基于EasyDL平臺視頻事件監測系統在鐵路運維中的應用

賀歡歡 黃杰

摘 ? 要：人工智能技術日益發展，為了更好地減輕鐵路視頻監控人員工作量，保障鐵路作業人員安全，減少事故發生，文章針對鐵路運營維護的5個場景，設計了一種基于EasyDL平臺的視頻事件監測系統。此系統基于人工智能EasyDL平臺，建立未佩戴安全帽、未穿防護服、特殊區域人員徘徊等機器學習模型，利用相關模型識別鐵路作業人員的一些違規行為，及時記錄并給出警示。測試結果表明，該系統能夠準確識別攝像頭抓拍到的違規事件，有助于進一步保障鐵路作業人員的安全。

關鍵詞：人工智能;EasyDL;視頻事件監測;安全

1 ? ?我國鐵路發展概況

目前，我國鐵路實現了跨越式發展，為了強化勞動安全管理，提高人身安全保障能力，各鐵路公司均在其轄區安裝了視頻監控系統，并安排專人24小時在線監控，要求視頻監控人員持續性高度集中注意力，而靠人眼看的方式容易出現疏漏。隨著信息化時代的到來，人工智能（Artificial Intelligence，AI）在社會各領域得到了普遍應用。百度AI開放平臺為了滿足人們在圖像識別領域的個性化需求，提供了EasyDL定制化圖像識別服務[1]。該平臺應用百度AutoDL/AutoML技術，基于少量數據就能獲得出色性能和模型效果。系統通過調用EasyDL平臺訓練好的各類監測模型，監測鐵路室內外各種施工、維修、檢查等作業是否存在違規行為，實現AI能力與鐵路視頻監控系統的整合，具備完善的鑒權、流控等安全機制。此平臺還支持查找云端模型識別錯誤數據，糾正結果并將其加入模型迭代訓練集，不斷優化模型效果[2]。

2 ? ?系統簡介

該系統基于百度AI EasyDL開放平臺中的物體檢測技術，通過互聯網接入鐵路現有視頻監控系統，能夠精準識別各類場景中未佩戴安全帽、未穿防護服、未穿反光馬甲、特殊區域人員徘徊、抽煙、接打手機等違規事件，并通過微信消息及時提醒管理人員，從而進一步保障鐵路運維過程中的安全。

系統設計主要包含3個過程：（1）基于EasyDL平臺物體檢測技術建立各類事件檢測模型。（2）通過互聯網以固定IP方式將現有視頻監控系統中的網絡硬盤錄像機（Network Video Recorder，NVR）接入視頻事件監測系統。（3）通過接入的NVR直接調用終端攝像頭并定時抓拍現場照片，同時回調EasyDL平臺事件監測模型識別異常事件，并發送異常事件提醒消息。系統整體架構如圖1所示。

3 ? ?系統設計

3.1 ?基于EasyDL平臺訓練模型

基于百度的圖形化深度學習平臺EasyDL，訓練鐵路違規行為檢測模型。該平臺采用PaddlePaddle深度學習框架，結合自動搜索模型技術（Auto Model Search），保證模型效果領先訓練物體檢測模型，支持選擇多種算法，可滿足不同場景對性能、效果的不同需求[3]。目前，EasyDL可支持創建6類模型：圖像分類、物體檢測、圖像分割、文本分類、聲音分類和視頻分類。本系統主要基于物體檢測技術訓練未佩戴安全帽、未穿反光服、特殊區域人員徘徊、抽煙、接打手機等監測模型。以訓練未佩戴安全帽監測模型為例介紹具體過程，分為4個步驟，依次是：

（1）創建模型，確定模型名稱為未佩戴安全帽監測模型、確定模型功能為識別視頻中未戴安全帽的作業人員。

（2）上傳并標注數據分類，按分類（戴安全帽圖片和不戴安全帽圖片）上傳圖片，戴安全帽和未戴安全帽圖片各500張。

（3）訓練模型并校驗模型效果，以云端API的方式進行部署，用上傳的數據一鍵訓練模型并校驗模型效果。

（4）發布模型，訓練完成后，將模型部署在公有云服務器[4]。

3.2 ?視頻事件監測系統功能設計

該系統主要包含兩大模塊：一是基礎管理，主要包含用戶管理、菜單管理、角色管理、權限管理、系統日志等基礎支撐功能。二是視頻事件檢測管理，主要包含核心功能如下：

（1）NVR管理，可針對現有視頻監控系統中擁有固定IP地址的NVR進行接入，同一組織機構下可接入多個NVR，接入信息主要包含NVR的名稱、IP地址、端口和鏈接口令等。

