煤礦用智能視頻偵測圖像傳感器的研究

蔣澤

【摘要】針對現(xiàn)有煤礦部分堆煤、縱撕等傳感器檢測不可靠及視頻圖像數(shù)據(jù)處理應用相對較少的實際情況，提出了視頻偵測圖像傳感器的概念，以高性能視頻采集處理單元為平臺，分析了視頻圖像處理的不同算法的特點，并得出解決煤礦的實際問題最佳算法，并指出現(xiàn)有煤礦在視頻偵測圖像傳感器的研究方向。

【關鍵詞】煤礦;圖像處理;傳感器

引言

目前，在礦井生產(chǎn)運輸過程中經(jīng)常因堆煤、縱撕[1]等傳感器監(jiān)測不到位而造成皮帶冒煙、皮帶撕裂等問題時有發(fā)生。主要原因是現(xiàn)有堆煤傳感器[2][3]都是基于碰觸檢測方式來實現(xiàn)對皮帶堆煤檢測，當有大的煤塊經(jīng)過，或是有工人誤碰觸時容易發(fā)生誤報警現(xiàn)象。

而井下作業(yè)人員或車輛非法闖入、滯留井下某些禁止區(qū)域如：井下變電所、炸藥庫、廢棄巷道、井下軌道等，而釀成重大事故的現(xiàn)象時有發(fā)生。由于煤礦井下環(huán)境的特殊性，采用現(xiàn)有的傳感器實現(xiàn)對人員或車輛闖入、滯留的檢測識別的難度較大。

目前工業(yè)電視系統(tǒng)[4][5]為煤礦安全生產(chǎn)、調度指揮提供了直觀、方便、可靠的手段，也在各大煤礦安裝到位。但現(xiàn)有的視頻監(jiān)控系統(tǒng)通常需要調度人員對作業(yè)現(xiàn)場進行實時監(jiān)視，對調度人員要求較高，并且實際操作具有很大難度。而通過錄像錄制的視頻圖像所提供的信息是沒有經(jīng)過分析的原始視頻圖像，只能用作事后取證，沒有充分發(fā)揮圖像監(jiān)控的實時性和主動性[6]。

綜上所述，煤礦現(xiàn)有的視頻圖像處理等功能單一，不具備完整的圖像分析功能，其實際的數(shù)據(jù)利用率較低，而利用類似的圖像數(shù)據(jù)開發(fā)相應的視頻偵測圖像傳感器是有著實際的應用，并能解決煤礦現(xiàn)場的實際問題。

1.解決思路

本文引入了圖像偵測圖像傳感器的概念，每一個視頻監(jiān)測點就類似一個監(jiān)測傳感器，通過分析視頻畫面中的有效信息：煤流的異常狀態(tài)、煤塊高度、人員或車輛在監(jiān)控畫面的位置，進而作出判斷，則可以較好的解決上述存在的問題。

1.1 智能視頻分析介紹及相關行業(yè)的應用

智能視頻分析技術源自計算機視覺（CV，Computer Vision）與人工智能（AI，Artificial Intelligent）的研究[7] [8]，其發(fā)展目標在于將圖像與事件描述之間建立一種映射關系， 使計算機從復雜的視頻圖像中分辯、識別出關鍵目標物體。近年來，智能監(jiān)控技術在各個行業(yè)中得到了迅速發(fā)展，帶有智能監(jiān)控技術的產(chǎn)品已在機場、監(jiān)獄、軍事基地和其他大型基礎設施的監(jiān)控中得到應用。特別是在重要基礎設施場所中，人員的 “入侵探測”應用較為典型，例如：機場，它的周界太過分散，一個人或者多個人都無法完全監(jiān)控到所有周界。利用視頻分析技術能夠自動探測在某些特定場所或特定時間內進入或離開某一區(qū)域的可疑物體。

