人工智能視頻監控技術在加油站安全管理中的應用

檀 飛 江 濤 付志鵬

〔中國石化江西石油分公司 江西南昌 330046〕

在云化網絡、人工智能、大數據技術、5G技術以及半導體等技術的突破融合趨勢之下，人工智能視頻監控技術得到了飛快發展和廣泛運用，在城市治安、道路交通安全、電力系統等領域都積累了海量的視頻數據。隨著智慧城市、智慧交通、智慧園區等概念的興起，更是把人工智能視頻監控的應用范圍推廣到了各個領域。

我國的相關智能監控技術起步較晚，在2000年以前，幾乎全球的視頻監控領域都被美國、德國等少數歐美企業壟斷。進入21世紀后，隨著相應科技的迅猛發展和政府對于視頻監控建設的大力投入，使得智能監控在我國得到了廣泛的重視和實踐。目前我國許多行業仍處在由視頻監控到智能監控的轉型階段，主要集中在交通、金融、電力、治安等領域。

加油站作為存儲和銷售成品油的場所，具有易燃易爆的特性，且人員流動大、帶來的安全隱患比其他場景多，例如抽煙、違規闖入等看似不起眼的行為會導致巨大災禍的釀成。所以在安全防范方面，加油站相對于其他行業場所要更加嚴格，并應具備更高的可靠性，而智能視頻監控能夠滿足這些要求。

1 人工智能視頻監控技術在加油站現場安全管理中的作用

1.1 傳統視頻監控系統安全管理的短板

目前我國加油站數量已經超過10萬座。加油站主要采用的是傳統視頻監控系統。隨著加油站安全保障的需求越來越高，營業量和人流量越來越大，加油站收發油作業的頻率越來越高，傳統視頻監控技術在安全管理的短板越發凸顯。

(1)傳統視頻監控需要依靠大量專業人員對視頻進行實時或回放監看。對于擁有眾多加油站的企業來說，如果要對加油站的視頻進行全覆蓋監控，則需要耗費大量人力[1]。

(2)傳統視頻監控報警準確性較低。一是通過人工查閱海量視頻信息，難免出現疲勞和疏漏，效果較差[1]；二是人員素質參差不齊，可能出現因能力問題導致對異常問題產生遺漏。

(3)傳統視頻監控屬于事后管理。傳統視頻監控只能記錄現場實際情況，但是對于發生的異常行為并不能及時報警，只能作為事后取證的素材。

1.2 智能視頻監控技術的優勢

(1)全天候可靠監控。智能視頻監控系統[2]徹底改變了由人員對監控畫面進行監控和分析的模式。通過基于人工智能算法對所監控的畫面進行實時分析，一旦發現異常行為立刻向監控中心進行報警。

(2)報警效率和準確性高。智能視頻監控系統[2]由于運用了人工智能算法，使用戶可以更加精確定義異常行為的特征，一旦發現異常行為，可以準確地進行實時報警，有效提高報警的準確性。

(3)響應速度快。智能視頻系統擁有傳統視頻監控系統不具備的智能特性，能夠準確識別異常行為。因此，在異常行為造成嚴重后果前就能夠提示安全人員關注情況，使得安全管理人員有較為充裕時間去處理各種異常行為。

(4)便于數據分析。智能視頻監控系統可以直觀、便捷地將各種報警數據進行匯總，使得安全管理人員能夠快速分析出各類異常行為發生的位置、時間和頻率等信息，使決策者能夠直觀發現安全管理的薄弱環節，便于有效制定下一步提升安全管理的措施。

2 智能監控系統在加油站安全管理的需求分析

(1)構建加油站各個作業區域全方位的人工智能行為識別系統，實現全天候、實時、準確的自動行為巡查。

(2)基于深度學習、計算機視覺等技術構建智能視頻分析技術，實現在復雜多變場景下能夠實時自動地對監控畫面中的人員多種違規行為操作(見表1)進行分析，規范人車管理，并進行及時的短信告警和語音播報。

表1 加油站安全管理的需求分析

3 智能監控系統識別異常行為的技術方案

智能監控系統主要是針對不同技術內容的需求差異需要進行響應條件判斷。本文的技術內容主要分為對行為的異常識別、對人員穿戴的異常識別以及對于操作流程的異常識別，其中操作流程的異常識別可分解為多個行為異常識別的順序判別。

以吸煙檢測為例展示行為異常識別算法的具體流程。本文擬采用姿態估計、目標檢測和動作分類的級聯方案[3]，實時分析視頻流，對吸煙行為進行發現和告警。吸煙行為識別算法方案通過視頻流協議采樣視頻幀，經過一定的預處理后，通過行人檢測、目標跟蹤、人體姿態估計、煙頭檢測、動作識別等步驟，輸出吸煙人員的告警結果。具體地，行人檢測給出了人員位置；通過關聯行人軌跡，目標跟蹤有效降低了行人檢測的背景誤檢；隨后采用了自研基于深度學習的煙頭檢測模型預測出煙頭目標位置；同時通過自研的動作識別算法結合時序行為信息進行吸煙行為的識別。最后，聯合煙頭檢測和動作識別的結果，實現了最終吸煙行為的判別。通過級聯多個不同模態的算法模型，本算法方案可更好地解決單模型效果不良的弊端，進一步提高算法準確率。

對于人員穿戴性規范檢測，本文擬采用基于深度學習的實時行人人頭檢測器對視頻流進行處理，并基于IOU匹配的高效率跟蹤算法[4]對視頻畫面中的工作人員進行實時跟蹤。結合了多幀行人屬性分類以及自研特殊姿態過濾算法構建多模型融合預測方法，即先對行人進行工服工帽屬性分類，為提高算法的抗干擾能力和魯棒性，采用多幀分類結果進行屬性判別。為提高算法在實際應用場景的魯棒性，降低誤報現象，在算法的輸出端加入自研的特殊姿態過濾算法，對視覺信息缺失的特殊姿態行人的報警進行過濾[5]，最終輸出告警結果。該方案針對視頻流進行處理，有效保留了時序信息，能夠根據多幀進行預測輸出結果，降低單幀畫面的擾動干擾影響。

4 智能視頻監控系統在加油站應用實例

為了直觀展示智能視頻監控系統相對于傳統視頻監控系統的優勢，特意選取了在1個城區加油站安裝了智能視頻監控系統，并安排1名專業人員專職查看該站視頻監控。通過一個月時間實踐，得出下列數據(見表2)。

表2 智能視頻監控系統和人工識別異常行為報警情況對比統計

從表2可以得出智能監控系統報警準確率為96.8%，人工通過查看傳統視頻監控系統的報警準確率為52.6%，智能監控系統報警準確率遠高于人工報警。

5 結束語

成品油銷售企業由于點多面廣、管理分散，人的不安全行為一直是安全監管的重點，然而無法實現安排人員對加油站實行24×7的全天候視頻督查。通過應用智能視頻監控系統，可以有效提升加油站現場安全管理水平，規范加油站人員現場作業通過“智慧的眼睛”實時抓拍加油站人員不安全行為，并以語音和短信等方式進行實時報警，使得管理人員可以及時發現、糾正和處理異常情況，最大限度提升報警效率和準確性，實現了“事后管理”向“事前管理”的轉變。