（2）NVR通道管理，同一NVR可接入多路攝像頭。主要包括：通道所屬名稱、通道序號、所屬NVR、抓拍時間設置、提醒人員、違規事項，同一路攝像頭可以設置多個違規事項抓拍。

（3）攝像頭圖片抓拍，可設置抓拍時間段、時間間隔及頻次，系統自動抓拍現場照片并保存。

（4）圖片識別模型調用，根據預先設置的違規事項，系統自動調用EasyDL平臺訓練好的監測模型進行異常事件識別。針對同一張照片可調用多個模型。

（5）圖片識別結果返回，將調用模型后的異常事件圖片識別結果返回給視頻事件檢測系統。

（6）異常事件結果記錄，系統自動記錄識別出的異常事件并截圖保存。

（7）異常事件消息提醒，系統自動將異常事件以微信消息的形式推送給安全管理人員。

4 ? ?系統應用場景

該系統適用于《某電務段勞動安全卡控措施》中的以下5種場景，如鐵路工作人員違反鐵路勞動安全規定，則該監控系統能夠識別截圖并給安全管理人員推送消息。

（1）未佩戴安全帽監測模型應用場景。規定進入高速鐵路防護柵欄內的所有人員必須佩戴安全帽;車載登頂作業時，作業人員必須戴安全帽，防止高空墜落;庫內檢修或機車底部作業時，作業人員必須戴安全帽，防止碰傷及墜落物體砸傷。

（2）未穿作業服和反光馬甲監測模型應用場景。所有進入高速鐵路防護柵欄內的各級管理人員，必須戴高警帽、穿作業服或穿戴反光馬甲（夜間），方可進行施工、維修、應急處置等作業。

（3）特殊區域人員徘徊監測模型應用場景。高速鐵路勞動安全要求規定作業人員在天窗或封鎖時間以外，禁止進入站內封閉范圍內，禁止進入區間防護柵欄、橋面、隧道內。

（4）抽煙監測模型應用場景。機械室禁止吸煙。

（5）接打手機等違規事件監測模型應用場景。列車維護人員進行庫內作業時，不得接打個人手機;動車組三級平臺作業，嚴禁接打手機;庫車線作業穿越庫車線股道、道口時，嚴禁接打手機。

5 ? ?測試結果

該系統接入某施工單位視頻監控系統進行為期一周試驗，監測現場施工人員是否存在未戴安全帽違規行為，共接入視頻監控站點4個，視頻監控點位18個，能夠做到精準識別未戴安全帽違規行為。基于EasyDL平臺的視頻事件監測系統有以下優勢：

（1）可接入現有攝像頭資源，終端無需加裝任何設備。

（2）全天候在線實時監測，無需視頻監控管理人員。

（3）支持多種異常事件監測識別。

（4）云端智能識別處理，異常事件自動報警。

本文僅是AI在鐵路監控方面的初步應用，盡管利用EasyDL平臺構建的鐵路異常事件監測模型不能全面覆蓋所有違規行為，但基于EasyDL平臺構建模型操作簡單，獲得的模型效果良好，為促進AI在鐵路監控方面的應用提出了新的思路。

[參考文獻]

[1]張喜紅，王玉香.基于百度AI中藥材品鑒助手系統的設計[J].新余學院學報，2019（2）：25-28.

[2]孟凱.圖像識別技術在鐵路監控系統中的應用[J].硅谷，2013（14）：103-105.

[3]劉洋，史煜，曹雪倩，等.自動化機器學習在眼部疫病識別及分類中的初步應用[J].中國教育醫學，2019（3）：44-49.

[4]孫睿康.基于EasyDLd的超新星自動搜尋系統設計[J].智能計算機與應用，2019（1）：262-263.

Abstract：With the development of artificial intelligence technology， in order to reduce the workload of railway video surveillance personnel better， ensure the safety of railway operators， and reduce the occurrence of accidents， this article designs a video event monitoring system based on the EasyDL platform for the five scenarios of railway operation and maintenance. This system builds machine learning models such as wearing no hard hats， protective clothing， people in special areas and so on based on the artificial intelligence EasyDL platform， and identifies some violations of railway operators of using relevant models， records and gives timely warnings. The test results shows that the system can accurately identify violation captured by the camera， which helps to ensure the safety of railway operators further.

Key words：artificial intelligence; EasyDL; video event monitoring; security