1.2 煤礦井下圖像分析現(xiàn)狀及可應用的場所

雖然地面其它行業(yè)智能圖像識別算法比較成熟[9]，但由于煤礦井下環(huán)境比較惡劣，照度低、粉塵多、濕度大、礦工礦燈對攝像機易造成致盲現(xiàn)象，現(xiàn)有的圖像識別算法無法直接應用到煤礦井下智能視頻識別裝備。需要針對煤礦特殊的環(huán)境研究能夠應用于煤礦環(huán)境的視頻圖像分析算法。通過分析視頻中的有效信息如皮帶煤塊高度、人員車輛位置，判斷生產(chǎn)現(xiàn)場是否存在異常，如堆煤、區(qū)域入侵等現(xiàn)象，并根據(jù)不同異常直接進行報警或采取控制措施，彌補部分傳感器的不足[10][11]。

為解決上述問題，提高對井下設備故障的準確檢測和杜絕井下作業(yè)人員誤闖禁止區(qū)域，需要研究智能視頻偵測圖像傳感器，通過圖像偵測識別及時對設備故障和人員非法入侵行為及時報警并采取相應控制措施，協(xié)助作業(yè)人員處理危機，并最大限度地降低誤報和漏報現(xiàn)象，避免事故發(fā)生。

2.主要研究內容與方向

2.1 高性能視頻采集處理平臺的搭建

智能視頻偵測平臺（如圖1所示）擬基于TI公司的高性能TMS320DM6437進行開發(fā)，TMS320DM6437處理器（簡稱DM6437）以64X+為內核，最高600MHz工作主頻，處理性能5600MIPS，高度的靈活性和可編程性，同時外圍集成了非常完整的視頻和網(wǎng)絡通信等接口，通過MPEG4對視頻流進行壓縮實現(xiàn)數(shù)據(jù)的快速傳輸。此外，針對特定視頻數(shù)據(jù)的預處理方法以及邊緣檢測、目標跟蹤的高效算法保證了系統(tǒng)處理的實時性與準確性。

平臺接口及圖像處理性能述如下：

●編碼形式：MPEG4的視頻編碼功能

●接口類：1個視頻輸入接口、1個視頻輸出接口、網(wǎng)絡接口、1組RS485接口

●實現(xiàn)待檢測目標的檢測、跟蹤以及異常情況報警

●最大幀率25fps，智能報警延時<2s

圖1 平臺架構圖

2.2 視頻圖像濾波增強算法的研究

煤礦井下圖像清晰度較低，且光斑、粉塵較多。對圖像進行分析處理之前，必須對圖像進行改善，例如增強圖像中的有用信息，改善圖像的視覺效果，強調某些感興趣的特征，擴大圖像中不同物體特征之間的差別，抑制不感興趣的特征，加強圖像判讀和識別效果，滿足某些特殊分析的需要。 因此可采用光斑去除和圖像增強對其進行預處理。

光斑去除最重要的是提取光斑區(qū)域，檢測光斑采用閾值分割法，目前已有很多經(jīng)典的算法，例如基于最大類間方差（Otsu法）、最大熵、迭代法等多種類型閾值選取方法。我們擬采用最大類間方差法來檢測光斑，最后根據(jù)處理后的圖像效果對此方法進行優(yōu)化。

圖像增強可分成兩大類：頻率域法和空間域法。根據(jù)計算復雜度和資源的利用率，我們打算采用空間域法?？臻g域算法中具有代表性的有局部求平均值法和中值濾波（取局部鄰域中的中間像素值）法等，它們可用于去除或減弱噪聲。

2.3 目標提取跟蹤識別算法研究及實現(xiàn)

2.3.1 目標檢測

基于預處理得到辨識度較高的圖像后，接下來進行目標檢測。為了檢測是否有人員越界，首先要從序列圖像中將變化區(qū)域從背景圖像中提取出來，運動前景對象的有效檢測對于對象跟蹤、目標分類、行為理解等后期處理至關重要。

