领域的视频分析应用场景、范围和深度均十分有限，相关技术研发仍处于起步阶段。目前化工企业主要是通过视频监控、传感监测等技术手段，对作业现场进行在线监控，并将各处监视画面进行集中显示，辅助值班人员统一监管，对现场风险隐患的分析判断主要是通过人工来完成，工作量巨大、且非常容易出现人为失误。

发明内容

针对现有的危化品装卸作业环节中存在的自动化程度较低、工作量繁重和人为失误较多的问题，本发明提出一种基于多源信息融合的危化品装卸安全风险评估方法，该方法将人工智能技术融入到危化品装卸作业的安全监控和预警环节，能够实现危化品装卸装卸作业的动态风险评估。

本发明的目的通过如下的技术方案来实现：

一种基于多源信息融合的危化品装卸安全风险评估方法，其特征在于，该方法包括如下步骤：

S1：利用贝叶斯网络对实际应用场景下的危化品装卸作业的安全事件序列进行图解建模，列举出所有的目标特征，并从中筛选出可供视频识别分析的包含人员作业行为、物品状态、现场环境的目标特征；

S2：对所述的目标特征进行量化，具体分为以下两步：

(1)对采集到的监控视频进行预处理，利用机器学习和背景建模的目标检测方法，识别出每个视频图像中的所述的目标特征中涉及到的目标，并对目标进行标注，然后在视频图像序列中进行多目标跟踪，确定目标轨迹，建立视频分析识别的样本数据集和特征模型库；

(2)根据预设的业务规则和操作规范进行识别分类和回归分析，并结合目标特征本身的特点，直接对可能导致事故的致因因素进行量化，或者，基于系统可靠性和概率风险评估理论，引入贝叶斯公式通过初始事件识别、系统失效建模、作业人员行为建模以及事件序列量化，综合评估危化品装卸作业安全事故发生概率，从而得到量化后的目标特征；

S3：将S2得到的可能导致隐患的目标特征及其节点概率输入贝叶斯网络中，并结合事故后果得到动态的安全风险评估结果，对贝叶斯网络进行训练，得到训练好的贝叶斯网络；

S4：将新采集的监控视频数据，按照S2的处理步骤，然后将其输入S3训练好的贝叶斯网络中，从而得到实际装卸作业事件的失效概率和后验概率p(z/x)。

进一步地，所述的S1通过如下的子步骤来实现：

以领结图事故致因分析法，对危化品装卸作业所发生的事故演化过程进行逻辑抽象，结合事故树和事件树，分析事件产生的原因和结果，包括事故原因、事故后果、事故前的预防措施、事故后的控制措施、安全屏障，并在瑞士奶酪模型事故致因链的基础上，利用2-4模型展开人员不安全动作分析，分析导致事故发生人的不安全动作的根本原因、间接原因和直接原因，从而得到可能导致事故发生的相关目标特征。

本发明的有益效果如下：