基于全景可视化的综采工作面异常行为识别关键技术

针对煤矿工作面工人异常行为难以智能监管的问题,提出了一种基于OpenPose改进的轻量化人体姿态识别模型。采用MobileNet-v3替换原模型中的骨干网络,并采用较小的卷积核替代原7×7的卷积核,以提高模型检测速度并减小所占用资源;针对工作面摄像头拍摄范围有限,难以满足工作面全景可视化的需求,采用SIFT图像拼接算法,将多个监控视野相融合,实现工作面实时同步全场景监测的目的。试验测试结果表明:改进后的人体姿态识别模型准确率达到81.5%,占用内存为原模型的42%,而检测速度为原模型1.59倍;改进的人体姿态识别模型在减小占用内存的同时,大幅提高了模型检测速度并保持了较高的准确率,结合人体姿态识别与图像拼接算法能够实现对工人行为的实时监测。

综采工作面视频监控系统优化设计

针对现有综采工作面视频监控系统占用网络带宽大、视频存储不完整、采煤机截割画面不突出、视频拼接画面参差不齐等问题,从系统硬件和软件、视频压缩和拼接算法等方面进行优化设计。硬件方面,引入硬盘录像机,以降低网络带宽占用率,解决视频传输卡顿问题;采用本地存储与远程存储相结合的方式,有效解决了视频存储丢失的问题。软件方面,以突出重点、局部放大为原则,采用实时视频与动画模拟结合的方式显示综采工作面视频画面与设备状态参数,解决了采煤机截割画面不突出的问题。算法方面,提出了基于深度学习的视频压缩方法,除压缩视频数据本身外,对帧间数据也进行压缩,有效降低了算法的码率;采用非线性损失真模型(NAM)矫正算法消除图像畸变,采用加速稳健特征(SURF)检测算法进行特征点检测,并通过双线性插值方法进行图像融合,从而实现全景视频拼接。探讨了综采工作面视频监控技术发展方向,包括摄像仪自清洁技术、智能识别技术、工作面全景视频拼接技术、5G与WiFi6融合通信技术、煤岩界面识别技术。