目前，運動檢測常用的方法有幀間差分法、背景剪除法、光流法等?；跀z像機固定，井下光線變化不大等實際情況，擬采用背景剪除的方法進行目標檢測。

背景剪除法是一種有效的運動對象檢測算法，基本思想是利用背景的參數(shù)模型來近似背景圖像的像素值，將當前幀與背景圖像進行差分比較實現(xiàn)對運動區(qū)域的檢測，其中區(qū)別較大的像素區(qū)域被認為是運動區(qū)域，而區(qū)別較小的像素區(qū)域被認為是背景區(qū)域。背景剪除法必須要有背景圖像，并且背景圖像必須是隨著光照或外部環(huán)境的變化而實時更新的，因此背景剪除法的關鍵是背景建模及其更新。

2.3.2 目標跟蹤

在前面的步驟中系統(tǒng)已檢測出感興趣的目標，然后進行目標跟蹤。目標跟蹤就是在一個連續(xù)視頻序列中，在每一幀監(jiān)控畫面中找到感興趣的運動目標（例如，行人，車輛等）。跟蹤可以大致分為以下幾個步驟：

（1）目標的有效描述，即提取出這些感興趣目標的特征，以作為這些目標的描述，為之后的跟蹤和后續(xù)處理提供數(shù)據(jù)支持。

（2）相似性度量計算。常用的方法有：歐式距離、馬氏距離、棋盤距離、加權距離、相似系數(shù)、相關系數(shù)等;

（3）目標區(qū)域搜索匹配。如果對場景中出現(xiàn)的所有目標都進行特征提取、相似性計算，那么，系統(tǒng)運行所耗費的計算量是很大的。所以，通常采用預測算法對運動目標可能出現(xiàn)的區(qū)域進行估計，從而減少冗余，加快目標跟蹤的速度;常見的預測算法有：Kalman濾波、粒子濾波、均值漂移。

在此，可采用均值漂移算法進行目標的跟蹤，因為均值漂移算法迭代次數(shù)少，計算量小，所以實時性高的特點。

2.4 井下作業(yè)場所異常檢測的算法研究

2.4.1 煤塊堆積檢測算法

根據(jù)煤礦井下皮帶式輸送機卸載煤倉或煤倉的檢測和保護的要求，為防止物料堆積，造成堵塞事故，系統(tǒng)將通過圖像處理的方法對井下皮帶頭落煤處有煤塊堆積的現(xiàn)象進行檢測。根據(jù)所采集的視頻，系統(tǒng)擬采用光斑去除和圖像增強的方法對采集的圖像進行預處理。

光斑去除和圖像增強的方法與上文越界檢測算法中圖像預處理的方法一致。在得到較為清晰的圖像后，本系統(tǒng)擬采用光流法判斷煤塊是否運動，因為當煤塊堆積造成傳送帶靜止時，基于運動信息方法可以有效且快速的做出判斷，以便進行后續(xù)的堆煤處理。光流法概念源自光流場，當運動物體的影象在表面上的模式運動就是所謂的光流場，是一個二維速度場。而光流法根據(jù)連續(xù)多幀圖像序列，計算各象素點運動的大小和方向，它反映了圖像上每一像點灰度的變化趨勢。它具有不需要背景建模，在無法預先獲得場景的任何信息的情況下，也能夠檢測出獨立的運動對象的優(yōu)點。

檢測到煤塊停止運動后，再通過邊緣算子對皮帶頭的煤塊進行邊緣檢測。目前能夠檢測出邊緣的算子有：Roberts Cross算子，Prewitt算子，Sobel算子，Canny算子， Kirsch算子，羅盤算子等。其中，Canny算子（或者這個算子的變體）是最常用的邊緣檢測方法，它適用于不同的場合。它的參數(shù)允許根據(jù)不同實現(xiàn)的特定要求進行調整以識別不同的邊緣特性。

獲取到煤塊的邊緣信息后，將其投影到二維坐標中，通過y軸坐標得到煤塊的高度信息，通過選取閾值判斷是否發(fā)生煤塊堆積的情況，并進行報警處理。

2.4.2 皮帶煤塊傳輸檢測算法

判斷皮帶上有無煤塊傳輸也是保證井下工作正常有序的關鍵。同上述方法類似，仍采用類似的圖像預處理和運動檢測的方法，判斷皮帶是否處于運動模式，如果處于運動模式，則根據(jù)運動區(qū)域的紋理特征來識別是否有煤塊。

當發(fā)現(xiàn)皮帶上有煤塊傳輸或無煤塊傳輸時，其運動區(qū)域的紋理可以作為一個有效的特征來進行判別。目前常用的紋理特征提取方法有：LBP算子，共生矩陣等。根據(jù)提取的運動區(qū)域的紋理特征和模板進行匹配，即可用于檢測有無煤塊傳輸。

3.視頻偵測圖像傳感器研究方向

通過以上的研究分析其應用是可以滿足煤礦的實際使用要求，所以研究一類基于圖像識別的煤礦用傳感器，即在嵌入式平臺上移植煤礦井下視頻分析算法是有必要的。通過研究，實現(xiàn)同一平臺多種算法的移植：根據(jù)不同監(jiān)控場所的監(jiān)控需求，移植不同的圖像分析算法，如：在井下危險場所，移植入侵檢測算法，人員滯留算法;在皮帶頭落煤處移植皮帶堆煤檢測算法;在皮帶下方通過視頻分析實現(xiàn)皮帶縱撕檢測;煤倉處移植煤位檢測算法等。

采用這種方式有以下優(yōu)點：

（1）由于井下視頻傳輸有一定的延時，采用前端智能的方式，實現(xiàn)現(xiàn)場報警，縮短報警時間;

（2）充分利用煤礦井下已安裝的攝像機和工業(yè)電視系統(tǒng)：嵌入式視頻分析軟件能夠完成包括目標檢測、跟蹤、分類及規(guī)則定義等所有功能，并且選擇嵌入式視頻分析架構能將現(xiàn)有的傳統(tǒng)視頻監(jiān)控系統(tǒng)升級為智能視頻監(jiān)控系統(tǒng)，是一種成本低且易于改造的方案，只需在前端攝像機增加視頻圖像處理設備便能實現(xiàn)視頻圖像分析功能。

4.結語

本文針對煤礦井下一些特殊場合視頻圖像傳感器的實際應用做了一些算法研究，目前煤礦在此方面的應用相對較少，而現(xiàn)有大部分煤礦都有視頻圖像監(jiān)測，隨著高清視頻在煤礦應用逐步推廣，視頻智能視頻偵測圖像傳感器其發(fā)揮的作用會越來越大，能有效的提高煤礦安全生產(chǎn)和特殊場合的實際問題。

參考文獻

[1]張安寧，孫宇坤，尹中會.帶式輸送機防縱撕保護研究現(xiàn)狀及趨勢[J].煤炭科學技術，2007（12）.

[2]蔣志龍，張大女.基于ADXL335的堆煤傳感器的設計[J].工礦自動化，2012（08）：87-89.

[3]孫君，崔凱.基于水銀開關的礦用本安型堆煤傳感器的設計[J].工礦自動化，2011（05）：74-75.

[4]王政霏.工業(yè)電視監(jiān)控系統(tǒng)在煤礦工業(yè)的應用[J].科技資訊，2006（09）：17.

[5]孫立峰，卜仁斌.工業(yè)電視監(jiān)控系統(tǒng)研究及其在礦井中的應用[J].中國高新技術企業(yè)，2011（04）：130-132.

[6]袁小平，于洪珍，錢建生，陳偉信.圖像處理技術在煤礦工業(yè)電視系統(tǒng)中的應用[J].電視技術，2001（8）.

[7]李子青.國內智能視頻監(jiān)控技術的發(fā)展[J].智能建筑， 2008（01）.

[8]江擁輝.淺談智能視頻分析系統(tǒng)[J].科技信息，2010（4）.

[9]張家怡.圖像識別的技術現(xiàn)狀和發(fā)展趨勢[J].電腦知識與技術，2010（7）.

[10]梁玉偉，楊起，王忠平.智能視頻監(jiān)控在煤礦主井裝卸載系統(tǒng)中的應用[J].中小企業(yè)管理與科技（下旬刊），2011（07）.

[11]張圣強，王建軍，丁蕾.選煤廠智能視頻監(jiān)控中的運動人體目標檢測方法[J].工礦自動化，2011（11）.